HuggingFace：NVIDIA开源全能模型Cosmos 3，专攻物理AI推理与行动

NVIDIA 开源 Cosmos 3：首个专注物理 AI 的全能模型

Hugging Face 博客日前发布消息，NVIDIA 正式开源了 Cosmos 3 模型。这是业界第一个面向物理 AI 推理与行动的全能开源模型，专为理解和操作真实世界物理规则而设计。该模型由 NVIDIA 团队推出，目前在 Hugging Face 平台可以获取。

什么是物理 AI？

物理 AI 指的是能让机器理解重力、摩擦力、碰撞等物理规律，并根据这些规律做出行动判断的人工智能。Cosmos 3 将语言理解与物理常识结合在一起，给定一个任务描述（比如“把桌上的杯子拿起来”），模型不仅知道“杯子”是什么，还能推理出伸手的角度、力度和避开障碍物的路径。

模型开源意味着什么

开源使得全球开发者、研究机构可以自由下载 Cosmos 3 的权重和代码，用于机器人控制、自动驾驶仿真、工业装配等场景。开发者无需从头训练，只需在 Cosmos 3 基础上微调，就能快速构建适用于自己硬件的物理决策系统。

核心能力与应用场景

• 物理推理 – 模型能根据环境感知数据（如深度图、点云）预测物体运动轨迹，比如投掷一个球后它会落在哪里。
• 行动生成 – 直接输出机械臂关节角度、无人机飞行指令等低层控制信号，不再依赖传统运动规划库。
• 跨模态理解 – 融合文本、图像、传感器数据，实现“看 + 想 + 动”的闭环。

其中物理推理与行动模型的突出优势在于：它不需要人为编写规则，而是通过大量物理交互数据学习常识。这使得在未知环境中也能做出合理决策。

如何获取与使用

开发者可以直接访问 Hugging Face 上的 NVIDIA 模型库，搜索“Cosmos 3”即可找到对应的仓库。模型权重基于 NVIDIA 许可协议开放，支持 PyTorch 等主流框架。官方还提供了推理示例与微调脚本，降低上手门槛。值得注意的是，该模型对显存有一定要求，推荐使用 A100 或 H100 级别 GPU 运行完整版本，但 NVIDIA 也提供了量化版本以适配更广硬件。

开源背景与意义

此前，物理 AI 模型多由少数企业闭源维护，研发成本高。NVIDIA 此次将 Cosmos 3 完全开源，相当于给整个行业送了一份基础工具。Hugging Face 社区已有不少用户开始基于该模型构建机器人仿真接口。未来，物理 AI 开发者可以像调用语言模型一样调用物理模型，加速从实验室到工厂的落地。