Nvidia lanserer en ny «Physical AI Data Factory Blueprint», en åpen referansearkitektur for å bygge og drifte datasett til robotikk, visuelle AI-agenter og autonome kjøretøy. Målet er å redusere tiden og kostnaden ved å produsere treningsdata i stor skala.
Kjernen i initiativet er en sammenkoblet pipeline for kuratering, augmentering og evaluering av data. Nvidia kombinerer Cosmos-modeller med orkestrering gjennom OSMO, og posisjonerer dette som en måte å gjøre «compute til data» i praksis. Med andre ord: mer av verdiskapingen flyttes fra manuell datainnsamling til automatisert, syntetisk datagenerering.
At både Microsoft Azure og Nebius kobles på blueprinten er strategisk viktig. Det peker mot et fremtidig marked der skyleverandører ikke bare selger rå GPU-kapasitet, men ferdige AI-produksjonslinjer med agentdrevet drift, kvalitetssikring og kortere vei til modelltrening.
For utviklere og plattformteam betyr dette at konkurransen i fysisk AI i større grad kan handle om dataflyt og verifisering, ikke bare modellvalg. Bedrifter som raskt kan iterere på sjeldne «long-tail»-situasjoner får en klar fordel, særlig innen sikkerhetstunge domener som industrirobotikk og autonome systemer.
Nvidia oppgir at blueprinten blir tilgjengelig på GitHub i april. Det gjør det mulig å vurdere hvor åpen og portabel løsningen faktisk er i praksis, og hvor tett den er knyttet til Nvidias egen stack.
Tags: nvidia, physical-ai, ai-infrastructure, robotics, autonomous-vehicles
Sources
NVIDIA Newsroom: https://nvidianews.nvidia.com/news/nvidia-announces-open-physical-ai-data-factory-blueprint-to-accelerate-robotics-vision-ai-agents-and-autonomous-vehicle-development
Microsoft Azure blog: https://aka.ms/gtc2026foundrymodelsblog