How Open Models Are Driving AI Research

国际机器学习大会（ICML）每年都会展示全球数千名人工智能研究人员的研究成果。

今年的会议论文表明，开放前沿模型和开放人工智能基础设施已成为现代人工智能科学研究的基石。

英伟达（NVIDIA）共有 74 篇论文被 ICML 2026 录用。约有 2,000 篇论文引用了英伟达的 GPU，其中 145 篇论文将英伟达的 Nemotron 系列开放模型（包括开放数据集）作为新研究的基础。此外，还有数百篇论文借鉴了 NVIDIA Cosmos、NVIDIA Isaac GR00T、BioNeMo 以及其他英伟达开放模型系列，这些研究涵盖了物理人工智能、机器人、自动驾驶汽车和生物医学研究等领域。

定义今年研究的主题

视觉和视频生成、用于大型语言模型（LLM）的强化学习、代理训练以及人工智能推理等领域，仍然是今年论文中的突出主题，这反映了这些领域持续获得的大量投资。同时，一些新兴领域也取得了突破性进展。

机器人世界模型引起了广泛关注，例如 DreamDojo 的研究，它在人工智能系统如何学习理解和处理物理环境方面取得了新进展。DreamDojo 通过学习人类视频中的物理世界行为，并基于 NVIDIA Cosmos 开放前沿模型，能够预测机器人在未训练过的环境中的物体处理和操作能力。这使得研究人员能够评估策略、规划动作以及远程操控虚拟机器人，从而在不承担物理部署成本和风险的情况下加速开发进程。

人工智能在生命科学领域的应用，得益于 NVIDIA BioNeMo 开放模型和相关研究贡献，这些研究有助于研究人员深入理解蛋白质功能、分子行为和遗传密码。FLIP2 等论文提出了用于评估 AI 预测蛋白质突变效应能力的公共基准。KERMT 是一种新的 BioNeMo 开放模型，用于预测对药物发现至关重要的分子特性。

合成数据生成（SDG）在今年的 ICML 会议上备受瞩目，多篇论文展示了 Nemotron 和物理人工智能的开放数据集，这反映出研究人员在扩展训练规模方面正逐渐摆脱对人工标注数据的依赖。

开放研究栈

开放式基础设施为研究人员提供了加速突破的工具。

论文显示，Nemotron 已不再仅仅被视为一个单一的模型发布，而是作为一个研究栈被广泛应用：开放的权重可用于评估，开放的数据集可用于训练和调整，开放的配方则可用于推理、工具使用、安全、数据整理和高效推理。

除了模型本身，NeMo Curator 及其支持的开放数据集为研究人员提供了可复现的数据集整理基础。SDG 工具使得创建高质量训练数据集成为可能，其规模和速度是几年前难以想象的。

Cosmos 3 系列开放式前沿全模型（omnimodels）为研究人员和开发者带来了巨大的能力飞跃，使他们能够构建能够感知、推理、规划和行动于物理世界的机器人、自动驾驶汽车和视觉 AI。

此外，用于自动驾驶汽车开发的 NVIDIA Alpamayo 开放模型系列、用于机器人技术的 NVIDIA Isaac GR00T 以及用于生物医学的 NVIDIA BioNeMo，都在各行业加速了研发进程。

生态系统的蓬勃发展

这种势头已延伸到英伟达自身研究实验室之外。

Basecamp Research 开发了一种新的 DNA 基础模型 EDEN，该模型能够帮助研究人员解读和设计基因序列。

Merck & Co. 公司利用 KERMT 来预测潜在药物分子在体内的行为，包括其有效性、安全性和可开发性。

Sakana AI 公司在今年的 ICML 上展示了其直接基于 Nemotron 3 Ultra 构建的 Fugu 和 Fugu-Ultra 模型，利用这一开放基础推动了其在 AI 研究自动化方面的工作。

KiloCode 将 Nemotron 集成到其代码路由架构中，实现了高达 90% 的代币成本降低，这对于 AI 在生产环境中的经济效益具有实际意义。

NAVER 公司利用 Nemotron 架构开发了自己的模型，为韩语人工智能研究奠定了基础。

Together AI 公司在其平台上托管 Nemotron 模型，为需要可靠、无缝访问开放推理的研究人员提供了便利。

Humanoid、LG Electronics、NEURA Robotics 和 Noble Machines 公司正在采用 NVIDIA Isaac GR00T 模型，以加速其人形机器人的工业化部署。同时，1X、Agility、Agile Robots、Boston Dynamics、Hexagon Robotics 和 Mentee 公司则利用 Cosmos 世界模型、Isaac Sim 和 Isaac Lab 来构建下一代人形机器人，加速其机器人的开发和验证。

您可以在 Hugging Face 上探索英伟达的开放模型。

您可以在 7 月 10 日星期五的 ICML GenBio 研讨会上，了解基因组学和生物学研究的更多信息。