外观
新闻NVIDIA Blog（RSS）（via AIHOT）7 天前
NVIDIA Cosmos推数据工厂与蒸馏工具，保时捷减90%物理测试
本文由 AI 根据公开内容整理，可能有误，请以原文为准：NVIDIA Cosmos Opens New Tools to Train, Evaluate and Deploy World Models（NVIDIA Blog（RSS）（via AIHOT））
核心内容
NVIDIA扩展Cosmos世界模型平台，推出五项云原生Data Factory蓝图、仿真Checkpoint及更新版NIM微服务，并在六个开放模型榜单中进入前五。该平台整合多模态数据处理、微调与部署工具链，旨在解决物理AI开发中的数据稀缺与仿真验证难题，推动具身智能研发向全栈工程化转型。
技术层面，Data Factory支持自驾数据集生成与缺陷图像合成，兼容Azure及CoreWeave环境；Framework新增对GR00T、Pi0.5等模型的微调与强化学习支持。MicroAGI成功将32B参数Reasoner蒸馏为8B Nano模型用于自我中心操作任务且无精度损失。新版Cosmos 3 NIM微服务实现2倍推理加速与亚秒级视频分析，配合Metropolis VSS 3.3蓝图支持ADNOC在65个站点实时监测安全隐患。
关键看点
- 数据工厂蓝图：提供自驾数据生成、缺陷合成及视频增强等5种云原生蓝图，支持多模态输入与GPU加速处理
- 模型蒸馏验证：MicroAGI基于Cosmos 3将32B参数模型蒸馏至8B Nano版本，专用于物体操作任务且保持精度无损
- 仿真评测闭环：新增Cosmos 3 Nano仿真变体与Checkpoint，支持多视角多传感器场景下的自动驾驶与双臂机器人策略验证
- 推理性能优化：更新版Cosmos 3 NIM微服务在验证配置下实现2倍推理加速，支持连续视频分析与亚秒级告警
工程与产业观察
Cosmos平台的扩展标志着具身智能研发从单一模型训练转向“合成数据+仿真验证+端侧部署”的全栈工程化。Data Factory蓝图与模型蒸馏工具的开源，显著降低了高质量物理AI数据的获取门槛与算力成本。利用合成数据填补长尾场景缺口并结合轻量化模型部署，已成为缩短Sim-to-Real差距、加速机器人落地验证的关键路径。
线索来源：AIHOT
来源
本页事实对应的公开页面，以原文为准。