英伟达开源40亿参数世界模型Cosmos 3 Edge，在Jetson Thor上直接规划机器人动作

英伟达把世界基础模型从数据中心推到了机器人本体上。公司于2026年7月20日在SIGGRAPH大会上发布40亿参数的开放模型Cosmos 3 Edge，称其无需数据中心GPU，即可在Jetson Thor计算机上实时理解场景并输出机器人动作。

Cosmos 3 Edge是Cosmos 3三款模型中最小的一款。英伟达5月31日在GTC台北发布该家族，640亿参数的Super和160亿参数的Nano当即开放，Edge则标注为即将推出。三款模型都采用英伟达所称的“混合Transformer”架构，可理解和生成文本、图像、视频、环境声音和动作。Edge把负责推理的自回归塔与负责预测的扩散塔结合，语言、视频、音频和动作token共享注意力层；其推理部分是一个基于Nemotron的20亿参数模型。

权重已上传Hugging Face，推理和后训练代码在GitHub公开。英伟达称Edge可运行于Jetson模组（包括新的Jetson T2000和T3000），以及RTX PRO、DGX和GeForce RTX GPU。以BF16精度计，模型在Jetson Thor上约占9GB。英伟达技术博客显示，在Jetson AGX Thor T5000上，模型约1.53秒生成一组32个未来动作，每组对应约2.13秒、15Hz的机器人运动。机器人执行动作组前段后即重新规划，新计划在旧计划用完前就已就绪。

视觉分析方面，英伟达称Edge在RTX系统上分析1080p视频最快只需22毫秒，在L40 GPU上约30毫秒，并在同参数级别的视觉分析基准VANTAGE-Bench上排名第一。公司同时发布了Cosmos 3的步数蒸馏版本，把去噪采样从50步减至4步，称推理速度提升25倍且质量损失很小。

机器人控制成绩相对一般，英伟达也如实公布。Edge使用名为Cosmos3-DROID的数据集后训练，包含7.6万条成功的遥操作轨迹、86项任务、564个场景，约350小时，采集平台为Franka Panda机械臂和Robotiq夹爪。在RoboLab闭环评测的120项语言条件操作任务中，Edge成功率为22.9%。基准后训练使用64个节点、每节点4颗GB200，迭代6万次，耗时约68小时。

英伟达列出正在评估Cosmos 3 Edge的机器人企业为Agile Robots、Doosan Robotics、西门子和Skild AI，智慧基础设施视觉智能体领域为Centific、Vaidio和YUAN。5月发布时，英伟达公布的Cosmos 3机器人领域采用方为Agile Robots、Doosan Robotics、LG电子、三星电子和Skild AI，自动驾驶领域为理想汽车。Skild AI与Agile Robots、Black Forest Labs、Generalist、LTX、Runway同为英伟达Cosmos联盟创始成员。

对中国产业链而言，关键一环是本体。英伟达6月1日发布的Isaac GR00T参考人形机器人以宇树科技H2 Plus为底盘，搭载Sharpa Wave触觉灵巧手和Jetson AGX Thor T5000，预计2026年底由宇树供货；宇树科技于8月18日在上交所科创板发布上市相关公告。也就是说，英伟达开放机器人平台的标准本体来自中国厂商。不过，Cosmos 3的机器人采用方名单中没有中国大陆本体企业，自动驾驶领域则有理想汽车。

目标硬件是战略的一部分。Jetson AGX Thor T5000在40至130瓦功耗区间内提供2070 FP4 TFLOPS算力和128GB统一内存。9GB的世界模型装上后，仍有余量运行感知、安全和独立的动作策略。

开放与封闭的路线分歧更加明显。十天后发布的谷歌DeepMind Gemini Robotics 2，其端侧动作模型仅向受信测试者开放；Skild AI通过早期访问申请提供S1。英伟达则免费开放Cosmos 3 Edge和带商用许可的30亿参数GR00T N1.7权重，靠训练和运行所需的Jetson、RTX和数据中心硬件获利。

通俗地说，世界模型预测场景接下来会变成什么样。Cosmos 3 Edge把这种能力用在两个方向：生成或分析视频，以及预测让场景朝目标变化所需的电机指令。两者都在本体上运行，可省去云端调用的网络时延，摄像头画面也不出现场，这对工厂和公共场所的数据合规都很重要。

局限在英伟达自己的数据里。用256颗GB200训练68小时后闭环成功率仅22.9%，说明Edge是研究和原型开发底座，而非可部署的操作策略。1.53秒的推理时间适合慢速桌面任务，但不足以应对快速动态动作。在已审阅的发布材料中，英伟达未说明Cosmos 3 Edge的商用许可条款，也未公布量产部署案例。