英伟达 Cosmos 3 Edge：40 亿参数全模态世界模型，原生跑边缘盒子

英伟达在 SIGGRAPH 2026 发布Cosmos 3 Edge，属于 Cosmos3 物理 AI 世界模型家族，4B（40 亿）参数，专门面向边缘设备，实现完整多模态推理、视频预测、机器人动作策略全部本地端侧运行，不依赖云端。

核心模型规格

总参数：40 亿（4B），双塔式 MoT 架构

Reasoner 推理塔：2.4B，负责图像 / 视频 / 文本理解、任务规划

Generator 生成塔：≈1.6B，输出视频画面、机器人动作轨迹

输入模态：文本、图片、视频、动作序列

输出模态：文本、图像、预测视频、机器人动作指令

精度：BF16；开源协议 OpenMDW 1.1；权重开源在 HuggingFace/GitHub

同家族对比

支持硬件（边缘盒子 / Jetson）

1. 最优生产硬件：Jetson Thor（T4000/T5000），可做到5‑15Hz 机器人闭环实时控制，满足工业机器人、人形机器人低延迟要求

2. 向下兼容：Jetson AGX Orin 64GB；Orin NX 16GB 可跑推理部分；Orin Nano 8GB 仅可运行推理模块

3. 开发端：RTX3070 及以上消费显卡、RTX PRO 工作站；显存建议≥16GB

注意：国产边缘算力板卡（RK3588、BM1684X 等）无官方适配，需要做大量移植量化工作，原生仅支持英伟达 CUDA/Jetson 硬件栈。

核心能力

1. 物理世界预测：读取摄像头视频流，预测未来画面变化，理解物体运动、碰撞物理规则

2. 端到端机器人策略：输入自然语言指令 + 摄像头画面，直接输出机械臂动作轨迹，不需要分开做感知‑检测‑规划链路，代表模型Cosmos3‑Edge‑Policy‑DROID

3. 全本地闭环：感知→推理规划→生成动作全部在边缘盒子完成，消除网络往返延迟，适合工厂、无人设备、自动驾驶感知，断网也可工作

4. 支持后训练微调：开发者可 1 天左右微调适配自有机器人、业务场景，提供完整微调脚本

软件部署要点

推理引擎：vLLM‑Omni；Linux+CUDA13 容器；OpenAI 兼容 API 接口调用

典型用途：工业机器人、人形机器人、智能车载感知、智慧现场视频预测、巡检设备端侧 AI

行业意义

过去世界模型大多只能跑云端大 GPU，Cosmos3 Edge 把 4B 级全模态世界模型下放到边缘盒子，机器人不再需要把视频传到云端做决策；但硬件绑定 Jetson 生态，国产边缘芯片要跑该模型面临移植、量化、性能的挑战。

对比：传统边缘 AI 盒子大多跑检测识别模型；Cosmos3 Edge 属于世界模型，不止识别物体，还能预判环境变化、直接输出执行动作，是物理 AI 落地边缘的标志性模型。

家具美容培训

家具维修培训