每年，国际机器学习大会（ICML）都会展示数千名人工智能研究人员的研究成果。

今年的录用论文揭示了一个明确的趋势：开放的前沿模型和开放的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）有74篇论文被ICML 2026录用。约有2,000篇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、以及作为代理训练等领域，在今年的论文中依然占据重要地位，这反映了这些领域持续的投入。同时，一些新兴领域也崭露头角。

机器人世界模型受到了广泛关注，例如DreamDojo等论文在AI系统如何理解和作用于物理环境方面取得了突破。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如何处理物体和操作。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，从而在无需承担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开放模型和研究贡献，这些技术有助于研究人员理解蛋白质功能、分子行为和遗传密码。FLIP2等论文提出了用于测试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）在本届ICML上引起了特别的兴趣，多家机构展示了Nemotron和物理AI的开放数据集，这反映出研究人员在扩展训练规模时，正逐渐摆脱对纯粹人工标注数据的依赖。

开放的研究栈

开放的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，而不仅仅是一个单一的模型发布：它提供了开放的权重供评估，开放的数据集用于训练和适配，以及开放的关于推理、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集整理基础。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，在构建能够感知、推理、规划和行动于物理世界的机器人、自动驾驶汽车和视觉AI方面，为研究人员和开发者带来了代际飞跃。

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，以及用于生物医学的英伟达BioNeMo，都有助于加速各行业的研发进程。

生态系统的蓬勃发展

这种势头已超越英伟达自身的研究实验室。

Basecamp Research开发了一个新的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的参与者）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，使得需要可靠、无缝访问开放推理的研究人员能够更便捷地使用。

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正利用Cosmos世界模型、Isaac Sim和Isaac Lab构建下一代人形机器人，以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7月10日（周五）的ICML GenBio研讨会上，探索基因组学和生物学研究。