NVIDIA Cosmos 平台在 2026 年 10 月 22 日的 GTC Berlin 期间迎来一次成体系的扩展，NVIDIA 官方博客同日发文，把世界模型的工具链从数据、训练一直补到部署：新增 Cosmos Data Factory 蓝图，扩展 Cosmos Framework 的训练配方，并推出面向仿真的 Cosmos 3 Nano 新变体和更快的 NIM 微服务。世界模型要解决的问题，是让机器人和自动驾驶系统先在仿真里理解物理世界、反复试错，再进入真实环境。
最先补的，是数据这块短板
Data Factory 负责训练数据的标注、筛选、增强和评估，这次提供五个云原生蓝图，覆盖自动驾驶数据集生成、图像属性增强、罕见事件视频生成、缺陷图像生成和视频数据增强，可通过 GitHub 以及 Azure、Nebius、CoreWeave 使用；其中负责视频数据集处理的 Cosmos Curator 新增了对多模态、多传感器输入的支持。已落地的用户给出了量级感：保时捷正用这套工具在微软 Azure 上为大众集团旗下品牌共建自动驾驶数据飞轮，NVIDIA 称目标是把重复实车路测减少最多 90%、开发周期缩短最多 85%；ANYbotics 则生成了 1500 多段合成视频，用来训练工业巡检机器人识别液体泄漏等异常。
训练配方开放给更多模型，部署提速最高一倍
在 GTC Berlin，NVIDIA 把 Cosmos Framework 的训练、优化与部署配方以智能体技能的形式扩展到更多开放模型，开发者可以对 GR00T、Alpamayo、Qwen、Pi0.5 等兼容模型做微调、强化学习、蒸馏和量化。研究实验室 MicroAGI 给了一个样例：把 320 亿参数的 Cosmos 3 蒸馏成 80 亿参数的 Nano 版本，精度没有损失。部署端，更新后的 Cosmos 3 NIM 微服务在验证配置下推理速度最高提升到原来的 2 倍，新的 Nano 仿真变体则让开发者先在可重复的多视角场景里测试自动驾驶与双臂机器人的策略。对做物理 AI 的团队，这次更新的价值不在某个单点跑分，而在于把过去要各拼一套的数据、训练、评估和部署环节，收进同一个开放平台。
