内容来源：https://www.forbes.com/sites/davealtavilla/2025/01/13/cosmos-marks-another-masterful-stroke-for-nvidia-in-ai-robotics/作者：Dave Altavilla，Senior Contributor，a Tech Analyst covering chips, compute and AI.Nvidia CEO Jensen Huang On Stage At Company Keynote, CES 2025 In Las Vegas在可能是CES历史上观众最多的主题演讲中，英伟达CEO黄仁勋在座无虚席的Michelob Ultra竞技场发布了令人目不暇接的新技术，从面向消费者的新款GeForce RTX 50系列游戏显卡，到基于公司最新Blackwell GPU技术的安全自动驾驶平台Thor等等。然而，在我看来，一项名为Cosmos的新型生成式AI技术虽然因其复杂性可能被一些人忽略，却是另一个重要亮点。我甚至敢说，如果Cosmos按照公司的设想发展，它可能成为推动英伟达机器人和自动驾驶业务腾飞的发射台。理解英伟达Cosmos物理AI平台
Nvidia's Depiction Of What The Machine See In A Cosmos Model-Generated Training Simulation
英伟达将Cosmos称为"加速物理AI开发的平台"。简单来说，物理AI可以理解为任何机器人背后的"大脑"，无论是设计用于最优化适应我们生活世界的人形机器人、工厂自动化机器人，还是为在道路上运载人员或货物而优化的自动驾驶汽车。然而，训练机器人AI需要大量的人力和资源投入，通常需要捕捉、标注和分类数百万小时的真实环境中的人类互动，或者在全球真实道路上行驶数百万英里。
英伟达Cosmos旨在通过一系列称为"世界基础模型"(World Foundational Models, WFMs)的技术来部分解决这个资源问题。这些AI神经网络可以为虚拟环境的未来状态生成具有准确物理特性的视频——可以将其想象为一个多元宇宙。这听起来很深奥，但实际上相当直观。WFMs类似于大语言模型，但不同的是，WFMs利用文本、图像、视频内容和运动数据来生成具有准确空间感知、物理特性和物理交互，甚至物体持续性的模拟虚拟世界和虚拟世界互动。例如，如果工厂中的一个螺栓从桌子上滚落，即使当前摄像机视角看不到，AI模型也知道它仍然存在，可能就在地板上。
还跟的上吗？很好，因为接下来更有趣。这种用于训练物理AI（或机器人）的新型合成数据生成方式需要基于真实数据才能准确。换句话说，输入错误的数据意味着模型会产生幻觉或者在生成机器人AI训练数据时不可靠。这就是英伟达几年前发布的Omniverse平台发挥作用的地方。
Cosmos与英伟达Omniverse数字孪生技术的结合Nvidia's Huang Details Application Of Cosmos AI World Foundational Training Models For Robotics
英伟达的Omniverse数字孪生操作系统允许来自任何行业的公司和开发者模拟产品、工厂、机器人、车辆等，这个环境设计用于连接行业标准工具，从计算机辅助设计到动画等。事实上，英伟达在CES 2025上还发布了新的Omniverse"蓝图"，以帮助开发者模拟工厂和仓库的机器人车队（称为Mega），以及自动驾驶模拟、面向Apple Vision Pro头显的大规模工业数字孪生空间流媒体，以及实时计算机辅助工程和物理可视化。公司还为OpenUSD（通用场景描述）提供免费教程，这是支撑Omniverse并允许集成行业标准工具和内容的语言。英伟达宣布多个主要企业正在采用其Omniverse平台，从用于半导体EDA设计工具的Cadence，到用于计算流体动力学的Altair和Ansys等。
回到Cosmos，我们现在可以看到英伟达在机器人物理AI领域的完整解决方案。Cosmos模型从真实世界的数字化版本获取输入，然后从中生成AI训练内容。根据黄仁勋在主题演讲中的介绍，虽然Cosmos模型是通过训练2000万小时的视频数据开发的，但希望在自己的数字孪生和数据上训练物理或机器人AI的开发者可以在Omniverse中进行模拟，然后让Cosmos展现这些机器人AI可以训练的无数合成现实。
此时，我知道你在想什么。在模拟数据和模拟世界中训练机器人，会出什么问题？毫无疑问，这项技术仍处于起步阶段，但俗话说，万事开头难。机器学习的美妙之处在于，尽管它容易产生幻觉并需要有防护措施（英伟达在这方面有完善的工具和政策），但你可以不断训练直到确信达到正确结果。而且机器不需要睡觉或喝咖啡休息，更不用说它比手动在人工生成和分类的内容上训练AI要高效得多。Nvidia CEO Jensen Huang On Stage At CES 2025, Describing The Company's 3 Computer Solution For Robotics
话说回来，多年前，当英伟达首次发布其CUDA编程语言时，它开启了GPU加速器上机器学习的新时代。公司采取了"Johnny Appleseed"式的策略，向各行各业的开发者开放其工具，最终使其成为数据中心AI工作负载加速的事实标准。现在通过Cosmos，英伟达再次将这些生成式AI世界基础模型免费提供给开发者，基于其开放模型许可证，可以在Hugging Face或公司自己的NGC目录库中获取。这些模型很快也将以优化的英伟达推理微服务（NIMs）形式提供，所有这些都将在其DGX数据中心AI平台上加速，并在AI边缘设备、机器人和自动驾驶汽车中使用其AGX Drive Orin和Thor汽车计算平台。或者，用黄仁勋和公司的话说，这就是英伟达的"机器人三计算机解决方案"。Nvidia CEO Jensen Huang Hold Company's New AGX Drive Thor Autonomous Vehicle Platform Based On Its Blackwell GPU Tech
Nvidia英伟达指出，物理AI领域的几个重量级玩家已经采用了Cosmos，从人形机器人公司如1X和小鹏，到通用机器人公司Hillbot和SkildAI，再到使用Cosmos结合其海量驾驶数据集来帮助构建自动驾驶行业AI模型的网约车巨头优步。将这称为英伟达的另一个"CUDA时刻"可能有点牵强，但这家全球AI领导者刚刚为物理AI开发者免费提供了一些极其强大的新工具。我个人认为这是黄仁勋和他的AI奇才团队的又一个高明之举。我们将拭目以待Cosmos能把这个机器人AI的多元宇宙兔子洞带向何方，这个过程必将令人着迷。
～完～
英伟达的"机器人三计算机解决方案"指的是一个完整的计算架构，包含三个层级：3.虚拟仿真级：Omniverse with Cosmos这三个层级形成了一个完整的计算生态系统：从模型训练（数据中心），到实际部署（边缘设备），再到虚拟仿真（Omniverse），共同支撑机器人AI的开发和运行。
