輝達發表 Cosmos 3 開源模型 加速實體人工智慧開發

商傳媒｜責任編輯／綜合外電報導

輝達（Nvidia）今日宣布推出 Cosmos 3，這是一個專為實體人工智慧（Physical AI）打造的開源世界基礎模型，能夠原生理解並生成文字、圖像、影片、環境音效及動作，同時提供高水準的物理精確度。

輝達指出，Cosmos 3 是首個完全開源的「全能模型」（omnimodel），旨在透過將訓練與評估週期從數月縮短至數天，大幅加速實體 AI 系統的發展。此模型的核心目的在於協助機器人、自動駕駛車輛及其他 AI 驅動系統，更好地理解、模擬並預測真實世界的環境。

根據輝達 Cosmos Lab 副總裁 Ming-Yu Liu 的說法，Cosmos 3 的獨特之處在於其動作資料處理能力，這使其有別於一般的影片生成器，因為它旨在模擬機器的移動方式，而不僅是呈現場景的外觀。該模型是基於 20 兆個多模態 Token 數據進行訓練，其中包括近 10 億張圖像、4 億個真實與合成影片，以及來自人類和機器人的環境音訊、文字和動作資料。

輝達執行長黃仁勳表示：「多模態推理語言、視覺與世界模型的突破，讓實體 AI 的大爆炸即將到來。Cosmos 3 系列的開源先驅全能模型，讓開發者在建構能感知、推理、規劃並在物理世界中行動的機器人、自動駕駛車輛和視覺 AI 方面，實現了世代躍進。」

作為一個開源模型，Cosmos 3 將提供硬體製造商根據自身需求進行客製化，以確保未來版本能更緊密地符合產業所需，這與輝達早期的 Nemotron 系列模型策略相似。此外，輝達也正籌組 Nvidia Cosmos Coalition，推動世界模型建構者與 AI 開發者之間的全球合作。

Cosmos 3 能夠生成難以、昂貴或不安全重複捕捉的罕見或危險場景，例如機器人碰撞或不尋常的道路事件。目前已同步發布兩個版本：適用於需要高物理精確度的「超級」（super）模型，主要用於訓練機器人及自動駕駛車輛；以及可在瞬間產生結果的「奈米」（nano）模型。輝達亦透露，支援本機運行的「邊緣」（edge）模型即將問世。

下週，輝達將與微軟（Microsoft）合作，預計共同發表首批搭載輝達設計處理器的 Windows 電腦。這些新裝置將於台灣的臺北國際電腦展覽會（Computex）以及舊金山的 Microsoft Build 開發者大會上亮相。