国际机器学习大会（ICML）每年都会揭示全球数千名人工智能研究人员的研究方向。

今年的会议论文集明确显示：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）共有74篇论文被ICML 2026录用。约有2000篇被录用论文引用了英伟达GPU，另有145篇论文将英伟达Nemotron（一个包含开放数据集的开放模型系列）作为新研究的基础。此外，还有数百篇论文借鉴了英伟达Cosmos、英伟达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AI、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（LLMs）的强化学习、智能体训练以及AI推理等领域，在今年的会议论文中依然占据重要地位，这反映了这些领域持续获得大量投入。同时，也有一些新兴领域崭露头角。

机器人世界模型引起了广泛关注，例如DreamDojo等论文在AI系统如何学习理解和操作物理环境方面取得了突破。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评估策略、规划动作以及远程操控虚拟机器人，从而在降低成本和风险的同时加速开发进程。

在生命科学领域，英伟达BioNeMo开放模型及其研究成果极大地推动了研究人员对蛋白质功能、分子行为和遗传密码的理解。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开基准。KERMT是一个新的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上备受瞩目，多篇论文使用了Nemotron和物理AI的开放数据集，这反映了研究人员在扩展训练规模时，正逐渐摆脱对纯人工标注数据的依赖。

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正被用作一个研究栈，而非单一的模型发布：研究人员可以利用其开放权重进行评估，使用开放数据集进行训练和调整，并参考开放的推理、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生成高质量的训练数据集。

Cosmos 3系列开放式前沿全模（omnimodels）使研究人员和开发者在构建能够感知、推理、规划和行动的物理世界机器人、自动驾驶汽车和视觉AI方面，获得了代际飞跃。

此外，用于自动驾驶汽车开发的英伟达Alpamayo开放模型系列、用于机器人领域的英伟达Isaac GR00T，以及用于生物医学研究的英伟达BioNeMo，都加速了各行业的研发进程。

生态系统的蓬勃发展

这种势头不仅限于英伟达自身的研究实验室。

Basecamp Research开发了一种新的DNA基础模型EDEN，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、安全性和可开发性。

Sakana AI（今年也参加了ICML）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了高达90%，这对于AI在生产环境中的部署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等公司正利用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。

在ICML的GenBio研讨会上（7月10日星期五）探索基因组学和生物学研究。