NVIDIA 正式发布 Cosmos 3：专为物理 AI 设计的开放世界基础模型

2026年6月1日，NVIDIA正式发布Cosmos 3——一个专为物理AI（Physical AI）设计的开放世界基础模型。与传统多模态模型主要停留在视觉内容理解不同，Cosmos 3把视觉推理、世界生成和动作预测放到同一条工程链路里：模型不仅要看懂画面，还要判断物体之间的物理关系，预测动作之后的未来状态，并在机器人、自动驾驶和工业智能这类真实交互场景中承担世界模型的角色。

物理AI的核心挑战：从识别到闭环控制

传统AI与物理AI的本质差异

传统人工智能系统处理的是单向数据流：输入数据经模型处理后输出结果。例如，图像分类模型接收图片并输出物体类别与位置。这种范式虽成效显著，但对于需要与物理世界交互的系统而言存在根本性局限。

物理AI系统必须处理双向交互循环：系统不仅要理解当前环境状态，还要预测自身动作对环境的影响，并根据环境反馈动态调整后续行为。

技术突破

Cosmos 3 的核心突破在于将传统的 Next Token Prediction（预测下一个词）范式迁移至 Next State Prediction（预测世界的下一个状态），使 AI 系统能够理解重力、碰撞、流体动力学等物理规律。

该模型的发布标志着「物理 AI」从学术概念正式走向工程落地，为具身智能和仿真训练提供了关键基础设施。

原文链接

• NVIDIA Cosmos 3：从感知到行动的物理AI世界模型 — CSDN