NVIDIA 在 CES 发布 Cosmos 世界基础模型平台

背景

机器人和自动驾驶汽车需要大量关于现实世界外观和运动规律的数据。在现实中采集这些数据既慢又贵，因此开发者一直在寻找生成数据的办法。NVIDIA 把 Cosmos 定位为这一工作的平台，面向它所称的物理 AI。^[1] 合成数据由计算机生成，而非从现实中记录，可以覆盖那些罕见或危险、难以采集的情形，例如少见的路况或机器人很少遇到的故障。

发生了什么

2025 年 1 月 6 日，NVIDIA 在 CES 展会上发布了 Cosmos，这是一组面向物理 AI 的世界基础模型。模型生成具备物理规律的视频，NVIDIA 称这些视频可用于训练机器人和自动驾驶汽车。^[1] NVIDIA 以其开放模型许可发布这些模型，他人可以下载使用。^[1]

关键细节

发布时，机器人和汽车领域的公司被点名为早期采用者，名单包括 1X、Agility、Figure AI、Uber、Waabi 和 XPENG。^[1]

发布内容不只有模型。平台还包括分词器（tokenizer，把视频压缩成模型便于处理的紧凑形式）、护栏（guardrails，即安全检查机制），以及用于准备训练材料的加速视频数据流水线。^[1]

同年晚些时候，NVIDIA 在 GTC 2025 大会上把 Cosmos 与其人形机器人模型 Isaac GR00T N1 一同展示。GTC 是 NVIDIA 的主要开发者大会。^[2]

影响

这次发布以开放模型的形式，把 NVIDIA 的物理 AI 工具交给了机器人和车辆开发者，而不是只提供封闭服务。被点名的早期采用者显示了最先被期望使用它的公司。数据流水线与开放模型的组合，意在让开发者更容易生成系统所需的合成训练数据。^[1] 此后在 GTC 2025 上与人形机器人模型一同展示，也把这一平台与 NVIDIA 的其他机器人工作联系在一起。^[2]