NVIDIA 釋出 Cosmos 世界模型：把千里路測放大成數十億虛擬里程

NVIDIA Cosmos 是一個面向自動駕駛和機器人開發的開源世界基礎模型平臺。它把生成式模型、分詞器與影片處理管線打包在一起，核心目的就是把車隊採集到的數千英里真實路測，在虛擬空間裡擴充成數十億英里駕駛里程。

在自動駕駛研發流程中，它補上了資料飛輪的關鍵短板。結合 Omniverse 模擬平臺，Cosmos 可以針對極端罕見路況做高擬真場景生成與閉環評估，省去海量實車路測和資料清洗成本。目前 Waabi、Wayve 已經在用它檢索極端駕駛場景，Uber 也帶著路測資料集接入合作。

架構與硬體門檻

Cosmos 3 採用了統一的 Mixture-of-Transformers 架構，把能力拆成了兩個核心塔。推理塔接收文本和影像，負責物理常識理解和任務規劃；生成塔則同時吃進文本、視覺、音訊和動作指令，輸出連續的多視角影片與動作策略。

模型家族按硬體規格分成了三檔大小，適用不同場景。

最大的是 64B 的 Cosmos3-Super，需要 H200、B200 這類資料中心算力，主要用來生成超高畫質的合成數據，或給小模型做知識蒸餾。

中間檔是 16B 的 Cosmos3-Nano，能在 RTX Pro 6000 或單張 H100 上跑起來，兼顧了生成質量與推理速度，是大多數開發者用來做二次訓練的基礎模型。

最小的是 4B 的 Cosmos3-Edge，專門針對邊緣裝置打造，可以直接部署在 Jetson AGX Orin 或 Thor 車載晶片上，負責即時的動作策略和視覺推理。

怎麼跑起來

Cosmos 的模型權重已通過開放模型許可證在 Hugging Face 和 NVIDIA NGC 上提供，配套程式碼也已開源在 GitHub 上，後續還會上線 NVIDIA NIM 微服務。

本地動手的門檻主要在視訊記憶體和許可權。在用 diffusers 指令碼呼叫之前，需要先在 Hugging Face 申請並通過 Cosmos-1.0-Guardrail 安全護欄的授權，登入帶許可權的 Read Token。

官方倉庫提供了詳細的 Cosmos Cookbook，包含端到端訓練框架、資料篩選工具以及相容 OpenAI 格式的 vLLM 部署方案。即使是跑預設的 Nano 版本，第一次也會下載 16B 的權重，擴散步數的算力開銷較大，需要準備充足的視訊記憶體和生成時間。

為什麼重要

對於自動駕駛演算法團隊和機器人開發者來說，Cosmos 是目前少有覆蓋全尺寸、且同時打通推理與生成的開源物理 AI 底座。它把過去只有頭部大廠才能負擔的資料合成與模擬管線開放了出來，省去了從頭搭建世界模型的鉅額成本。

但對獨立開發者來說，它的硬體門檻依然不低。哪怕是中間檔的 Nano 版本，也需要專業工作站級顯示卡才能跑動，加上必須通過安全護欄申請才能拉取權重，它本質上是一套面向產業工程落地的嚴肅生產力工具，適合團隊深入評估。