英伟达的AI数据中心正持续扩张，数据的价值潜力无限

英伟达发布2026财年第一财季（对应2025年第一季度）财报，财报显示，英伟达第季度营收441亿美元，同比增长69%，市场预期432.9亿美元。

其中，数据中心收入391亿美元，预估为392.2亿美元，净利润187.8亿美元，同比增长26%。数据中心收入占了最大营收比重，贡献近89%。

（英伟达财报）

这样一个业务板块对英伟达如此重要，那么英伟达的数据中心到底是什么？

英伟达的数据中心是什么

在AI的发展中，基础设施是底层支撑和核心驱动力的双重角色，尤其是数据的作用更加显著，没有数据，AI算法将就是无米之炊，数据的规模、质量与多样性，直接决定了AI的天花板。

显然，英伟达的数据中心就是作为AI基础设施而建设的，这是一个端到端的加速计算平台，集硬件和软件于一体。

硬件方面，有基于 Hopper、Grace 等架构的 CPU、GPU、DPU，如专为大规模 AI 和 HPC 设计的 Grace CPU、处理严格 HPC 和超大规模数据中心工作负载的数据中心 GPU，还有 DGX 系统等先进 AI 系统。高性能的硬件，将支持更高的数据处理能力和模型训练能力。

软件方面，包含 NVIDIA AI 等软件套件、NVIDIARiva 等应用框架、Magnum IO 等系统软件。通过整合高性能芯片、高速网络、CUDA 软件栈及合作伙伴生态，支持AI 训练、实时推理和大规模数据处理等需求。

数据中心目前进展

| Physical AI 全栈解决方案

Physical AI是指将人工智能技术与物理实体进行深度融合，例如机器人、传感器、执行器等，使机器能够感知、理解并主动干预物理世界的技术。

在2025  NVIDIA GTC 大会上，黄仁勋宣布开源Physical AI 数据集。这是一个用于机器人训练的数据集，数据量达到15TB，包含数千小时的多摄像头视频，超过 32W条机器人训练轨迹，以及多达 1,000 个通用场景描述（OpenUSD）。同时，英伟达官方表示，该数据集将随时间推移不断扩增。

Physical AI数据集地址：

https://go.hyper.ai/mkTKR

一同开源的还有用于模仿人类推理及其他技能的基础模型 NVIDIA Isaac GR00T N1，和面向机器人仿真的开源物理引擎 Newton。

| Cosmos 世界基础模型平台

‌Cosmos是由 NVIDIA 开发的一个集成平台，目标在于支持物理AI的开发和应用，特别是在自动驾驶和机器人领域。

此次，Cosmos 世界基础模型升级后，引入三大功能模块：

Cosmos Transfer：生成可控合成数据，支持从分割图、激光雷达扫描等结构化输入生成逼真视频。

Cosmos Predict：预测多帧中间动作，实现智能世界动态生成。

Cosmos Reason：优化数据标注流程，提升视觉 - 语言 - 动作模型训练效率。该平台已被小鹏汽车、Uber 等企业用于自动驾驶和机器人开发。

| AI 数据处理工具链

NVIDIA cuOpt 是英伟达推出的基于 GPU 加速的决策优化求解器‌，可以为任何企业提供用于库存水平、工厂产量、运输延迟、燃料成本、风险因素和法规方面的加速优化。

目前可通过动态评估数十亿变量实现实时决策，线性规划速度较 CPU 方案快 70 倍，车辆路线优化加速 240 倍。

NVIDIA 还推出了 NVIDIA AI 数据平台，这个平台是为了将企业数据存储与 NVIDIA 的加速计算技术相集成，为 AI 智能体提供近乎实时的业务洞察力‌。

同时，还有一个Dynamo 推理框架，主要通过智能资源调度、请求路由、优化的内存管理和加速的数据传输，来服务于生成式AI模型。

| 合成数据

2025 年 3 月，英伟达以九位数美元的价格收购了合成数据初创公司 Gretel。

Gretel 公司开发了用于合成人工智能训练数据的平台，为缺乏足够训练数据或对使用真实人物数据存在隐私顾虑的客户，提供合成数据解决方案。在被英伟达收购前，Gretel 已多家投资机构筹集了超过 6700 万美元的风险投资。

Gretel 支持生成文本、表格、图像等多种数据形式，并通过统计方法或生成式 AI 模拟真实数据特征，确保合成数据在质量与分布上与真实数据高度接近‌。

这体现了英伟达在合成数据领域的持续投入，补充自身在数据基础设施领域的竞争地位。

黄仁勋的数据观点

（黄仁勋演讲）

在CES2025进行的一场主题演讲中，谈到自动驾驶合成数据，黄仁勋介绍了Cosmos集成平台，表示：

“生成合成驾驶场景，将训练数据的规模提升数个量级。”

“数百次驾驶扩展为数十亿英里的有效里程”

近期，在COMPUTEX2025（2025台北国际电脑展）发表演讲。在机器人开发上，面临着数据挑战。他说到：

“机器人需要在真实世界的数据上学习，这既昂贵又耗时。”

为此，NVIDIA 提出了利用 AI“梦想”数据的方法，将基于 Cosmos物理 AI基础模型，在虚拟环境中生成大量的合成动作轨迹数据，从而大幅减少人工数据采集的需求。这项技术用36小时生成的合成数据量，相当于人工采集 3 个月的数据量。

谈及企业如何利用大量的非结构化数据时，黄仁勋表示：

“AI数据平台使得企业能够利用AI，发掘其90%的非结构化数据中的价值，通过自然语言的方式与企业知识库互动。”

结语

大模型随着持续迭代而不断增强，正是由于模型充分学习到了数据中的知识，数据对AI发展的作用不言而喻。而scaling law依然有效，模型能力的提升仍然需要海量的数据喂养。英伟达的AI数据中心的持续扩张，也表明了未来数据存在无限的价值潜力。

以上就是全文内容

小伙伴有什么想说的，欢迎评论区见

1