NVIDIA startet Cosmos 3 für Physik-KI

NVIDIA hat Cosmos 3 eingeführt, ein offenes Physik-KI-Basismodell auf Basis einer Mixture-of-Transformers-Architektur. Die Modellfamilie zielt auf Robotik, autonome Fahrzeuge und visuelle Agenten ab, mit den Varianten Super, Nano und der kommenden Edge-Version. Das Signal ist NVIDIAs Ausweitung seines Einflusses von der KI-Berechnung auf den Modell- und Software-Stack für Physik-KI.

• Die Versionen Super, Nano und Edge zielen auf Präzision, Geschwindigkeit und Edge-Inferenz ab.

• Cosmos 3 dominiert die Benchmarks offener Modelle; die Koalitionsmitglieder decken Robotik, Videogenerierung und autonome Fahrzeuge ab.

Der Fakt

NVIDIA hat Cosmos 3 eingeführt, ein offenes Physik-KI-Basismodell, das auf einer Mixture-of-Transformers-Architektur aufbaut. Es unterstützt nativ das Verständnis und die Generierung von Text, Bildern, Video, Umgebungsgeräuschen und Aktionen. Trainiert auf Milliarden multimodaler Physik-KI-Beispiele, kann Cosmos 3 Trainings- und Evaluationszyklen von Monaten auf Tage reduzieren. Cosmos 3 belegt den ersten Platz unter den offenen Modellen in mehreren Physik-KI-Benchmarks für Weltgenerierung, Aktionspolitik und visuelles Verständnis.

Die Produktfamilie umfasst die Versionen Super, Nano und die kommende Edge-Version, während die Cosmos Coalition Agile Robots, Runway und Skild AI umfasst.

Die Analyse

Cosmos 3 erweitert NVIDIA über die Hardware hinaus in die Software-Schicht der Physik-KI-Entwicklung. Durch die Kombination von synthetischer Datengenerierung, Weltmodellierung und Aktionspolitik-Training in einer Familie offener Modelle senkt NVIDIA die Einstiegskosten für Robotik, autonome Fahrzeuge und visuelle Agenten. Das strategische Signal ist nicht nur die Modellleistung, sondern der Versuch von NVIDIA, seinen Stack zum Standardweg von der Simulation bis zur Bereitstellung in der realen Welt zu machen – ein Szenario, das an die Dominanz von CUDA im GPU-Computing erinnert.

Für BTW-Leser werden die Echtzeit-Inferenzanforderungen der Edge-Variante die Fähigkeit von NVIDIAs Embedded-Silicon (Jetson) fordern, mit den latenzempfindlichen Robotik-Workloads Schritt zu halten.

Was zu beobachten ist

Beobachten Sie die Latenz und den Stromverbrauch von Cosmos Edge in realen Einsätzen, die von der Koalition entwickelten Anwendungen und ob die Modellfamilie die Nachfrage nach Jetson und DGX ankurbelt.