NVIDIA 釋出物理 AI 模型 Cosmos Reason：懂常識，給機器人當大腦

造機器人最讓人頭疼的，從來不是機械臂擰螺絲的力道，而是怎麼讓它明白「杯子倒了水會灑」這種常識。

過去幾年，視覺語言模型讓機器人看清了周圍的物體，但只要遇到沒見過的障礙或多步驟任務，它們立馬抓瞎。實體機器人跑真實測試成本太高，稍微摔一下就是幾萬美元的維修賬單。

NVIDIA 在 SIGGRAPH 大會上拿出了一整套新工具，試圖徹底打破這個僵局：包括新的 Omniverse 庫、Cosmos 物理世界模型，以及支撐這些計算的 RTX PRO Blackwell 伺服器。

機器人的「腦子」，終於跟上眼睛了

這次最惹眼的，是一個叫 Cosmos Reason 的開源推理模型。

它只有 70 億（7B）引數，卻在 Hugging Face 的物理推理榜單上拿下了第一名。按 NVIDIA 的說法，它不是普通用來聊天的多模態模型，而是專門給機器人充當「思考大腦」的視覺語言動作（VLA）核心。

以往的視覺模型只認得「這是桌子」「那是杯子」，Cosmos Reason 則具備空間與物理常識。面對複雜的指令，它能自己把大目標拆解成多個小步驟，在陌生的環境裡靠常識做出推斷。

除了給機器人當大腦，它還能自動給海量影片資料做標註和質檢。Uber 已經在用它給自動駕駛訓練資料打標，汽車零部件巨頭 Magna 則把它裝進了即時配送平臺的軌跡規劃系統裡。

配套登場的還有世界生成模型。下載量超過 200 萬次的 Cosmos 系列迎來了 Cosmos Transfer-2，可以根據深度圖、高精地圖直接生成逼真的物理場景。另外，團隊還推出了蒸餾版，直接把原本 70 步的蒸餾過程縮減到了 1 步，大幅壓低了推理門檻。

把真實世界搬進虛擬環境

要讓 AI 腦子好使，光給模型還不夠，你得有地方讓它練級。

這次更新的 Omniverse NuRec 庫，引入了帶光線追蹤的 3D 高斯潑濺（3DGS）渲染技術。工程師只要把感測器拍到的真實環境資料倒進去，就能直接重建出高精度的 3D 虛擬世界。

這套渲染庫已經被塞進了自動駕駛開源模擬器 CARLA，福特和保時捷常用的資料引擎 FiftyOne 也宣佈支援。同時，NVIDIA 開源了 Isaac Sim 5.0 和 Isaac Lab 2.2，還打通了 MuJoCo 和 OpenUSD 的格式壁壘，讓 25 萬機器人學習開發者不用再來回倒騰資料。

再加上 Boston Dynamics、Figure AI、Hexagon 以及亞馬遜硬體製造部門的背書，整條機器人研發鏈條都在往這套模擬系統裡搬。

為什麼重要

對機器人開發者來說，這套組合拳幾乎把門檻砸穿了。以前訓具身智慧，要麼花大價錢買幾十臺機器人在倉庫裡日夜碰撞，要麼被粗糙模擬帶來的「現實落差」折磨得死去活來。現在用 7B 大小的開源模型配上高精度模擬，小團隊在電腦裡就能跑出接近真實物理規律的策略。

從行業競爭來看，NVIDIA 正在把大模型時代的壟斷打法複製到機器人領域。它不僅賣晶片，還把物理引擎、合成數據生成、推理模型和雲端平臺全部做成標準件。對手哪怕能做出算力相當的晶片，也很難撼動這套包含 25 萬開發者和眾多整機巨頭的軟硬體生態。

在我們看來，這一步棋走得極準。生成式 AI 在聊天框裡的競爭已經卷到極致，黃仁勳很清楚，下一個吞噬海量算力的黑洞是物理世界。把 Cosmos Reason 開源降低門檻，再用 RTX PRO 伺服器和 DGX Cloud 收算力稅，商業閉環跑得非常順暢。

不過，虛擬模擬再逼真，終究無法百分之百還原現實世界裡微小的摩擦力偏差與意外晃動。這套方案能否真的終結昂貴的「摔機測試」，還要看第一批用上它的具身機器人走出實驗室後的實際表現。