GTC 2026’da Nvidia, fiziksel yapay zeka modellerinin eğitimini hızlandırmayı amaçlayan açık bir referans mimarisi olan Physical AI Data Factory Blueprint kavramını duyurdu. Bu sistem, veri üretimi, çoğaltma ve doğrulama süreçlerini otomatikleştirerek model eğitimlerini daha verimli ve maliyet etkin kılıyor. Zor veriye erişimi kolaylaştıran bir veri üretim fabrikası yaklaşımıyla geliştiriciler, mevcut sınırlı verileri Nvidia Cosmos temel modelleri ve kodlama ajanlarıyla büyük ve çeşitli veri kümelerine dönüştürebiliyorlar. Özellikle gerçek dünyada toplaması güç olan nadir veya uzun kuyruk senaryolarında dahi verilerin yaratılması artık daha ulaşılabilir hale geliyor.
İş birliği yapılan kaynaklar arasında Microsoft Azure ve Nebius yer alıyor; bu sayede bulut hizmetleriyle entegre edilen bir ekosistem, hesaplama gücünü ve eğitim verilerini hızlı bir şekilde büyütüyor. FieldAI, Hexagon Robotics, Linker Vision, Milestone Systems, RoboForce, Skild AI, Teradyne Robotics ve Uber gibi öncü şirketler bu mimariyi robotik ve otonom sistem projelerinde uyguluyorlar. Nvidia’nın açıklamasına göre, veri fabrikası üç ana adımda işliyor: Önce Cosmos Curator ile veri seçilip düzenleniyor, ardından Cosmos Transfer ile çoğaltılıp çeşitlendiriliyor ve son olarak Cosmos Evaluator ile doğruluk ve eğitim uygunluğu değerlendiriliyor.
Bu mimari, uzun kuyruk veriler gerektiren otonom sürüş modellerinin Alpamayo gibi projelerde kullanılmasıyla örnekleniyor. Aynı çerçeve, Skild AI’nin genel amaçlı robot modelleri ve Uber’in otonom araç çalışmalarında da uygulanıyor. Ayrıca, OSMO adlı açık kaynaklı orkestrasyon çerçevesi, farklı hesaplama ortamlarındaki iş akışlarını yöneterek manuel işlemleri azaltıyor. Kodlama adamları olarak Claude Code, OpenAI Codex ve Cursor entegrasyonlarıyla süreçler daha da hız kazanıyor. Physical AI Data Factory için çalışmalar Nisan ayında GitHub üzerinden erişime açılacak.
