英伟达推出新一代机器人基础模型GR00T 2，同步完成了从“视觉-语言-动作模型”（VLA）到“世界-动作模型”（WAM）的范式切换。与上一代直接依据当前画面输出动作的思路不同，新模型会先联合预测未来视频帧与机器人动作序列，在内部“想象”物理世界的演化过程，再驱动夹爪、灵巧手及人形机器人执行任务。
该模型在CoRL 2026大会上首次亮相。按官方安排，GR00T 2与轻量版GR00T 2 Turbo计划于2026年12月开源，Human-1M部分人类视频数据及SimFoundry仿真工具链也将一并开放。
架构方面，GR00T 2的核心是约20亿参数的扩散Transformer，以Cosmos视频模型作为初始化基座。模型接收0.8秒多视角视频、机器人本体状态和语言指令，输出未来观测与动作块，由此形成闭环控制。
国泰海通在研报中将其关键升级归纳为三点。首先是“借人类经验学物理”：训练数据混合了40.3万小时人类第一视角视频、1万小时UMI手持数据与2.35万小时遥操作数据，其中人类视频占比的提升可线性抬高真机成功率。其次是X-Adapt跨形态迁移：通过人类穿戴设备、UMI、DexUMI外骨骼采集的示范技能，无需遥操作即可迁移到从未训练过相应任务的机器人本体。第三是“预训练+RL+智能体”分层架构：Turbo版本可运行于宇树G1的机载Jetson Thor平台，延迟为124毫秒，推理智能体承担任务拆解与纠错职能，GR00T 2则负责接触级执行。
迁移效果的数据颇为直观：在50项未见过的任务上，模型零样本平均成功率可达40%；加入1条示范数据后提升至71%；示范数据增至5条时，成功率已高达95%。
国泰海通认为，GR00T 2借助海量人类视频与跨形态迁移达成零样本技能泛化，叠加强化学习与智能体分层控制，Turbo版还具备在边缘设备上实时部署的能力。
从产业角度看，该行指出，GR00T 2把具身智能的数据瓶颈由“真机遥操作成本”转向“跨本体迁移效率”，机器人本体企业因此可以依托人类视频加少量演示快速冷启动新技能，工厂装配、物流分拣、服务操作等场景的落地试点有望加速推进。
国泰海通进一步分析，英伟达此番将模型、数据、仿真、评测与边缘部署整合为全栈标准，“机器人时代算力+基础模型”的底层卡位得到进一步巩固。不过现阶段，模型在零样本稳定性、灵巧手精细力控与长时程泛化上仍存在短板；放在更长的时间维度看，机器人本体企业的核心比拼点将落在谁能率先让WAM+智能体在真实工况中跑通。
投资层面，该行判断，核心生产环节以及布局北美的供应链企业有望从中受益。
需要留意的风险包括：具身智能模型技术发展不及预期，以及下游需求不及预期。
