英伟达在CES 2025推出Cosmos世界基础模型，银河通用、傅利叶、小鹏与Figure、Agility、Uber等15家首批采用

英伟达于2025年1月6日在CES 2025主题演讲中推出Cosmos世界基础模型平台。该平台由生成物理感知视频的世界基础模型、视频分词器和数据整理工具组成，目标是让机器人和自动驾驶汽车先在生成的世界里学习。英伟达以允许商业使用的“英伟达开放模型许可证”发布首批模型，并公布了14家机器人与自动驾驶开发商以及Uber作为首批采用者。同日，公司还发布了面向人形机器人的Isaac GR00T蓝图。

英伟达在Cosmos官方博客中表示，模型使用从2000万小时真实世界人类交互、环境、工业、机器人和驾驶数据中提取的9000万亿个token训练。2025年1月7日发布在arXiv上的预印本（编号2501.03575）称，团队将约2000万小时、分辨率从720p到4K的原始视频整理为约1亿个预训练片段和约1000万个微调片段。英伟达称，其NeMo Curator在Blackwell GPU上处理这2000万小时只需14天，在Hopper GPU上需40天，而纯CPU流程需要三年以上；Cosmos分词器的总压缩率是领先方案的8倍，处理速度快12倍。

模型分为三档。Nano面向边缘端实时低延迟推理，Super定位为高性能基线模型，Ultra追求最高保真度并用于蒸馏定制模型。首批在Hugging Face开放的Cosmos 1.0包括两种架构。扩散模型有70亿和140亿参数两个规模，可由文本或图像、视频生成视频；自回归模型有40亿和120亿参数版本，另有可接受文本条件的50亿和130亿参数Video2World版本。据英伟达模型卡，70亿参数扩散模型以1280x704分辨率输出121帧，即24帧每秒约5秒视频，在单块H100上约需380秒；40亿参数自回归模型由9帧输入生成24帧1024x640视频，约需62秒。

模型通过Hugging Face、英伟达NGC目录和GitHub分发，并可经英伟达API目录调用，NIM微服务随后推出，也可在DGX Cloud上部署。英伟达表示，Cosmos Guardrails会在生成前过滤提示词、生成后审查视频，API目录上生成的视频带有不可见水印，便于识别AI生成内容。

英伟达新闻稿列出的首批采用者为1X、Agile Robots、Agility、Figure AI、Foretellix、傅利叶、银河通用、Hillbot、IntBot、Neura Robotics、Skild AI、Virtual Incision、Waabi和小鹏，以及Uber。英伟达称，Waabi将其用于自动驾驶数据整理与仿真评估，Hillbot用于生成TB级机器人训练三维环境。Agility首席技术官Pras Velagapudi表示，Cosmos可以生成并扩增逼真场景，减少昂贵的真实数据采集。Uber首席执行官Dara Khosrowshahi表示，与英伟达合作有助于加快安全、可规模化自动驾驶的落地进程。

英伟达创始人兼首席执行官黄仁勋称：“机器人的ChatGPT时刻即将到来。”他表示，世界基础模型之于机器人和自动驾驶，如同大语言模型之于聊天机器人，但并非所有开发者都有能力自行训练，“我们打造Cosmos是为了让物理AI普及化”。

同日发布的Isaac GR00T蓝图包含三个工作流。GR00T-Teleop通过Apple Vision Pro在数字孪生中采集人类动作，由仿真机器人复现，生成真值数据；GR00T-Mimic将这些示范扩增为更大的合成动作数据集；基于Omniverse和Cosmos的GR00T-Gen再通过域随机化和三维放大继续扩充数据。训练在开源机器人学习框架Isaac Lab中完成。英伟达称波士顿动力和Figure已开始采用Isaac GR00T，并引用了人形机器人市场未来十年将达到380亿美元的预期。

英伟达随后给出了更多数据。其在2025年修订的开发者博客称，GR00T-Mimic在11小时内生成78万条合成轨迹，相当于6500小时人类示范；合成数据与真实数据结合后，性能比仅用真实数据提高40%。2025年5月18日台北国际电脑展期间，英伟达表示基于Cosmos Predict的GR00T-Dreams蓝图使其研究人员在36小时内完成GR00T N1.5开发，而人工采集数据约需三个月。

对中国产业而言，首批名单中有三家中国公司：银河通用、傅利叶和小鹏。宇树等其他中国头部本体企业未在名单之列。此后中国企业的路径出现分化。MEKAWIRE此前报道，银河通用于2026年3月完成25亿元人民币融资，国家集成电路产业投资基金首次投向具身智能；小鹏IRON人形机器人2026年9月下线首条产线；宇树科技2026年8月登陆科创板。在美国对先进GPU出口管制的背景下，依赖英伟达生成合成数据的中国企业面临算力供给不确定性，这也推动国内厂商寻求自研世界模型和国产算力方案。

首批机器人采用者大多是尚未形成规模收入的风投支持企业。据MEKAWIRE核实数据，CES前Figure最近一轮公开融资为2024年2月的6.75亿美元B轮，Skild AI在2024年7月以15亿美元估值融资3亿美元。

竞争方面，谷歌DeepMind于2024年12月4日发布Genie 2，可生成最长约一分钟保持一致、可由动作控制的三维环境，但未广泛开放；OpenAI于12月9日向ChatGPT付费用户开放Sora Turbo，可生成最长20秒的1080p视频。Cosmos的不同在于权重可下载并允许商用，且直接面向机器人和车辆训练数据。

风险同样明显。英伟达未公布用Cosmos视频训练的机器人在真实场景中优于真实数据训练的结果，生成视频可能看似合理却违背物理规律。英伟达自身文档对训练数据的描述也不一致。GR00T博客称18千万亿个token、含200万小时驾驶、机器人、无人机及合成画面，而Cosmos博客称9000万亿个token、来自2000万小时。此外，生成一段5秒视频需数分钟H100算力，许可证也是英伟达自有协议而非标准开源许可。