信达证券报告指出，英伟达在CES 2025上正式发布Cosmos世界基础模型，这是一套用于物理感知视频生成的开放式扩散和自回归Transformer模型。Cosmos基于2000万小时的真实世界人类互动、环境、工业、机器人和驾驶数据，训练了9000万亿个token。配合NVIDIA Omniverse，Cosmos可生成高质量合成视频数据用于启动机器人和自动驾驶汽车感知模型训练。首批试用者包括Uber、小鹏、比亚迪等。

Cosmos世界基础模型是一套用于物理感知视频生成的开放式扩散和自回归Transformer模型。它使用包括文本、图像、视频和运动在内的输入数据来生成和仿真虚拟世界，准确模拟场景中物体的空间关系及其物理交互。

Cosmos模型分为三个类别以满足不同场景需求。Nano是针对实时、低延迟推理和边缘部署进行优化的模型，适用于计算资源受限的场景。Super是高性能基线模型，适用于开箱即用的微调和部署。Ultra具有最高质量和保真度，适合用于蒸馏自定义模型，能够生成最逼真的物理感知视频。Cosmos模型参数范围约40亿至140亿。

开发者既可以用Cosmos模型生成物理合成数据，也可以用英伟达NeMo框架配合私有视频数据进行微调。英伟达允许无论公司规模如何，研究人员和开发者都可以根据开放模型许可协议自由使用Cosmos模型，且许可协议允许商业用途。

Cosmos的训练数据规模令人瞩目。模型基于2000万小时的真实世界人类互动、环境、工业、机器人和驾驶数据训练而成。这一数据规模意味着模型接触了海量的真实世界场景，包括不同天气条件、不同路况、不同人机交互情境。

9000万亿个token的训练量使得Cosmos能够学习到丰富的物理规律和空间关系。如同大语言模型一样，世界基础模型属于基础类模型，通过大规模预训练获得对世界的普遍理解能力，再针对特定应用进行微调。Cosmos模型可以生成照片般逼真的视频，用于训练机器人和自动驾驶汽车，而且成本比使用传统数据低得多。

在英伟达展示的案例中，Cosmos已经被应用于模拟真实环境，如工厂车间或驾驶场景。或者与Sora类似，使用多模态内容（如文本、图像、视频以及机器人传感器数据）的输入生成基于物理定律的视频，主要用于机器人、自动驾驶汽车等领域的模型训练和开发。

Cosmos模型也为Omniverse（英伟达工业数字化和物理AI仿真平台）赋能。开发者可在Omniverse中构建3D场景，渲染输出后用于Cosmos模型生成合成虚拟环境，最终用于物理人工智能训练。Cosmos模型加持下的Omniverse平台可在数字孪生环境中大规模开发、测试和优化物理AI和机器人队列，然后再部署到现实设施中。

目前已公布的第一批试用者包括机器人公司1X、Agility Robotics，以及自动驾驶领域的Uber、小鹏、比亚迪等。人形机器人硬件已有一定技术成熟度，但具身智能水平仍需持续迭代，Cosmos的推出有望缓解智能驾驶与机器人训练数据不足的问题。

Cosmos世界模型的开源有望加速智能驾驶、机器人相关产业技术落地。世界模型可以帮助端侧理解并预测世界，从而产生正确的决策。从云来看，由于多模态数据的训练与推理，算力需求总体仍然呈现迅速增长的趋势；而从端来看，人形机器人、自动驾驶等重要赛道有望迅速前进，以突破目前的智能化瓶颈。

在机器人模型层面，当前人形机器人缺乏足够的运动对齐多模态数据来完成模型训练。Cosmos通过生成高质量合成数据，为机器人训练提供了可扩展的数据来源。Cosmos模型加持下的Omniverse平台开源在数字孪生环境中大规模开发、测试和优化物理AI和机器人队列，然后再部署到现实设施中。

英伟达Cosmos世界模型关键参数

参数项	数值/说明
训练数据时长	2000万小时真实世界数据
训练Token数	9000万亿
模型类型	Nano（边缘）/Super（基线）/Ultra（最高质量）
参数范围	约40亿-140亿
首批试用者	Uber、小鹏、比亚迪、1X、Agility Robotics
许可协议	开放模型许可，允许商业用途