英伟达Cosmos 3：全球首个开源全模态物理AI模型研究报告

英伟达Cosmos 3：全球首个开源全模态物理AI模型研究报告

作者：淞基科技（上海）有限公司、淞基信息通信研究院
日期：2026 年 6 月 15 日

摘要

2026 年 6 月 1 日，英伟达（NVIDIA）正式发布Cosmos 3，这是全球首款开源全模态物理 AI 基础模型，构建了统一视觉推理、世界生成、动作预测三大核心能力的技术体系。该模型基于混合 Transformer（Mixture-of-Transformers，MoT）双塔架构，原生支持文本、图像、视频、音频、动作五大模态的输入输出，可精准模拟重力、碰撞、刚体运动等物理规则，为物理 AI 领域提供了通用技术底座。同时，英伟达宣布全权重开源 Cosmos 3，并成立全球物理 AI 开发者联盟（Cosmos Coalition），开放模型权重、训练脚本、部署工具及六大合成数据集，推动具身智能、数字孪生、自动驾驶等领域的底层技术创新与生态共建。本报告从技术架构、核心能力、开源生态、应用场景、行业影响及未来展望六大维度，系统解析 Cosmos 3 的技术突破与产业价值，为物理 AI 领域的研究与应用提供参考。

关键词：Cosmos 3；物理 AI；全模态；混合 Transformer；开源生态；具身智能；数字孪生

一、引言

1.1 研究背景

物理 AI（Physical AI）是指能够感知、理解现实物理世界并与之交互的人工智能系统，核心应用涵盖人形机器人、自动驾驶、工业自动化、智能空间等领域，是连接数字世界与物理世界的关键技术。传统 AI 模型多聚焦单一模态任务（如视觉识别、文本生成），难以同时满足物理 AI 对环境理解、动态预测、动作生成的一体化需求；而现有世界模型（World Model）存在模态割裂、物理精度不足、闭源壁垒高等问题，制约了物理 AI 技术的规模化落地。

随着大模型技术向多模态、通用化方向演进，行业亟需一款统一架构、全模态融合、物理规则精准、开源开放的基础模型，打破技术孤岛，降低研发门槛。在此背景下，英伟达依托其在 GPU 算力、大模型训练、机器人仿真领域的技术积累，推出 Cosmos 3，填补了开源全模态物理 AI 基础模型的空白，被视为物理 AI 发展的里程碑事件。

1.2 研究意义

1.2.1 技术层面

Cosmos 3 首次将视觉推理、世界生成、动作预测三大能力集成于单一模型，通过混合 Transformer 架构实现多模态深度融合，突破了传统模型 “分模块处理、模态间信息割裂” 的技术瓶颈。其精准的物理规则模拟能力，让 AI 生成的场景与动作符合现实世界物理规律，大幅提升了物理 AI 系统的可靠性与实用性，为通用智能体的研发提供了核心技术支撑。

1.2.2 产业层面

全权重开源与开发者联盟的成立，彻底降低了物理 AI 的研发门槛，使中小企业、科研机构能够低成本接入顶尖技术，推动具身智能、数字孪生、自动驾驶等领域的技术创新与应用落地。同时，统一的技术架构与标准，有望加速物理 AI 产业链的协同发展，构建开放、共赢的产业生态，推动 AI 技术从 “数字智能” 向 “物理智能” 跨越。

1.2.3 学术层面

Cosmos 3 开放的模型权重、训练数据、评估基准，为物理 AI 领域的学术研究提供了高质量的实验平台，推动多模态融合、物理推理、具身学习等方向的理论创新与技术迭代，助力全球科研共同体共同探索通用人工智能的实现路径。

1.3 研究范围与方法

本报告聚焦英伟达 Cosmos 3 模型，核心研究范围包括：模型技术架构、核心能力与性能表现、开源策略与生态布局、典型应用场景、行业影响与未来挑战。研究方法采用文献调研法、技术拆解法、对比分析法，基于英伟达官方技术报告、博客、开源文档及行业公开资料，系统梳理 Cosmos 3 的技术细节与产业价值，同时对比主流多模态模型、世界模型，明确其技术优势与差异化定位。

二、Cosmos 3 核心定义与技术架构

2.1 核心定义

2.1.1 全模态（Omnimodal）

Cosmos 3 是全球首款原生支持文本、图像、视频、音频、动作五大模态的全模态模型，打破了单一模态或多模态 “拼接式” 融合的局限，在统一架构内实现多模态数据的输入、理解、生成与输出，构建了物理 AI 的 “通用世界语”。其中，动作模态作为核心模态之一，通过专用动作令牌（Action Tokens）连接物理世界与模型推理，直接映射机器人关节角度、车辆控制信号等物理控制指令，实现 “感知 - 推理 - 行动” 的闭环。

2.1.2 物理 AI 基础模型

Cosmos 3 是面向物理 AI 的世界基础模型（World Foundation Model），核心目标是精准模拟物理世界的演化规律，能够预测物体在重力、碰撞、摩擦力等物理规则下的运动状态，生成物理可信的场景与动作序列。与传统生成模型（如文生图、视频生成模型）不同，Cosmos 3 不仅追求视觉逼真度，更强调物理合理性，是专门为物理世界交互设计的通用智能底座。

2.1.3 开源开放

Cosmos 3 采用全权重开源策略，基于 Linux 基金会 OpenMDW-1.1 许可证，开放模型权重、训练脚本、部署工具及六大合成数据集（机器人场景、物理交互、空间推理、数字人、自动驾驶、仓库运营），支持开发者自由使用、修改与二次开发。同时，英伟达联合 Agile Robots、Black Forest Labs、Runway 等企业成立全球物理 AI 开发者联盟，推动技术标准统一、资源共享与协同创新。

2.2 混合 Transformer（MoT）双塔架构

Cosmos 3 的核心技术突破在于混合 Transformer 双塔架构（Reasoner Tower + Generator Tower），融合自回归 Transformer 与扩散 Transformer 的优势，实现 “推理 - 生成” 一体化，解决了传统模型 “理解与生成割裂” 的问题。

2.2.1 推理塔（Reasoner Tower）

• 架构本质：基于自回归架构的视觉语言模型（VLM），核心负责环境感知与推理，即 “看懂世界、理解指令”。

• 核心功能：解析复杂场景的物体交互、运动状态、时空关系与物理属性，输出结构化上下文信息（如物体位置、速度、材质、受力状态），为生成塔提供精准的物理场景约束。

• 技术特点：采用 ViT 视觉编码器与预训练视觉语言对齐技术，支持多模态输入的语义理解与逻辑推理，在视觉问答、视频理解、物理推理等任务中表现优异。

2.2.2 生成塔（Generator Tower）

• 架构本质：基于扩散 Transformer（Diffusion Transformer）的生成器，核心负责世界生成与动作预测，即 “预测未来、生成动作”。

• 核心功能：基于推理塔输出的结构化上下文，生成物理可信的视频序列、场景图像、音频片段及机器人动作轨迹，精准模拟重力、碰撞、刚体运动等物理规则。

• 技术特点：采用 Wan2.2-TI2V5B 视频 VAE 编码器，通过迭代去噪生成多模态输出，支持高分辨率、长时序的场景与动作生成，物理一致性与视觉逼真度行业领先。

2.2.3 关键共享技术

• 3D 多维旋转位置编码（mRoPE）：双塔共享该编码技术，可同时编码空间位置（x/y 轴）、时间位置（t 轴）与模态类型，确保模型在处理视频帧、动作步骤等时序数据时，保持一致的时空结构理解，实现跨模态时序对齐。

• 联合注意力机制（Joint Attention）：双塔通过联合注意力实时共享信息，推理塔的语义理解与生成塔的物理生成深度协同，避免 “理解与生成脱节”，实现 “想好了再做” 的智能决策逻辑。

• 模态专用编码器：针对文本、图像、视频、音频、动作五大模态设计专用编码器，将不同模态数据投影至统一表征空间，同时添加可学习的模态嵌入向量，使模型能够区分不同模态并实现深度融合。

三、Cosmos 3 核心能力与性能表现

3.1 三大核心能力

3.1.1 统一视觉推理能力

Cosmos 3 具备跨场景、跨模态的视觉推理能力，可精准解析静态图像、动态视频中的物体属性、空间关系、运动状态与物理逻辑，支持复杂场景的语义理解、因果推理与物理规律判断。

• 核心场景：视觉问答（VQA）、视频事件理解、物理属性识别、空间关系推理、因果关系分析。

• 技术优势：在 48 个主流基准测试中达到开源模型最优或接近最优水平，兼顾 “文科”（视觉问答、视频理解）与 “理科”（物理推理、动作预测）能力，无明显偏科。

3.1.2 世界生成能力

Cosmos 3 是物理可信的世界生成器，可基于文本、图像、视频等输入，生成符合物理规则的高逼真度场景、视频与音频，支持静态场景生成、动态场景演化、物理交互模拟等任务，为数字孪生、仿真训练、内容创作提供高质量数据支撑。

• 核心场景：文生图、图生视频、场景重建、物理交互模拟、数字孪生场景生成、合成数据生成。

• 技术优势：后训练版本被 Artificial Analysis 评为开源模型文生图、图生视频双料冠军，生成内容兼具物理合理性与视觉逼真度，物体几何结构一致、运动轨迹自然、物理交互真实。

3.1.3 动作预测能力

Cosmos 3 是通用物理动作生成器，可基于场景理解与物理规则，生成机器人、自动驾驶车辆等智能体的动作轨迹，支持单臂 / 双臂机器人、人形机器人、自动驾驶车辆等多类型智能体的动作控制，实现 “感知 - 推理 - 行动” 的端到端闭环。

• 核心场景：机器人操作、人形机器人运动、自动驾驶控制、工业自动化动作规划、智能空间交互。

• 技术优势：在 RoboArena 评测中排名第一，RoboLab 基准上达到 39.7% 成功率；支持 15 维抓握状态、29 维人形机器人自由度、9 维车辆控制等多维度动作输出，动作精准度与物理一致性行业领先。

3.2 关键性能数据

3.2.1 多模态理解性能

在 48 个主流基准测试（涵盖视觉问答、视频理解、物理推理、空间推理等）中，Cosmos 3 均达到开源模型最优或接近最优水平，部分指标超越闭源模型，展现出强大的通用理解能力。

3.2.2 多模态生成性能

• 文生图：在 Artificial Analysis 开源模型榜单中排名第一，FID-30K 指标达 1.243，优于 Google Gemini、OpenAI DALL-E 等模型。

• 图生视频：在无音频图生视频榜单中排名第一，FVD 指标达 1.246，生成视频时长可达 10 秒，分辨率达 1080P，物理一致性与流畅度领先。

3.2.3 机器人动作性能

• RoboArena 评测：排名第一，在机器人抓取、搬运、装配等任务中成功率显著高于同类模型。

• RoboLab 基准：成功率达 39.7%，远超开源模型平均水平，接近闭源专用模型性能。

3.3 技术对比优势

相较于主流多模态模型（如 GPT-4V、Gemini）、视频生成模型（如 Runway Gen-2、Pika）、世界模型（如 Google DeepMind World Model），Cosmos 3 具备四大核心优势：

四、Cosmos 3 开源生态与联盟布局

4.1 全维度开源策略

英伟达对 Cosmos 3 采取全维度开源策略，最大限度降低物理 AI 研发门槛，推动技术普惠，开源内容涵盖四大核心板块：

• 模型权重：开放 6 个不同规模的预训练模型权重，包括基础版、高性能版、后训练版，适配不同算力需求（从单 GPU 集群到超算）。

• 训练脚本：开放完整的模型训练、微调、评估脚本，支持开发者基于自有数据二次训练，适配特定场景（如工业机器人、自动驾驶）。

• 部署工具：开放模型优化、推理部署、硬件适配工具链，支持在 NVIDIA GPU、边缘设备、机器人终端等多平台部署，简化落地流程。

• 合成数据集：开放六大高质量合成数据集，涵盖机器人场景、物理交互、空间推理、数字人、自动驾驶、仓库运营，数据规模超千万级，可直接用于模型训练与评估。

4.2 全球物理 AI 开发者联盟（Cosmos Coalition）

4.2.1 联盟定位

英伟达联合全球顶尖 AI 实验室、机器人企业、科研机构成立全球物理 AI 开发者联盟，定位为开放协作、技术共享、标准共建的全球性产业组织，核心目标是推动下一代开放世界模型发展，加速物理 AI 技术的规模化落地。

4.2.2 核心成员

联盟汇聚了物理 AI 领域的头部企业与科研机构，包括：

• 机器人企业：Agile Robots、Fractal Robotics、Universal Robots（UR）；

• AI 实验室：Black Forest Labs、Generalist、LTX、Runway、Skild AI；

• 科研机构：加州大学伯克利分校、麻省理工学院、清华大学、上海人工智能实验室；

• 产业链企业：自动驾驶、工业自动化、数字孪生领域的上下游企业。

4.2.3 联盟核心使命

• 技术共建：共享 Cosmos 3 技术成果，联合研发物理 AI 核心技术，推动模型迭代升级；

• 标准统一：制定物理 AI 模型架构、数据格式、评估基准的行业标准，打破技术孤岛；

• 生态培育：提供技术培训、资源对接、落地支持，培育物理 AI 开发者生态；

• 应用落地：聚焦机器人、自动驾驶、数字孪生等核心场景，推动技术从实验室走向产业。

4.3 开源生态价值

4.3.1 降低研发门槛

全权重开源与工具链开放，使中小企业、科研机构无需投入巨额算力与研发成本，即可使用顶尖物理 AI 技术，大幅缩短研发周期（从数月缩短至数天），降低试错成本。

4.3.2 加速技术创新

全球开发者基于 Cosmos 3 进行二次开发，可快速迭代出适配不同场景的专用模型，推动物理 AI 技术在工业、医疗、农业、交通等领域的创新应用，形成 “开源 - 创新 - 反哺” 的良性循环。

4.3.3 构建产业标准

联盟的成立推动物理 AI 领域技术标准统一，解决不同模型、不同设备间的兼容性问题，加速产业链协同发展，为物理 AI 规模化落地奠定基础。

五、Cosmos 3 典型应用场景

5.1 人形机器人与工业自动化

5.1.1 人形机器人

Cosmos 3 可为人形机器人提供感知 - 推理 - 动作一体化控制能力，精准模拟人类运动规律与物理交互，支持行走、抓取、装配、协作等复杂任务，提升人形机器人的灵活性、稳定性与环境适应性。例如，在工厂场景中，人形机器人可基于 Cosmos 3 理解复杂指令，自主完成零件搬运、设备维护、人机协作等任务；在家庭场景中，可实现家务劳动、老人陪护、物品递送等功能。

5.1.2 工业自动化

在工业场景中，Cosmos 3 可用于工业机器人控制、智能产线监控、设备故障预测、数字孪生工厂等领域。工业机器人可通过 Cosmos 3 实时感知生产环境，自主调整动作轨迹，精准完成焊接、喷涂、组装等高精度任务；智能产线可基于模型预测设备运行状态，提前预警故障，提升生产效率与安全性；数字孪生工厂可通过模型生成物理可信的虚拟场景，实现生产流程仿真、优化与远程监控。

5.2 自动驾驶与智能交通

5.2.1 自动驾驶

Cosmos 3 可为自动驾驶系统提供环境感知、行为预测、路径规划、控制决策全链路支撑，精准模拟车辆动力学特性、交通规则与道路物理环境，提升自动驾驶的安全性与可靠性。例如，在城市道路场景中，模型可实时识别车辆、行人、交通信号灯等障碍物，预测其运动轨迹，生成安全的行驶路径与控制指令；在高速场景中，可实现自适应巡航、车道保持、自动超车等功能；在恶劣天气（雨雪、大雾）场景中，可通过物理推理优化感知与决策，提升极端环境下的行驶稳定性。

5.2.2 智能交通

在智能交通领域，Cosmos 3 可用于交通流量预测、路口信号优化、交通事故模拟、智能车路协同等场景。通过生成物理可信的交通场景，模型可模拟不同交通流量、路况下的车辆运行状态，优化路口信号配时，减少拥堵；同时，可模拟交通事故发生过程，分析事故原因，为交通管理与安全防范提供参考；在车路协同场景中，模型可实现车辆与路侧设备、云端平台的实时交互，提升交通系统的整体效率与安全性。

5.3 数字孪生与虚拟仿真

5.3.1 数字孪生

Cosmos 3 是数字孪生场景生成与仿真的核心引擎，可基于物理规则生成高逼真度、高一致性的虚拟场景，实现物理世界与数字世界的实时映射、交互与仿真。在城市数字孪生中，模型可生成城市三维场景，模拟交通、气象、人流等动态变化，支撑城市规划、应急管理、智慧治理；在工业数字孪生中，可生成工厂、设备、产线的虚拟模型，实现生产流程仿真、设备运维、远程监控；在建筑数字孪生中，可模拟建筑结构受力、能耗变化、火灾疏散等场景，优化建筑设计与安全管理。

5.3.2 虚拟仿真与合成数据

Cosmos 3 可生成大规模、多样化、物理可信的合成数据，为 AI 模型训练提供高质量数据支撑，解决真实数据采集成本高、数据量不足、场景覆盖不全的痛点。在机器人领域，可生成海量机器人操作场景数据，用于训练机器人感知与控制模型；在自动驾驶领域，可生成极端天气、交通事故、特殊路况等稀有场景数据，提升自动驾驶模型的泛化能力；在计算机视觉领域，可生成多样化的图像、视频数据，用于训练目标检测、语义分割、行为识别等模型。

5.4 智能空间与服务机器人

5.4.1 智能空间

在智能零售、智能酒店、智能办公等场景中，Cosmos 3 可用于环境感知、智能交互、场景控制、安全监控等领域。例如，在智能零售门店中，模型可实时感知顾客行为、商品状态，分析顾客需求，实现智能推荐、无人结算、库存管理；在智能办公空间中，可感知人员流动、环境参数（温度、湿度、光照），自动调节空调、灯光、窗帘等设备，优化办公环境；在安全监控场景中，可实时识别异常行为、危险物品，及时预警，提升空间安全性。

5.4.2 服务机器人

在家庭、医疗、养老、餐饮等服务场景中，Cosmos 3 可赋能服务机器人自主导航、环境交互、任务执行、情感交互等能力。例如，家庭服务机器人可自主完成扫地、拖地、擦窗、物品整理等家务劳动；医疗服务机器人可辅助医生进行病情监测、药品配送、康复训练；养老服务机器人可提供陪伴聊天、健康监测、紧急呼叫等服务；餐饮服务机器人可实现点餐、送餐、收盘等功能，提升服务效率与用户体验。

六、行业影响与未来挑战

6.1 行业影响

6.1.1 重构物理 AI 技术格局

Cosmos 3 的发布打破了闭源模型在物理 AI 领域的垄断，以开源开放的模式推动技术普惠，重构物理 AI 技术格局。此前，物理 AI 核心技术多掌握在少数科技巨头手中，中小企业与科研机构难以突破技术壁垒；Cosmos 3 全权重开源后，全球开发者可基于统一技术底座进行创新，推动物理 AI 技术从 “少数巨头主导” 向 “全球协同创新” 转变，加速技术迭代与产业成熟。

6.1.2 加速具身智能与通用人工智能发展

具身智能（Embodied AI）是通用人工智能的核心分支，强调 AI 系统通过与物理世界交互学习，具备自主感知、推理、行动的能力。Cosmos 3 作为具身智能的核心技术底座，统一了视觉推理、世界生成、动作预测三大能力，为具身智能提供了 “感知 - 推理 - 行动” 的完整技术链路，大幅加速具身智能的研发进程，推动通用人工智能从理论走向现实。

6.1.3 催生万亿级产业新生态

物理 AI 涵盖机器人、自动驾驶、工业自动化、数字孪生、智能空间等多个万亿级赛道，Cosmos 3 的开源开放将全面激活这些赛道的创新活力，催生新的技术、产品与商业模式。在机器人领域，将加速人形机器人、工业机器人、服务机器人的规模化落地；在自动驾驶领域，将推动自动驾驶技术从辅助驾驶向完全自动驾驶跨越；在数字孪生领域，将拓展数字孪生在城市、工业、建筑、医疗等领域的应用场景，最终形成万亿级物理 AI 产业新生态。

6.2 未来挑战

6.2.1 模型算力与优化挑战

Cosmos 3 作为超大模型，训练与推理需要巨额算力支撑，即使开源后，中小企业与科研机构仍面临算力不足的问题。同时，模型在边缘设备、机器人终端等低算力平台部署时，存在推理速度慢、内存占用大、能耗高等问题，需进一步优化模型结构、压缩模型参数、提升推理效率，适配多算力场景需求。

6.2.2 物理精度与泛化能力挑战

尽管 Cosmos 3 已具备较强的物理规则模拟能力，但在 \\ 复杂物理场景（如流体、柔性物体、极端环境）\\ 中，物理精度仍有待提升。例如，模拟液体流动、布料变形、高温高压环境下的物体运动时，模型生成结果与真实物理世界仍存在差距；同时，模型在未见过的新场景、新物体、新任务中的泛化能力不足，需进一步提升模型的物理推理能力与跨场景泛化能力。

6.2.3 开源生态与安全合规挑战

全球物理 AI 开发者联盟虽已成立，但生态协同难度较大，不同成员企业技术路线、利益诉求存在差异，难以快速实现技术标准统一与资源共享。同时，开源模型存在数据安全、隐私保护、伦理风险、合规风险等问题。例如，模型训练数据可能包含敏感信息，开源后存在数据泄露风险；模型生成的动作与场景可能被滥用，引发安全事故；不同国家 / 地区对 AI 模型的监管政策不同，开源模型的跨境使用面临合规挑战。

6.2.4 商业化落地与成本挑战

Cosmos 3 技术虽先进，但商业化落地仍面临成本高、场景适配难、产业链不成熟等问题。例如，人形机器人、自动驾驶车辆等硬件设备成本高昂，难以大规模普及；模型需针对不同场景进行深度微调，适配成本高；物理 AI 产业链（如传感器、控制器、执行器、软件算法）尚未成熟，上下游协同不足，制约技术落地速度。

七、未来展望

7.1 模型技术迭代：轻量化、高精度、强泛化

未来，Cosmos 3 将朝着轻量化、高精度、强泛化方向持续迭代。通过模型结构优化、参数压缩、知识蒸馏等技术，降低模型算力需求，提升推理速度，适配边缘设备与终端部署；通过引入更精准的物理引擎、多模态融合算法、强化学习技术，提升模型在复杂物理场景中的精度与稳定性；通过扩大训练数据覆盖范围、优化模型泛化能力，提升模型在新场景、新任务中的适应性，推动通用物理 AI 模型发展。

7.2 生态建设深化：标准统一、协同创新、产业融合

全球物理 AI 开发者联盟将进一步深化生态建设，推动技术标准统一、资源共享与协同创新。制定物理 AI 模型架构、数据格式、评估基准、安全规范的行业标准，解决兼容性问题；搭建技术交流平台、资源对接平台、落地孵化平台，促进全球开发者协同创新；推动物理 AI 与机器人、自动驾驶、工业互联网、数字孪生等产业深度融合，完善产业链上下游布局，加速技术商业化落地。

7.3 应用场景拓展：全领域渗透、规模化落地

随着技术成熟与生态完善，Cosmos 3 将全面渗透各行业场景，实现规模化落地。在工业领域，推动工业机器人、智能产线、数字孪生工厂的普及，提升工业自动化与智能化水平；在交通领域，加速自动驾驶技术商业化，构建智能交通体系；在服务领域，推动服务机器人、智能空间的普及，提升生活服务智能化水平；在医疗、农业、教育、文化创意等领域，拓展物理 AI 应用场景，赋能各行业数字化转型与智能化升级。

7.4 通用人工智能探索：具身智能与意识智能融合

Cosmos 3 作为具身智能的核心技术底座，将为通用人工智能探索提供重要支撑。未来，随着模型能力持续提升，将逐步实现具身智能与意识智能的融合，使 AI 系统不仅具备感知、推理、行动能力，还具备自主学习、情感交互、价值判断等类人智能，逐步向通用人工智能迈进，开启人工智能发展的新纪元。

八、结论

英伟达 Cosmos 3 作为全球首个开源全模态物理 AI 模型，以混合 Transformer 双塔架构为核心，统一视觉推理、世界生成、动作预测三大能力，精准模拟物理规则，打破模态割裂与闭源壁垒，为物理 AI 领域提供了通用技术底座。全权重开源与全球物理 AI 开发者联盟的成立，推动技术普惠与生态共建，加速具身智能、数字孪生、自动驾驶等领域的技术创新与应用落地。

尽管 Cosmos 3 面临算力优化、物理精度、生态协同、安全合规、商业化落地等多重挑战，但随着技术持续迭代、生态不断完善、产业深度融合，其必将重构物理 AI 技术格局，催生万亿级产业新生态，推动通用人工智能从理论走向现实。未来，物理 AI 将成为连接数字世界与物理世界的核心纽带，深刻变革工业、交通、服务、医疗等各行业，为人类社会发展注入新的动力。

数据来源

1. 英伟达官方技术报告《Cosmos 3: Omnimodal World Models for Physical AI》（2026 年 6 月 1 日）；

2. 英伟达官方博客《NVIDIA Launches Cosmos 3: The Open Frontier Foundation Model for Physical AI》（2026 年 6 月 1 日）；

3. 英伟达开发者博客《Develop Physical AI Reasoning, World, and Action Models with NVIDIA Cosmos 3》（2026 年 5 月 31 日）；

4. Artificial Analysis 多模态模型榜单（2026 年 5 月 28 日）；

5. RoboArena、RoboLab 机器人评测基准数据（2026 年 6 月）；

6. 稀土掘金、今日头条等行业媒体技术拆解文章（2026 年 6 月）。

免责声明

本报告仅为技术研究与行业分析参考，不构成任何投资建议、商业决策建议或技术应用指导。报告内容基于公开可查的技术资料、行业数据及官方信息整理，淞基科技（上海）有限公司、淞基信息通信研究院对报告内容的准确性、完整性、时效性不做任何明示或暗示的保证。任何基于本报告内容做出的决策、行为及产生的后果，均由行为人自行承担，本公司及研究院不承担任何法律责任。本报告版权归淞基科技（上海）有限公司、淞基信息通信研究院所有，未经书面许可，任何机构或个人不得以任何形式复制、传播或引用本报告内容。