LG 與 NVIDIA 探索 Physical AI 合作：散熱與機器人技術的世紀布局
LG 正在與 NVIDIA 就 Physical AI、數據中心和移動出行領域展開初步討論。這次會面在首爾舉行，LG 執行長 Ryu Jae-cheol 與 NVIDIA Omniverse 和機器人產品營銷高級總監 Madison Huang 進行了會談，揭示了運行複雜自動化系統所需的核心操作依賴關係。
數據中心散熱：AI 時代的基礎設施挑戰
複雜機器學習模型所需的計算集群密集化帶來了不可避免的物理問題。NVIDIA 的數據中心業務創下營收紀錄，但這些高密度伺服器機架將傳統散熱基礎設施推向了安全運行極限。
在 CES 2026 上，LG 已將其商業部門定位為 AI 數據中心提供高效 HVAC 和熱管理解決方案。隨著功率密度成為關鍵議題，傳統空氣散熱已經不足。當伺服器農場溫度超過安全閾值時，計算節點會降低性能，摧毀高端矽晶片的投資回報。
將 LG 的散熱硬體直接整合到 NVIDIA 的基礎設施生態系統中，可以解決這一邊際損耗。它允許設施運營商在更小的佔地面積中封裝更多處理能力，而不會燒毀底層硬體。
家庭機器人：CLOiD 與邊緣推理
除了伺服器基礎設施外，討論還嘗試解決消費級自動硬體中固有的計算延遲問題。LG 的未來增長高度依賴於家庭體力與認知工作負載的自動化。
LG 最近推出了 CLOiD 家庭機器人，配備具有七個自由度的手臂和每隻手五個獨立驅動的手指。該硬體運行在 LG 的「Affectionate Intelligence」平台上，專為情境感知和持續環境學習而設計。
將計算命令轉化為物理運動需要一個零延遲的推理管道。當關節式機器人伸手拿取杯子時，系統必須處理即時視覺數據，查詢本地向量數據庫以識別物體屬性，並計算所需的确切抓握力。
LG 目前缺乏安全的數字孿生基礎設施、預訓練的操作模型和模擬環境。NVIDIA 透過其 Omniverse 和 Isaac 機器人堆棧提供了這種架構，專為即時物理 AI 推理優化。
工廠到家庭：NVIDIA 的模擬策略
NVIDIA 同時驗證其機器人堆棧，在 2026 年 1 月完成了西門子工廠試驗，該試驗於 4 月在漢諾威工業展上公布。在試驗期間，人形機器人 HMND 01 Alpha 在八小時內執行了即時物流操作。
工廠車間高度結構化和受監管，而消費者的客廳則包含極端可變性、變化的照明和不可預測的人類干擾。接入 LG 的 ThinQ 生態系統及其大眾市場分銷，為 NVIDIA 提供了豐富的培訓環境。
汽車整合：下一個前沿
會談的最終焦點涵蓋汽車整合。 LG 的汽車零部件部門是增長最快的部門之一，生產車載資訊娛樂系統、電動汽車零部件和車內生成式平台，包括凝視追蹤和自適應顯示器。同時，NVIDIA 的 DRIVE 平台在自動和半自動汽車計算領域擁有龐大的部署份額。
這些探索性會談定義了可靠執行 Physical AI 所需的精確硬體和處理要求。
來源：