NVIDIA Cosmos

核心定位：全球首个完全开放的全模态世界基础模型 / Cosmos 3（2026.06）Mixture-of-Experts 架构 / 统一语言+图像+视频+音频+动作五模态 / World Action Models (WAMs) 机器人策略学习 / 14+ 家机器人公司采用 / HuggingFace+GitHub 全面开源 / 斯坦福 Chelsea Finn 背书 / Jim Fan 团队主导

NVIDIA Cosmos 是全球首个完全开放的全模态世界基础模型（World Foundation Model）平台，由 NVIDIA GEAR 实验室（Jim Fan/Yuke Zhu）主导研发。2025 年 1 月 CES 首次发布，2026 年 6 月升级至 Cosmos 3 版本，采用创新的 Mixture-of-Experts（MoE）架构，在单一架构内统一处理语言、图像、视频、音频和动作序列（Omnimodal）。Cosmos 支持 World Action Models (WAMs)，可作为机器人策略学习的骨干网络，通过后训练适配特定相机和形态。已被 1X Technologies、Figure AI、Agility Robotics、Fourier Intelligence、Neura Robotics、Skild AI、小鹏汽车等 14+ 家机器人公司采用。模型权重、分词器、数据管线在 HuggingFace 和 GitHub 全面开源。斯坦福具身智能专家 Chelsea Finn 在合作论文中引用 Cosmos WoW 技术报告，HuggingFace 官方留言催更开源。

• 全球首个完全开放的全模态 WFM（World Foundation Model）
• Cosmos 3 MoE 架构（2026.06 发布）
• 统一语言+图像+视频+音频+动作序列
• World Action Models (WAMs) 用于机器人策略学习
• 14+ 家机器人公司采用（1X/Figure/Agility/Fourier/Neura/Skild/小鹏等）
• HuggingFace + GitHub 全面开源
• 斯坦福 Chelsea Finn 背书
• NVIDIA GEAR 实验室（Jim Fan）主导