NVIDIA 發布 Cosmos 3 與 Nemotron 3 Ultra 推動開源實體 AI 生態

世界模型可協助機器理解環境、預測後續狀態並採取行動，是機器人、自駕與智慧基礎設施發展實體 AI 的核心技術。NVIDIA 的 Cosmos 3 系列整合文字、影像、影片、環境聲音與動作；Edge 版本主打低延遲在地運算，降低裝置仰賴雲端或資料中心的限制。

NVIDIA 於 2026 年 7 月 20 日發布 Cosmos 3 Edge，模型規模為 40 億參數，內含可獨立運行的 20 億參數推理模組。在 Jetson Thor 上，模型能以 640×360 解析度、每次推理產生 32 個動作，支援 15 Hz 即時控制，並可部署於 Jetson、RTX PRO、GeForce RTX 與 DGX 系統；模型已在 Hugging Face 開放，推理及後訓練工具則發布於 GitHub。

目前 AI agent 通常分別呼叫視覺、語音與語言模型，資料轉接不僅增加延遲，也可能遺失脈絡。NVIDIA 將影音、影像、文字與文件理解整合至單一開放模型，鎖定電腦操作、客服及監控等應用，攸關企業部署成本與 AI 軟體生態競爭。

2026 年 4 月 28 日，NVIDIA 發布 Nemotron 3 Nano Omni；模型採 30B-A3B 混合專家架構，總參數 300 億、推論時約啟用 30 億，支援 256K 脈絡。官方稱吞吐量最高可達同類開放模型 9 倍；鴻海科技集團、Palantir 等 7 家業者已採用。