原创 世超 2025-01-30 00:00 山东
前阵子，老黄在 CES 上又狠狠秀了波肌肉。
不过呢大多数人，基本都被全新的 RTX 50 系显卡给吸住了，世超这两天研究了下发现，那些被咱 “ 冷落 ” 的新技术里，一个两个其实也都憋着大招。
就拿 Cosmos 世界基础模型平台来说，这可是个让 AI 能够理解物理世界的好东西。
根据官方的说法， Cosmos 平台是一个专门为物理人工智能开发者设计的平台。
这又是物理人工智能，又是开发者，打眼一看，好像跟咱也没啥太大关系。
但大伙儿先别着急，这次 Cosmos 一发布，技术报告一甩，有些报道的标题已经用上了 “ 开启物理 AI 大时代 ” 这样的字眼，连老黄都说 “ 机器人的 ChatGPT 时刻即将到来 ” 。
而世超也去翻了翻 Cosmos 的技术报告，这么说吧， Cosmos 就好比物理 AI （ 机器人、无人车等 ）的 “ 黄埔军校 ” ，咱们以后能不能指望机器人养老，它说不定能帮上大忙。
咱们可以简单把 Cosmos 平台，当成一个工具箱，里边儿大概集成了世界基础模型 ( WFM ) 、高级分词器器、安全护栏以及加速数据处理管道这么几个 “ 工具 ” 。
后面那几个专业名词没听说过不要紧，但模型总该知道是啥吧。
这次，英伟达一口气在 Cosmos 上发布了 8 个世界基础模型，而且都是基于 2000 万小时的视频训练出来的，参数量从 40 亿到 140 亿不等，根据不同场景的应用需求，还可以分为 Nano 、 Super 和 Ultra 三种。
看着唬人，但世界基础模型，跟咱们熟悉的图像、视频生成模型差不多，是生成式 AI 模型。
只不过它生成的东西并不是视频那么简单，更准确的说，当你输入文本、图像、视频或者运动数据以后，世界基础模型生成的是有物理规律的 “ 场景 ” 、 “ 环境 ” 。
本质上，就是合成出高度仿真的数据，来实现物理 AI 跟虚拟环境的交互。
至于其他的什么高级分词器、安全护栏和加速数据处理管道，咱了解个大概就行。像高级分词器可以把复杂的数据简化，给数据划重点。安全护栏就更好理解了，就是防止有害的输出，保护隐私。
另外， Cosmos 还用到了一个 “ 先预训练再后训练 ” 的法子。
大概意思是，预训练阶段先给模型喂大规模的真实视频数据，起码要让模型知道物理世界到底是咋运转的。
接着，后训练阶段再具体问题具体分析，对预训练模型进行微调，满足特定任务的需求。
总之就是， Cosmos 平台通过各种技术手段，为物理 AI 构建出了一个跟现实物理世界类似的空间和交互环境。
不过说了这么半天，可能有差友还是没太明白，这玩意儿到底能用来干啥。
其实这个问题，老黄已经在发布会上讲得很清楚了，就是机器人和自动驾驶汽车。
拿机器人行业来说，为啥这么多年了一直没啥大突破，很重要的一个原因就是缺数据。
跟大语言模型不太一样，机器人训练需要的数据不只是文字、图像那么简单，因为机器人要感知这个世界，还要跟这个世界产生交互，所以它就得学习物理规律、动态变化。
但这些数据，恰恰是最难收集的。
还是拿机器人洗碗举例，看似动作很简单，但机器人想学会你得有视觉数据，比如餐具的形状大小、油污程度，还有抓放碗的力度、用多大力气擦洗这些力学数据，当然，洗碗过程中手臂移动、抓取角度的调整，包括一些复杂的动态因素，也需要收集、标注数据。
像之前的斯坦福 Aloha 家务机器人，还是开发者通过亲身示范 “ 遥控 ” 机器人完成指定动作，来收集数据。
所以这个时候， Cosmos 就派上用场了。
模拟出一个洗碗环境，不就相当于，提前给机器人预习了一遍现实世界，等模型出师了，再放到现实世界去实操。
这样一来，训练效率上去了，成本也能控制住。
按照英伟达官方的介绍，现在已经有一部分机器人和自动驾驶公司用上了 Cosmos 。
OpenAI 投的那家 1X ，用 Cosmos 来给机器人做动态规划。
小鹏也用 Cosmos 来合成各种天气和路况的数据，训练自动驾驶算法。
当然了，精准模拟现实世界只是理想状态下的 Cosmos ，包括技术报告里也提到，现阶段的世界基础模型还比较早期，生成的视频并不完全符合物理规律。
该说不说，世超现在也觉得走世界模型这条路，确实有搞头。
如果有一天， AI 能对现实世界进行模拟甚至是一比一复刻，并像咱们人一样理解世界、做出决策，这才更贴近咱们人类对于人工智能的期望。
去年，包括 Lecun 、李飞飞这些 AI 大拿，还有谷歌 Deepmind ，其实都在研究世界模型。世超盲猜一波，今年在世界模型和机器人领域里，可能会出现突破性的进展。
但不管成与不成，擅长 “ 卖铲子 ” 的英伟达，都是那个最大赢家。
撰文：西西
编辑：江江&面线
美编：子曰
图片、资料来源：
NVIDIA
Cosmos World Foundation Model Platform for Physical AI
部分图源网络
