英伟达发布4B参数开源世界模型Cosmos 3 Edge

英伟达于2026年7月20日发布Cosmos 3 Edge，这是一个40亿参数的开源世界模型，旨在为边缘设备上的机器人和视觉AI代理提供数据中心级别的性能。模型采用双Transformer架构：自回归塔处理视觉和文本token用于理解与推理，扩散塔处理视觉、音频和动作token用于预测与生成。两者共享表示，使模型能同时理解当前世界状态、模拟未来并生成动作。

关键性能数据：在机器人控制分辨率（640×360）下，Cosmos 3 Edge在NVIDIA Jetson Thor上实现实时推理，每次推理生成32个动作，控制频率达15Hz。在同类4B参数模型中，它在VANTAGE-Bench上排名第一，并在机器人策略学习上达到最先进水平。模型支持多种英伟达边缘计算平台，包括RTX PRO GPU、DGX、GeForce RTX GPU以及新发布的Jetson T2000和T3000模块。

背景：世界模型是物理AI的核心，它学习环境随时间的变化，表示物体、运动、空间关系和动作效果。Cosmos 3 Edge将世界模型能力压缩到边缘设备，使机器人无需依赖云端即可实时推理和行动。这标志着边缘AI从简单感知向复杂推理和控制的跨越。

对行业的影响：开源发布降低了机器人开发的门槛，尤其适用于工厂、仓库、医院等场景。开发者可直接在边缘硬件上部署，减少延迟和带宽需求。