本年度国际机器学习大会（ICML）的论文接收情况，清晰地揭示了人工智能研究的前沿方向：开放式前沿模型和开放式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）在本届ICML上共有74篇论文被接收。其中，约有2000篇论文引用了英伟达的GPU，而145篇论文则将英伟达的Nemotron系列（包括开放式数据集）作为新研究的基础。此外，数百篇论文还借鉴了英伟达的Cosmos、Isaac GR00T、BioNeMo等其他开放模型家族，这些研究涵盖了物理AI、机器人、自动驾驶汽车和生物医学等多个领域。

定义本年度研究的主题

视觉和视频生成、用于大型语言模型（LLMs）的强化学习、代理训练以及AI推理等领域，依旧是本年度论文中的突出主题，这反映了这些领域持续获得的大量投入。同时，也有若干新兴领域取得了突破性进展。

机器人世界模型受到了广泛关注，例如DreamDojo等论文在AI系统学习理解和操作物理环境方面取得了显著进展。DreamDojo通过人类视频学习物理世界的运行规律，并基于英伟达Cosmos开放式前沿模型，能够预测机器人在未受训过的环境中的物体处理和操作能力。这使得研究人员能够在不承担高昂成本和风险的情况下，评估策略、规划行动以及远程操控虚拟机器人，从而加速开发进程。

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、分子行为和基因编码方面取得了进展。FLIP2等论文引入了用于测试AI预测蛋白质突变影响能力的公共基准。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）在本届ICML上引起了特别的兴趣，多篇论文采用了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、减少对人工标注数据依赖方面的新思路。

开放式研究栈

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正被更多地用作一个研究栈，而非单一的模型发布：它提供了开放的权重用于评估、开放的数据集用于训练和适配，以及开放的“配方”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整理训练基础。SDG工具使得生成高质量训练数据集成为可能，其规模和速度远超几年前的水平。

Cosmos 3系列开放式前沿全模（omnimodels）为研究人员和开发者提供了强大的能力飞跃，使他们能够构建在物理世界中感知、推理、规划和行动的机器人、自动驾驶汽车和视觉AI。

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。

在此基础上构建的生态系统

这种势头不仅限于英伟达自身的研究实验室。

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

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

Sakana AI（本届ICML参会者）直接基于Nemotron 3 Ultra构建了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高达90%，这对于AI生产部署的经济效益具有实际意义。

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电子、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。同时，1X、Agility、Agile Robots、波士顿动力（Boston Dynamics）、Hexagon Robotics和Mentee则正在利用Cosmos世界模型、Isaac Sim和Isaac Lab构建下一代人形机器人，加速其机器人的开发和验证。

探索英伟达在Hugging Face上的开放模型。

探索英伟达在7月10日（周五）ICML的GenBio研讨会上的基因组学和生物学研究。