NVIDIA 宣布，在機器學習領域頂尖國際會議「ICML 2026」上，該公司共有 74 篇論文獲得錄取。在全部錄取論文中，約 2,000 篇引用了 NVIDIA GPU，145 篇以該公司的開放模型系列「Nemotron」作為新研究的基礎，顯示開放模型與開放基礎設施正逐漸成為現代 AI 研究的根基[1]。ICML 2026 於 7 月 6 日至 11 日在韓國首爾舉行[2]。
約 2,000 篇錄取論文引用 NVIDIA GPU
ICML（International Conference on Machine Learning）是全球 AI 研究者發表最新成果的機器學習領域最高水準會議之一。NVIDIA 表示，今年的錄取論文清楚呈現出一個方向：開放前沿模型與開放 AI 基礎設施，已經成為現代 AI 研究運作的前提[1]。
從數字即可看出其影響力。NVIDIA 自身有 74 篇論文獲錄取，而全部錄取論文中約 2,000 篇引用 NVIDIA GPU，145 篇將開放模型系列 Nemotron 列為新研究的基礎。另有數百篇論文運用了面向實體 AI 的「NVIDIA Cosmos」、機器人領域的「NVIDIA Isaac GR00T」、藥物開發與生命科學領域的「BioNeMo」等開放模型系列，研究範圍涵蓋機器人、自動駕駛乃至生物醫學[1]。
機器人「世界模型」與生命科學成為新趨勢
在研究主題方面，影像與影片生成、面向大型語言模型（LLM）與代理訓練的強化學習、AI 推論等既有領域依然是主流，同時也有若干新領域嶄露頭角[1]。
其中特別受到矚目的是機器人「世界模型」。代表性成果「DreamDojo」從人類影片中學習實體世界的運作方式，並以 Cosmos 開放前沿模型為基礎，預測機器人在未曾訓練過的環境中如何操作物體。研究人員可以完全在虛擬空間內完成對虛擬機器人的策略評估、行動規劃甚至遠端操作，因此能在避免實機部署成本與風險的同時加速開發[1]。
生命科學領域同樣蓬勃發展。會中發表了用於衡量 AI 預測蛋白質突變影響準確度的公開基準「FLIP2」，以及用於預測藥物開發關鍵分子特性的 BioNeMo 新開放模型「KERMT」。此外，作為在不完全依賴人工標註資料的情況下擴大訓練規模的方法，合成資料生成（SDG）受到的關注升溫也是今年的特色之一[1]。
從單次模型發布走向「研究堆疊」
NVIDIA 分析指出，Nemotron 已不再只是單次的模型發布，而是被當作「研究堆疊」使用。原因在於它同時提供三層內容：可作為評估對照的開放權重、可用於訓練與調適的開放資料集，以及涵蓋推論、工具使用、安全性、資料整理與高效推論的開放配方[1]。
模型以外的周邊工具也日益完善。除了能以可重現方式進行訓練資料整理的「NeMo Curator」之外，開放前沿全能模型系列「Cosmos 3」可支援開發能在實體世界中感知、推論、規劃與行動的機器人、自動駕駛車與視覺 AI。另有面向自動駕駛開發的「Alpamayo」、機器人領域的 Isaac GR00T、生物醫學領域的 BioNeMo 等開放模型系列，正在推動各產業的研發[1]。
從 Sakana AI 到 NAVER 開放模型應用持續擴大
生態系的動能已延伸到 NVIDIA 研究室之外。Basecamp Research 開發出協助研究人員解讀與設計基因序列的 DNA 基礎模型「EDEN」。製藥大廠 Merck & Co. 則利用 KERMT 預測候選藥物分子在體內的行為[1]。
日本 AI 新創公司 Sakana AI 直接在「Nemotron 3 Ultra」之上建構自家模型「Fugu」與「Fugu-Ultra」，推進 AI 研究自動化的相關工作。程式開發服務 KiloCode 將 Nemotron 整合進其程式碼路由（依任務內容分配模型）架構，回報代幣成本最多降低 90%。韓國 NAVER 以 Nemotron 架構開發出面向韓語 AI 研究的自有模型，Together AI 則在自家平台上提供 Nemotron 模型的託管服務[1]。
在人形機器人領域，Humanoid、LG Electronics、NEURA Robotics 與 Noble Machines 已採用 Isaac GR00T 加速工業應用部署，1X、Agility、Boston Dynamics 等公司則運用 Cosmos 世界模型以及「Isaac Sim」「Isaac Lab」模擬環境，推進次世代機型的開發與驗證[1]。
總結
從 ICML 2026 的錄取論文可以清楚看到，開放模型與開放資料集正成為 AI 研究的共通語言。NVIDIA 不僅是 GPU 硬體供應商，也以 Nemotron、Cosmos 3、BioNeMo 等開放研究堆疊的提供者身分，持續深化在學術圈的影響力，Sakana AI 等企業的應用研究也在這個基礎上展開。作為兼顧研究可重現性與開發速度的方法，開放模型的存在感今後可望進一步提升。
