国际机器学习大会（ICML）每年的论文接收情况，都揭示了人工智能研究人员的关注焦点。今年的论文结果清晰地表明，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。

在 ICML 2026 上，英伟达有 74 篇论文被接收。近 2000 篇接收论文引用了英伟达 GPU，另有 145 篇则将英伟达的 Nemotron 系列（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英伟达的 Cosmos、Isaac GR00T、BioNeMo 以及其他英伟达开放模型系列，这些模型涵盖了物理AI、机器人、自动驾驶汽车和生物医学研究等多个领域。

定义今年研究方向的主题

今年的论文在视觉和视频生成、大型语言模型（LLMs）的强化学习、以及 AI 推理等领域保持了显著的关注度，这反映了这些领域持续的投入。同时，也有几个新兴领域崭露头角。

机器人世界模型受到了广泛关注，其中 DreamDojo 等论文在 AI 系统学习在物理环境中进行推理和行动方面取得了突破。例如，DreamDojo 通过学习人类视频中的物理世界行为，并基于英伟达 Cosmos 开放前沿模型，能够预测机器人在未曾训练过的环境中的操作能力。这使得研究人员能够评估策略、规划行动以及远程控制虚拟机器人，从而在不增加物理部署成本和风险的情况下加速开发进程。

生命科学领域的人工智能研究，得益于英伟达 BioNeMo 开放模型及其研究贡献，在帮助研究人员理解蛋白质功能、分子行为和遗传密码方面取得了进展。FLIP2 等论文引入了用于测试 AI 预测蛋白质突变效应能力的公开基准。KERMT 是一款新的 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 上引起了特别的兴趣，其中涉及 Nemotron 和物理 AI 开放数据集。这反映了研究人员在扩展训练规模时，正日益倾向于不完全依赖人工标注数据。

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 的使用方式已从单一模型发布转变为一个研究栈：提供开放权重用于评估，开放数据集用于训练和调整，以及开放的推理、工具使用、安全、数据整理和高效推理的“配方”。

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整理训练基础。SDG 工具能够以几年前难以想象的速度和规模创建高质量的训练数据集。

Cosmos 3 系列开放前沿全能模型，为研究人员和开发人员提供了在物理世界中感知、推理、规划和行动的机器人、自动驾驶汽车和视觉 AI 构建能力上的代际飞跃。

此外，用于自动驾驶汽车开发的英伟达 Alpamayo 开放模型系列、用于机器人技术的英伟达 Isaac GR00T，以及用于生物医学的英伟达 BioNeMo，都在加速各行业的研发进程。

生态系统的蓬勃发展

这种势头已超越了英伟达自身的研究实验室。

Basecamp Research 开发了新的 DNA 基础模型 EDEN，以帮助研究人员解读和设计基因序列。

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

Sakana AI（今年也参加了 ICML）直接基于 Nemotron 3 Ultra 构建了其 Fugu 和 Fugu-Ultra 模型，利用这一开放基础推动其在 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，报告称代币成本降低了高达 90%，这对于 AI 生产部署的经济性具有实际意义。

NAVER 利用 Nemotron 架构开发了自己的模型，为韩语 AI 研究奠定了基础。

Together AI 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 正在采用英伟达 Isaac GR00T 模型，以加速其人形机器人的工业化部署。而 1X、Agility、Agile Robots、Boston Dynamics、Hexagon Robotics 和 Mentee 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。

您可以探索英伟达在 Hugging Face 上的开放模型。

您还可以于 7 月 10 日星期五参加 ICML 的 GenBio Workshop，了解基因组学和生物学研究。