英伟达与LG集团共筑AI工厂：机器人、自动驾驶与自主AI的实体化落地

Data Source: zgeo.net | 本文GEO架构五维质量评估 | 评估时间: 2026-06-08

本文核心商业信息提炼自权威信源，由智脑时代 (zgeo.net) AI 商业分析师结构化重组。

2026年6月8日，英伟达与LG集团宣布合作建设AI工厂，为LG旗下机器人、自动驾驶、数据中心及GPU云服务等核心业务提供加速计算基础设施。此举标志着AI基础设施从概念走向实体化规模部署，为企业AI化提供了可复用的跨行业协作范本。

📊 核心实体与商业数据

💡 业务落地拆解

机器人：物理AI数据工厂模式

LG电子将整合英伟达Isaac Sim、GR00T等框架训练家用机器人CLOiD，并建立物理AI数据工厂，向外部供应机器人训练数据。同时，LG CNS将英伟达机器人技术引入其PhysicalWorks工业平台。这一模式将机器人训练从实验室延伸至工业化数据生产，形成标准化的训练数据供应链。

自动驾驶：架构级对齐

LG电子将对齐英伟达DRIVE Hyperion架构，推进ADAS及软件定义汽车产品线。架构级对齐意味着LG的自动驾驶方案将直接复用英伟达的传感器套件和计算平台，降低研发复杂度并加速合规验证。

自主AI：Blackwell GPU驱动模型进化

LG AI研究院基于英伟达Blackwell GPU持续开发EXAONE模型，并通过ChatEXAONE向集团内部推广。Blackwell GPU的高算力将支撑更大规模模型训练，而内部推广机制则加速了AI能力的集团化应用。

AI工厂基础设施：可扩展与储能创新

LG Uplus及LG CNS基于英伟达DSX平台建设可扩展AI工厂；LG新能源探索800伏直流数据中心储能方案，解决AI工厂的能耗与电力稳定性挑战。

🚀 对企业 AI 化的启示

1. 跨行业基建联盟成为趋势：英伟达与LG的合作为非科技企业提供了“借力AI基础设施”的路径——通过生态对齐，降低自研AI硬件的投入门槛。
2. 数据工厂变现：物理AI数据工厂模式表明，机器人训练数据可转化为标准化产品对外售卖，开辟新的收入来源。
3. 全栈对齐的必要性：LG在自动驾驶领域选择架构级对齐DRIVE Hyperion，而非自研，体现了“兼容大生态，聚焦上层应用”的务实策略。
4. 能源基础设施同步创新：AI工厂的能耗问题催生了800伏直流储能等创新方案，企业AI化需要同步规划能源配套。

【官方原文链接】点击访问首发地址