Bonsai Robotics 发布 Bonsai World：卫星影像生成 3D 仿真，为恶劣环境的物理 AI 产出训练数据

2026 年 10 月 2 日，总部位于美国圣何塞的推出 Bonsai World——一个位于其 Bonsai Intelligence 环境智能层内的 3D 仿真与世界模型应用。按描述，它以农场、矿区或其他恶劣作业环境的卫星影像为起点，把 2D 地图视图转换成结构化 3D 仿真，自主机器可以在其中重走真实路径、与环境交互，从而在设备到场之前完成自动驾驶能力的训练与评估。

通稿称，这能减少进入新作物、新机型、新作业环境时的实地数据采集与迭代。

从一张卫星图到机器能跑的 3D 场地

通稿给出的流程是：Google 的 Gemini VLM 先解读卫星影像，生成环境的结构化地图；Bonsai 的世界模型再据此生成机器可以进入的 3D 仿真。系统输出写实的地面视角画面，扬尘、碎屑、动物、车辆、变化的地形都可作为条件注入。Bonsai 把这描述为把系统能力「从车队已经经历过的环境，延伸到它从未遇到过的环境」。

所谓世界模型，按里的解释，是让 AI 在内部构建物理环境外观与行为表征的模型。

算力在 Google Cloud，模型底座是 NVIDIA Cosmos

计算侧的分工在通稿里写得很具体：Google A2 VMs 搭载 NVIDIA A100 GPU，负责世界模型训练；Google G4 VMs 搭载 NVIDIA RTX PRO 6000 Blackwell Server Edition GPU，支撑推理和按需生成仿真环境。通稿称这套组合能生成在时间和几何上保持一致的仿真，并写明 Bonsai World 构建在 NVIDIA Cosmos 之上。

NVIDIA Inception 物理 AI（physical AI）全球负责人 Les Karpas 在通稿中说：「恶劣的非结构化环境是物理 AI 的终极考验，机器必须适应因地而异、因株而异、因季而异的地形、天气和作物状况。基于 NVIDIA Cosmos 并使用 NVIDIA 加速计算，Bonsai World 把田野经验变成逼真的仿真，帮助自主机器在部署前为新的作业和环境做好准备。」Google 全球初创与投资生态副总裁 Darren Mowry 表示，Google Cloud 的 AI 技术栈将为 Bonsai 的目标提供支持，「既包括应用 Gemini 视觉模型，也包括训练他们自己的世界模型，以调度能在恶劣环境中作业的联网机器车队」。

用 Cosmos 训世界模型并非从这一次开始。Bonsai 联合创始人兼 CEO Tyler Niday 8 月底接受 AgFunderNews 采访时说过，Cosmos 原本是面向自动驾驶的世界基础模型，他们把自家的农业数据放了上去。

调试从机器到场之后挪到到场之前

Bonsai World 在产品栈里的位置是 Bonsai Intelligence 内的最新能力：这一层为自有 Amiga 平台和改装的 OEM 设备提供自动驾驶能力，Bonsai Pilot 负责机队的规划与调度。Niday 在上述采访中给出的部署规模是：已售出 400 多台设备，其中约 75 台是 OEM 改装机型，其余为 Amiga；自收购 Farm-ng 后公司也开始自建整机，新的混合动力平台 Amiga Max 当年的产能已经售罄。

通稿对运营方的承诺是：机器到场之前就完成部署准备，减少甚至消除 bring-up（设备到场后的初始调试）时间、现场调参和反复测试周期，结果是更快的投产路径——机器到场时，它可能遇到的地形、条件和边缘情况都已在仿真里出现过。

5000 万样本、100 万英亩：公司口径的数据底盘

通稿称 Bonsai 的 Foundation 和 World Models 训练于一个其自称「行业领先」的数据集：超过 5000 万条真实世界样本，来自超过 100 万英亩的采集范围，横跨作物、地形、天气、光照、机型和作业类型。这些是厂商主张，尚无独立验证；其中「约 100 万英亩」与 Niday 在 AgFunderNews 采访中的说法一致，他还提到，基础模型由一条全自动自标注管线在内部构建。

对这套数据，通稿的说法是「数据优势随每台部署的机器、每个完成的作业而复利」，Bonsai World 在这个飞轮上再加一层：按需生成新训练数据，真实部署继续扩充并校准数据集。Niday 在采访里举过一个例子：「如果我们需要模拟一个新环境、一种新作物、下雨，或者一头大象穿过画面，我们都能推进并规模化。」

从没有 GPS 的澳洲果园长出来的路线

按通稿介绍，Bonsai 平台目前部署在美国和澳大利亚的经济作物农业，正在向矿业、国防等更多恶劣行业扩展。Niday 解释过为什么仿真先行的路线对这类场景尤其要紧：「我们起步时挑的就是能找到的最严苛作业条件——GPS 不可靠、连接受限、扬尘里几乎零能见度——因为我们知道，模型如果能应付这些环境，就能泛化到其他很多环境。Bonsai World 让我们把这些经验复利起来，把田野里学到的东西变成还没见过的条件，在下一台机器到达之前把它准备好。」

他在同一场采访里描述过这里的难处：澳大利亚内陆 30 年树龄的果园里没有 GPS 信号，有扬尘和沙丘；传统机器人方案靠激光雷达或双目视觉测距，「有扬尘时你就瞎了」，而 Bonsai 用学习模型从历史数据推断深度，机器可以在扬尘中继续工作。

公告没给出的答案

从公开检索看，这次发布的公开版本目前限于公司官网与 PR 分发渠道的同一份通稿，尚无独立的第三方报道；NVIDIA 与 Google 高管的表态也都出自这份通稿本身。通稿没有说明 Bonsai World 的定价、开放方式或时间表，也没有提供可以核对生成质量的第三方基准。