NVIDIA 擴充了 Cosmos 世界模型相關工具，新增資料生成藍圖、更廣泛的模型訓練支援及模擬變體，用於測試自主系統。2026 年 10 月 22 日的公告連結了資料集準備、模型調整與部署，與據報的客戶應用涵蓋車輛開發、工業檢驗及安全監控。
重點摘要
- Cosmos Data Factory 現提供五份藍圖，用於準備與生成實體 AI 訓練資料。
- Cosmos Framework 將訓練與優化工具擴展至更開放的模型，同時新的模擬變體支援策略測試。
- NVIDIA 報告在驗證配置下推論速度更快;保時捷預期的開發節省仍屬預期，而非完成的成果。
目錄
宇宙世界模型獲得更廣泛的開發工具包
此擴充針對開發者，目標是打造需要理解並模擬真實世界環境的實體 AI 系統。NVIDIA 不再只是引入另一個模型，而是擴展了用於組裝訓練資料、調整模型、評估行為及執行支援模型的相關工具。
在 GTC 柏林，公司將 Cosmos Framework 的訓練、優化與部署工具及代理技能配方擴展到更開放的模型，並搭配 Cosmos 3。支援的選項包括 GR00T、Alpamayo、QWEN、Pi0.5 及其他相容的 Hugging Face 模型。
開發者與代理可利用微調與強化學習來調整模型，然後在部署前進行提煉與量化。NVIDIA 描述了機器人研究實驗室 MicroAGI 的一項應用，該實驗室以操作物件的影片後訓練 Cosmos 3，並將 320 億參數推理器提煉成 80 億參數的 Nano 模型，據稱準確度未曾下降。
五個藍圖針對訓練資料的缺口提出補足
Cosmos Data Factory 現已透過 GitHub、Microsoft Azure、Nebius 與 CoreWeave 提供五份雲端原生藍圖。這些藍圖涵蓋自駕車資料集、影像屬性增強、罕見或不安全事件的合成影片、缺陷影像供檢查，以及在保留場景結構的同時調整現有影像的天氣與光照。
平台的 GPU 加速影片資料集策展工具 Cosmos Curator 也新增了多模態、多感官輸入與處理區塊的支援。
保時捷正透過 Microsoft Azure 上的 Voxel51 使用 Cosmos Data Factory，主導大眾集團旗下共享自駕車數據飛輪的開發。NVIDIA 表示，這項工作預計將使重複實體試駕次數減少高達 90%，並縮短開發週期高達 85%;這些數字是預期帶來的效益。
其他例子則是已完成的工作。ANYbotics 利用 Encord 平台蒐集真實世界資料並驗證輸出，產生超過 1,500 段合成影片片段，訓練檢查機器人辨識洩漏及其他設施變更。Ultralytics 根據 NVIDIA 表示，重新訓練其 YOLO 模型，使用真實影像與針對合成缺陷，提升缺陷定位與召回率。
模擬變體支援部署前的測試
新的 Cosmos 3 Nano 模擬變體讓開發者能在難以捕捉的可重複情境中測試自主政策，並使用多視角與感測器。隨附程式碼支援將模型調整，以在互動模擬中訓練與評估自動駕駛車輛與雙手機器人的政策，然後再進行實務測試。
NVIDIA 表示，在部署時，更新的 Cosmos 3 NIM 微服務在經過驗證的配置中，能提供最多兩倍的推論速度且不會有品質損失。公司也報告，持續的影片分析能實現亞秒級警示。
視訊應用程式可延長部署更新
NVIDIA Metropolis Blueprint 3.3 版用於影片搜尋與摘要，是建立在 Cosmos NIM 微服務上。NVIDIA 表示，它能將提示音變成影片 AI 應用程式，並讓團隊能用相同 GPU 監控更多 40% 的影片串流。
ADNOC 使用 Fogsphere 的 MistIQ agentic 平台，該平台由 Cosmos 與 Metropolis 藍圖打造，能即時偵測 65 個站點的安全隱患。Fogsphere 也使用 Cosmos Data Factory 生成罕見事件的訓練範例，提升偵測能力，無需實體設置危險情境。
結論
Cosmos 更新擴大了 NVIDIA 在部署前開發與測試實體 AI 的工具範圍。其客戶範例結合了已完成的資料生成工作與主動安全應用，並預期能節省車輛開發成本，而性能宣稱則保留特定配置的限制。
閱讀更多新聞
免責聲明
本文 FinanceVelix 提供一般資訊，非個人化的財務、投資、法律或稅務建議。市場價格、利率及經濟狀況可能變動;投資存在虧損風險。事實反映公開時可取得的資料，且可能有所變動。請自行核對重要資訊，必要時諮詢合格專業人士。提及資產、公司或服務不構成背書。
