物理AI的落地，正在获得一套全新的基础底座。英伟达近日发布并开源Cosmos 3世界模型家族，这是面向机器人、自动驾驶与视觉AI的开放式基础模型，底层采用Mixture-of-Transformers架构，把视觉推理、世界生成与动作预测整合进同一个模型体系。Cosmos 3包含三个档位：Super版64B参数用于高保真世界建模，Nano版16B参数面向高效推理与后训练，Edge版仅4B参数，专为端侧部署设计，可在英伟达RTX GPU、DGX系统以及包括Jetson Thor在内的Jetson平台上运行，为机器人提供实时视觉分析与自主决策能力。
Cosmos 3的设计思路，是终结物理AI领域"一个任务一个模型"的碎片化局面。过去，机器人开发者往往需要为场景理解、数据生成、行为预测分别训练不同的模型，维护成本高、协同效率低；Cosmos 3则把这些能力统一进一个模型家族，开发者可以将其用作视觉语言模型，用于理解真实场景；也可以作为世界模拟器，预测未来世界状态并生成大规模合成数据；还可以作为世界动作模型的主干网络，为机器人规划下一步行动。
这种一体化设计对物理AI开发者意义重大。以机器人为例，一台机器人既需要识别眼前物体，又需要预测物体运动轨迹，还需要规划自己的行动路径，过去这些能力分散在多个模型中，部署与调试极为繁琐；Cosmos 3让开发者在同一套框架内完成全部任务，显著降低了开发复杂度。英伟达官方数据显示，Cosmos 3在开放权重文生图与图生视频基准上排名第一，在世界生成基准PAI-Bench与Physics-IQ图生视频类别中同样登顶，机器人策略基准RoboLab上也位列第一。
Cosmos 3家族中最受关注的，是专为端侧设计的Edge版。仅有4B参数的它足够轻量，可以在边缘GPU上运行，支持在NVIDIA RTX GPU、DGX系统以及包括Jetson Thor在内的Jetson平台部署。对于机器人应用而言，这意味着世界模型可以脱离云端，直接在机器人本体上运行：设备端的视觉分析不再依赖网络传输，延迟大幅降低，数据也不必上传云端，隐私与安全性显著提升。
借助开源的Cosmos框架，开发者可以在一天内针对机器人不同形态与传感器对Cosmos 3 Edge进行后训练，缩小仿真到现实的差距，随后部署到Jetson Thor上用于实时视觉分析和机器人自主决策。这种"快速后训练加端侧部署"的组合，正在大幅降低机器人从实验室走向量产的门槛。从T3000、T2000硬件模组到Jetson Agent Skills，再到Cosmos 3 Edge轻量级世界模型，英伟达正构建一套覆盖硬件、软件与模型的完整边缘AI生态。
在授权策略上，英伟达延续了近年来的开源倾向。Cosmos世界基础模型以Linux基金会OpenMDW 1.1许可发布，开发者可以获得模型权重，并在自己的数据与硬件上进行后训练。英伟达强调，开放性是物理AI的实际技术需求而非单纯的许可偏好：通用模型没有见过开发者的特定机器人、车辆、传感器与运行环境，只有允许适配与后训练，模型才能真正在生产场景中发挥作用。
生态方面，英伟达正在用Cosmos串联起更宏大的物理AI版图。机器人领域，斗山机器人、LG电子、三星电子、Skild AI等厂商已在使用Cosmos；自动驾驶方面，理想汽车、小米等中国企业也已接入；视觉AI领域，多家行业方案商基于Cosmos 3构建工业AI与智慧空间应用。配合Omniverse仿真工具与OpenUSD数据框架，以及覆盖模型、研究、评测的Cosmos联盟，英伟达正试图让世界模型成为机器人、车辆与视觉系统共同依赖的基础层。
Cosmos 3的发布，让世界模型赛道的竞争进入新阶段。世界模型的价值在于解决物理AI最核心的瓶颈：真实世界数据的采集成本高、罕见场景难以安全复现。通过生成符合物理规律的合成数据，世界模型可以让机器人在虚拟环境中完成大量训练与测试，再迁移到现实世界，从而显著降低研发成本与安全风险。这种"先仿真、后落地"的范式，正是物理AI规模化发展的关键前提。
从产业趋势看，世界模型正在成为继大语言模型之后的又一处兵家必争之地。英伟达以开源策略抢占开发者生态，腾讯、谷歌等厂商也在世界模型方向密集布局，中国团队同样在空间智能领域快速追赶。可以预见，随着世界模型能力的持续提升与部署成本的不断下降，机器人、自动驾驶、工业自动化等物理AI应用将迎来一轮加速落地，而Cosmos 3的开放，无疑为这场变革提供了更低的起点和更广的参与面。随着开源生态的持续壮大，更多中小团队也将能够借助Cosmos等世界模型切入物理AI赛道，推动整个产业的创新活力进一步释放。