国际机器学习大会（ICML）每年都会展示全球数千名人工智能研究者的最新成果。
今年的参会论文清晰地表明了一个趋势：开放的 frontier 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）在本届 ICML 上共有 74 篇论文被接受。约有 2,000 篇论文引用了英伟达的 GPU，其中 145 篇论文将英伟达的 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的 Cosmos、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等多个领域。
定义今年研究方向的主题
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，在今年的论文中依然是重要的研究方向，显示出这些领域持续的投入。同时，也有几个新的领域崭露头角。
机器人世界模型引起了广泛关注，例如 DreamDojo 这样的论文，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作方式，并基于英伟达的 Cosmos 开放 frontier 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进行操作。这使得研究人员无需承担物理部署的成本和风险，即可评估策略、规划动作并远程控制虚拟机器人，从而加速开发进程。
生命科学领域的人工智能研究，得益于英伟达的 BioNeMo 开放模型和研究贡献，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 等论文为评估 AI 预测蛋白质突变效应的能力提供了公开基准。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，多项研究利用 Nemotron 和物理 AI 的开放数据集，反映了研究人员在不完全依赖人工标注数据的情况下进行大规模训练的思路转变。
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 不仅仅被视为一个单一的模型发布，更像是一个研究栈：提供开放的权重供评估，开放的数据集供训练和适配，以及开放的推理、工具使用、安全、数据整理和高效推理的“食谱”。
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一个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生成高质量的训练数据集。
Cosmos 3 系列开放的 frontier omnimodels，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，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，以及用于生物医学领域的英伟达 BioNeMo，都在加速各行业的研发进程。
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 来预测潜在药物分子在体内的行为，包括其有效性、安全性以及可开发性。
Sakana AI 在本届 ICML 上展示了其直接基于 Nemotron 3 Ultra 构建的 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 在实际生产中的经济效益具有重要意义。
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 Electronics、NEURA Robotics 和 Noble Machines 公司正在采用英伟达 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、Boston Dynamics、Hexagon Robotics 和 Mentee 公司则利用 Cosmos 世界模型、Isaac Sim 和 Isaac Lab 来构建下一代人形机器人，加速其研发和验证。
访问 Hugging Face 探索英伟达的开放模型。
7 月 10 日星期五，参加 ICML 的 GenBio Workshop 探索基因组学和生物学研究。