首個完全開源的多模態物理人工智慧模型「Cosmos3」正式亮相;NVIDIA 共同創立 Cosmos 聯盟
物理人工智慧領域已取得重大進展。6月1日,NVIDIA 正式推出 Cosmos3,這是一款專為物理人工智慧設計的開放世界基礎大型模型。 作為全球首個完全開源且具備多模態能力的物理人工智慧大型模型,它採用創新的混合式 Transformer 架構,將視覺推理、世界生成與動作預測整合為單一系統。此舉有望將物理人工智慧的訓練與評估週期從數月大幅縮短至僅需數日。
Cosmos3 為業界長期面臨的挑戰——「在數據有限且模擬框架零散的情況下,難以在真實世界情境中進行泛化」——提供了嶄新的解決方案。 該模型基於包含數十億筆文字、圖像、影片、音訊及運動軌跡的龐大物理AI數據集進行訓練,能自然理解並生成跨模態內容,在物理模擬領域達到業界領先的準確度。

在技術層面上,Cosmos3 創新地將推理 Transformer 與生成式 Transformer 結合。該模型首先深入分析物體交互規則、運動狀態及時空關係,隨後精準生成影片並預測動作軌跡。 此設計賦予其強大的圖像與文字多模態理解能力、物理環境的模擬與預測能力,以及協助機器人完成特定任務的動作策略能力。在包括 Artificial Analysis、Physics-IQ 和 RoboLab 在內的數個主流物理 AI 基準測試中,Cosmos3 均名列前茅的開源模型之列。
為滿足不同開發階段的需求,NVIDIA 已發布多個版本:Cosmos3Super 專注於以極高精度對機器人與自動駕駛模型進行二次訓練;Cosmos3Nano 則能在數秒內完成高品質的影片解析與動作推理。兩者現已正式推出。 專為邊緣裝置即時推論設計的 Cosmos3Edge 版本,亦已列入發布規劃。
伴隨大型模型的發布,NVIDIA 攜手全球頂尖模型研究團隊及 AI 開發者共同創立了「NVIDIA Cosmos 聯盟」,成員包括 Agile Robots、Black Forest Labs、Generalist、LTX、Runway 及 Skild AI。 NVIDIA 創辦人暨執行長黃仁勳表示,隨著多模態推理與世界模型的持續突破,實體人工智慧的變革時代已然來臨。這些尖端開源模型的發布,將協助全球開發者實現技術飛躍,並打造出能夠在現實世界中感知、推理與行動的下一代智慧系統。
相關文章
瑞典人工智慧初創公司Lovable Eyes在完成主要融資輪後估值達132億美元
隨著人工智慧驅動的編碼工具日益普及,瑞典初創公司 Lovable 已獲一輪重大融資。該公司計劃籌集 30 億美元,其估值有望升至 132 億美元——這是去年 12 月記錄的 66 億美元的兩倍。預計 Menlo Ventures 將主導此次投資。Lovable 的吸引力源於其核心的“氛圍編碼”(vibe coding)技術,該技術透過消除對複雜編碼技能的需求來簡化軟體開發。使用者只需以自然語言描述其需求,系統即可自動生成應用程式。這種直觀的方法吸引了個人開發者、設計師和小企業,並擴充套件至 Work
Google 測試 Remy AI 代理,以 Gemini 為重點轉向使用者控制
根據《商業內幕》的報道,谷歌正在測試 Remy,這是 Gemini 的一款全新 AI 個人代理工具。該工具旨在代表使用者執行任務,從而簡化專業工作流程和日常事務。目前,Remy 正在 Gemini 應用的內部員工專屬版本中進行測試。該報告引用了一份內部檔案以及對兩位熟悉該專案的個人的採訪。內部資料將 Remy 描述為“全天候個人代理”,將 Gemini 定位為能夠代表使用者行事的主動助手。接近該專案的訊息人士證實,谷歌員工正在積極測試 Remy。谷歌發言人拒絕提供進一步評論。該報告未提及公開發布
如何修復核心網頁指標以獲得更好的 SEO 排名
利用 AI 工具簡化成績單評語撰寫引言用於生成成績單評語的 AI 工具Magic SchoolAlmanac AIChat GPT使用 Magic School 生成成績單評語登入 Magic School選擇成績單評語工具為學生定製評語使用 Almanac AI 生成成績單評語設定課程與評分方案配置評語長度與學生資訊使用 Almanac AI 生成評語比較 Magic School 與 Almanac AI設定的便捷性可定製性與課程內容的整合速度與效率使用
相關專題推薦
評論 (0)
0/500
物理人工智慧領域已取得重大進展。6月1日,NVIDIA 正式推出 Cosmos3,這是一款專為物理人工智慧設計的開放世界基礎大型模型。 作為全球首個完全開源且具備多模態能力的物理人工智慧大型模型,它採用創新的混合式 Transformer 架構,將視覺推理、世界生成與動作預測整合為單一系統。此舉有望將物理人工智慧的訓練與評估週期從數月大幅縮短至僅需數日。
Cosmos3 為業界長期面臨的挑戰——「在數據有限且模擬框架零散的情況下,難以在真實世界情境中進行泛化」——提供了嶄新的解決方案。 該模型基於包含數十億筆文字、圖像、影片、音訊及運動軌跡的龐大物理AI數據集進行訓練,能自然理解並生成跨模態內容,在物理模擬領域達到業界領先的準確度。

在技術層面上,Cosmos3 創新地將推理 Transformer 與生成式 Transformer 結合。該模型首先深入分析物體交互規則、運動狀態及時空關係,隨後精準生成影片並預測動作軌跡。 此設計賦予其強大的圖像與文字多模態理解能力、物理環境的模擬與預測能力,以及協助機器人完成特定任務的動作策略能力。在包括 Artificial Analysis、Physics-IQ 和 RoboLab 在內的數個主流物理 AI 基準測試中,Cosmos3 均名列前茅的開源模型之列。
為滿足不同開發階段的需求,NVIDIA 已發布多個版本:Cosmos3Super 專注於以極高精度對機器人與自動駕駛模型進行二次訓練;Cosmos3Nano 則能在數秒內完成高品質的影片解析與動作推理。兩者現已正式推出。 專為邊緣裝置即時推論設計的 Cosmos3Edge 版本,亦已列入發布規劃。
伴隨大型模型的發布,NVIDIA 攜手全球頂尖模型研究團隊及 AI 開發者共同創立了「NVIDIA Cosmos 聯盟」,成員包括 Agile Robots、Black Forest Labs、Generalist、LTX、Runway 及 Skild AI。 NVIDIA 創辦人暨執行長黃仁勳表示,隨著多模態推理與世界模型的持續突破,實體人工智慧的變革時代已然來臨。這些尖端開源模型的發布,將協助全球開發者實現技術飛躍,並打造出能夠在現實世界中感知、推理與行動的下一代智慧系統。
瑞典人工智慧初創公司Lovable Eyes在完成主要融資輪後估值達132億美元
隨著人工智慧驅動的編碼工具日益普及,瑞典初創公司 Lovable 已獲一輪重大融資。該公司計劃籌集 30 億美元,其估值有望升至 132 億美元——這是去年 12 月記錄的 66 億美元的兩倍。預計 Menlo Ventures 將主導此次投資。Lovable 的吸引力源於其核心的“氛圍編碼”(vibe coding)技術,該技術透過消除對複雜編碼技能的需求來簡化軟體開發。使用者只需以自然語言描述其需求,系統即可自動生成應用程式。這種直觀的方法吸引了個人開發者、設計師和小企業,並擴充套件至 Work
如何修復核心網頁指標以獲得更好的 SEO 排名
利用 AI 工具簡化成績單評語撰寫引言用於生成成績單評語的 AI 工具Magic SchoolAlmanac AIChat GPT使用 Magic School 生成成績單評語登入 Magic School選擇成績單評語工具為學生定製評語使用 Almanac AI 生成成績單評語設定課程與評分方案配置評語長度與學生資訊使用 Almanac AI 生成評語比較 Magic School 與 Almanac AI設定的便捷性可定製性與課程內容的整合速度與效率使用





首頁






