NVIDIA 擴張 Cosmos 平台：五套資料藍圖＋模擬檢查點，物理 AI 開發流程一次補齊

NVIDIA 10 月 22 日宣布擴張 Cosmos 平台：Data Factory 新增五套雲端資料藍圖、Curator 支援多模態多感測輸入、釋出四個 Cosmos 3 Nano 模擬檢查點，保時捷、ANYbotics 已導入實戰。

NVIDIA 在 10 月 22 日的官方部落格宣布，大幅擴張旗下物理 AI 平台 Cosmos，一次補齊「資料準備、模型訓練、模擬測試、部署上線」整條工具鏈。目標很明確：讓開發世界模型（world models）——也就是幫機器人、自駕車理解並模擬真實世界的模型——不再是只有大廠玩得起的遊戲。

資料工廠：五套雲端藍圖開箱即用

擴張的核心是 Cosmos Data Factory，新增五套雲端原生藍圖，分別對應自駕車資料集生成、影像屬性增強、事件影片生成、瑕疵影像生成與影片資料增強，透過 GitHub、微軟 Azure、Nebius 與 CoreWeave 提供。GPU 加速的影片資料整理工具 Cosmos Curator，也升級支援多模態、多感測器輸入與新的處理模組——高品質訓練資料正是世界模型開發中最磨人的環節。

實戰案例已經出現：保時捷透過 Voxel51 在 Azure 上使用這套工具，為福斯集團旗下品牌打造共享的自駕車資料飛輪，官方稱預期可減少實體路測高達九成、開發週期縮短八成五；ANYbotics 用藍圖生成超過 1,500 支合成影片，訓練工業巡檢機器人辨識液體外洩等異常；Ultralytics 則把合成瑕疵圖混入真實照片重訓 YOLO 模型，提升了瑕疵定位與召回率。

框架升級：微調、強化學習到蒸餾一次到位

Cosmos Framework 同步擴充：開發者可以從相容的預訓練模型出發，用 LoRA、SFT 或新的強化學習演算法做後訓練，再以蒸餾與量化壓縮效率；支援的模型包括 GR00T、Alpamayo、QWEN、Pi0.5 以及相容的 Hugging Face 模型，推理端則支援 HD Diffusers、vLLM／vLLM-Omni 與 SGLang。NVIDIA 還釋出四個 Cosmos 3 Nano（160 億參數）模擬專用檢查點，附上配方與技能，讓開發者在實機測試前，先在可重複、難捕捉的多視角多感測模擬場景裡驗證自駕或雙臂機器人的策略。一個有趣的數字：MicroAGI 團隊把 Cosmos 3 的 320 億參數推理器蒸餾成 80 億參數的 Nano 版本，物件操作任務的準確度沒有掉。

部署加速：NIM 推理快一倍、工廠警報壓到秒級

部署端也有料：更新後的 Cosmos 3 NIM 微服務在驗證過的配置下，推理速度最高快上兩倍且品質不減，連續影片分析可做到秒級以下的異常警報。針對視覺 AI 開發者的 Metropolis 影片搜尋與摘要（VSS）3.3 藍圖，一句提示就能長出完整的影片 AI 應用，同樣的 GPU 能多監控四成影片串流。阿布達比國家石油公司（ADNOC）已透過 Fogsphere 的 MistIQ 平台，在 65 個場站即時偵測安全隱患，罕見事件則靠 Data Factory 生成合成資料補強偵測能力，不必真的去現場擺拍危險場景。

資料來源

• NVIDIA 官方部落格，2026-10-22
• TrendHub AI，2026-10-21