英伟达 GEAR 实验室（Generalist Embodied Agent Research）做了一件第一次在物理世界里实现 AutoResearch（自动科研）的事。Jim Fan 在推文里宣布了这套叫 ENPIRE 的系统。
然后呢？"人类退到一边，我们的监视开始了。"机器人舰队开始自己活过来：学会找视觉线索、重置场景、练习新技能、调控制栈、上网读论文、互相辩论、反思、卡住、然后在真实的硬件上再试一次。
Jim Fan 的原话很点睛："我们所做的全部，就是给 Codex 一个通往原子世界的 API，剩下的是涌现。"——把"物理世界"当成 agent 可以读写的一大套 API，剩下的能力自己长出来。
ENPIRE 已经能在真实硬件上自动完成的高精度任务：
这次实验还发现了一种新的规律——物理 scaling：8 个机器人并行探索，提升速度显著快于数量更少的机器人。这和大模型训练里"并行度越高学得越快"的观察遥相呼应，只是发生在物理世界。
最硬核的是它已经在真实运行："GEAR 实验室的一部分现在整夜不睡地自我改进，我们第二天早上只要读报告。"Jim Fan 还不忘皮一下："目标：我们全都去度假，Jensen（黄仁勋）都发现不了。"
开源计划：Jim Fan 说会全部开源——"这样你也可以在自己家里托管一个自我运转的机器人实验室。"深挖细节在他的置顶长推里。
这是今天两条高流量历史贴里最有"落地信号"的一条。它把"AI agent"从屏幕里的对话推到了物理世界自主科研：agent 不只是写代码、答问题，而是控制真实机械臂去扎扎带、装 GPU，还能自己读论文、反思、重试。
对关注 AI 基建的方向，"给 agent 一个通往物理世界的 API，剩下全是涌现"是最值得记住的判断。而"机器人并行越多、学得越快"这条物理 scaling 定律，可能会成为下一阶段具身智能的核心研究线索。
看点：ENPIRE 全量开源后，等于给任何团队一台"能整夜替你跑机器人实验"的自动化科研平台——门槛比想象的低。