Cosmos

英伟达的开放世界基础模型平台，用视频生成模型给机器人和自动驾驶造数据、做预演。

Cosmos 是英伟达 2025 年 1 月 6 日在 CES 发布的世界基础模型平台。世界基础模型（WFM）指先在海量视频上预训练、学会「世界接下来会怎么变化」的通用模型，再针对具体机器人或自动驾驶场景后训练。平台包括视频筛选流水线（从约 2000 万小时原始视频中切出约 1 亿个片段）、视频分词器 Cosmos Tokenizer、扩散式和自回归式两类预训练模型及后训练示例，以开放权重发布。之后分出几条产品线：Cosmos Predict 预测未来画面，Cosmos Transfer 按分割图、深度图等结构化输入生成逼真视频，Cosmos Reason 用多模态大模型做物理常识和具身推理。2026 年 6 月的 Cosmos 3 把语言、图像、视频、音频和动作放进同一个混合 Transformer 模型，分 Edge、Nano（16B）、Super（64B）等规格，按 Linux 基金会 OpenMDW-1.1 许可开放。

例子Cosmos Transfer 的一个用途是仿真到现实：把仿真器渲染出的分割图、深度图、边缘图当条件，生成看起来像真实拍摄的视频，用来扩充机器人和自动驾驶的训练数据。

也叫

Cosmos 世界基础模型、Cosmos WFM、NVIDIA Cosmos

相关

世界基础模型、Cosmos Predict、Cosmos Transfer、Cosmos Reason、Cosmos 3、英伟达

来源

Cosmos World Foundation Model Platform for Physical AI (arXiv 2501.03575)
NVIDIA Launches Cosmos World Foundation Model Platform to Accelerate Physical AI Development (NVIDIA Newsroom, 2025-01-06)
Cosmos 3: Omnimodal World Models for Physical AI (arXiv 2606.02800)

信息截至

2026-06