北京时候 1 月 7 日，黄仁勋和 14 台东说念主形机器东说念主同期出目下 2025 年 CES 展会的舞台上。

这一幕似曾领路，就在 2024 年 3 月，黄仁勋曾同期与 9 家东说念主形机器东说念主亮相英伟达 GTC 大会的舞台。

（2024 年 3 月，黄仁勋与 9 台东说念主形机器东说念主在英伟达 GTC 大会）

彼时，黄仁勋发布英伟达东说念主形机器东说念主通用基础模子 Project GR00T，肃穆秘书进驻东说念主形机器东说念主奇迹商。Project GR00T 就像匡助机器东说念主变得更灵敏的大脑，在 GR00T 的指挥之下，机器东说念主八成意会自然言语，并通过不雅察东说念主类举止师法动作，从而稳妥现实环境并与之交互。

与 GTC 大会不同的是，黄仁勋此次在 CES 上重心发布的是天下基础模子开发平台 Cosmos，它提供了一种简便的模样来生成遍及基于物理天下的合成数据。

Cosmos 不错通过文本、图像或视频的指示，生成高度仿确实造谣天下，它基于 2000 万小时的视频进行考验，分为自挂念模子和扩散模子两类。

与其它合成数据生成平台不同的是，Cosmos 八成意会这个天下，比如它不错意会几何空间、摩擦力和重力，何况压缩"造谣"与"现实"之间的差距。

关于具身智能而言，这是一个贫瘠冲突，因为它匡助东说念主形机器东说念主贬责泛化说念路上的最大瓶颈之一"高质地数据稀缺"问题，为东说念主形机器东说念主感知环境创建传神的环境和感知物体。

与黄仁勋沿途出目下 CES 舞台上的 1X、Agile Robots、Agility、Figure、傅立叶、波士顿能源等 14 家东说念主形机器东说念主，皆是英伟达 Cosmos 平台的种子用户。

那么，在这之前，东说念主形机器东说念主数据采集碰到了哪些难点？Cosmos 对贬责这些难点产生哪些价值？

高质地数据瓶颈成为东说念主形机器东说念主泛化难题

通用东说念主形机器东说念主，需措施有任务泛化智商。

但目下无论是老牌东说念主形机器东说念主波士顿能源 Atlas，如故新兴的擎天柱、Figure 等，它们在实践场景的运用还停留在单点任务处理上。比如，擎天柱学会了叠衣着，然则又要再行考验才调学会叠被子。也便是说，它们在完成一个任务后，不具备自主判断下一个任务要作念什么的智商。

而阻挠东说念主形机器东说念主领有泛化智商的最大要素，便是高质地数据的稀缺。即便 Agility 旗下的 Digit 机器东说念主整天泡在亚马逊工场里打工，领有自然的丰富场景数据学习环境，它的首席技能官 Pras Velagapudi 依旧默示："数据稀缺性和多变性是机器东说念主从环境中得胜学习的要津挑战。"

机器东说念主需要高质地的数据，不然可能会导致方针误判或任务失败，致使作念出不适当的举止。比如，一个涂抹酱汁的机器东说念主可能会把酱汁洒一地，一个医疗手术机器东说念主可能会用手术刀伤到东说念主类。

为了给机器东说念主采集到高质地数据，凭据机器东说念主是否与真确天下斗争，时时会从现实天下中采集真确数据，采集形状有两种：

1. 平直斗争数据（真机数据）：机器东说念主用我方的传感器与物理天下平直交互。比如波士顿能源的液压 Atlas 在实验室"跑酷"，Figure02 机器东说念主在好意思国斯帕坦堡良马车厂打工。

2. 波折斗争数据（东说念主工截止数据）：通过东说念主类操作让机器东说念主与物理天下斗争并记载，比如此坦福的炒菜机器东说念主 Aloha 便是东说念主类截止机械臂进行操控的。

关于机器东说念主而言，最遐想的数据采集形状是通过机器东说念主本色直斗争达物理天下，这种形状能让机器东说念主准确意会真确的环境，也便是真机数据。

但采集真机数据需要付出遍实时候和资金本钱。

起头，必须要让机器东说念主部署在实践环境中，但大多数东说念主形机器东说念主受限于引导技能水平，只可待在受限的实验室环境。

这就很难通过界限化招引化形状让机器东说念主高效完成数据采集。就像父母们既但愿孩子领有丰富的常识面，却又将孩子关在家中闭门谢客，在受限的环境里，他们无法意会外面的天下有多大。

于是，必须破耗遍实时候去搭建各式场景，让机器东说念主作念"题海计策"。

其次，机器东说念主学习生手段的效力额外低下。比如，机器东说念主学会了拿苹果，转而去学习取盘子，又要再行经过遍及学习。

于是，征询东说念主员试图寻求波折的目的，使用东说念主力行为支持，匡助机器东说念主提升学习效力，也便是而已遥控，东说念主走到那儿，机器东说念主也不错随着学到那儿，但这个形状的本钱依旧昂贵。

2024 年齿首爆火的炒菜机器东说念主 Aloha，收受了一个预见的决议蚁合数据，基本想路是建设两个机器东说念主手臂，让它们彼此镜像，东说念主类不错鼓吹一个手臂，另一个手臂则实行任务，比如提起一个积木。通过反复演示（比如 50 次），机器东说念主不错学习如何完成特定任务。

尽管 Aloha 使用了低本钱的手臂，但每个也要约莫 5000 好意思元，为了完成这项考验，至少需要 4 个机械臂约莫 2 万好意思金，而这实践上还是是比拟低的本钱了，时时工业手臂可能价值数十万好意思元。

智元机器东说念主姜青松曾在 2024 年 8 月份智元机器东说念主发布会上算了一笔账，智元机器东说念主规划建设的采样厂包含 100 台采样机器，对应 150 位工东说念主，方针是但愿每个工东说念主每天采集 1000 条数据，按照 0.4 元 / 条的本钱策动，150 位工东说念主则意味着采样厂日均本钱高达 6 万元。

东说念主形机器东说念主变得更智能，需要在更短的时候里取得更多的高质地数据。

东说念主形机器东说念主数据卡点被英伟达 Cosmos 攻克？

为了贬责低本钱取得高质地数据问题，许多东说念主开动尝试收受合成数据。

合成数据并不单在机器东说念主场景使用，大模子、自动驾驶等许多需要考验东说念主工智能、需要数据撑执的场景皆在使用合成数据。

但合成数据也存在问题，就像嫡亲繁衍，淌若使用合成数据起头一定比例，反而会让数据质地下跌。

2023 年，莱斯大学和斯坦福大学的征询东说念主员发布了一项征询，标明过度依赖合成数据进行考验可能会导致模子的质地和万般性下跌。征询指出，采样偏差形成的合成数据，不成充分代表真确天下，何况会在经过多轮考验后，导致模子的万般性迟缓退化。

前 OpenAI 首创成员 Karpathy 在收受采访时默示，模子在考验时可能会出现一种"静默崩溃"的情况，简便来说，自然单个输出看起来肤浅，但淌若你看悉数数据的散播，就会发现它枯竭万般性，变得单一。这关于合成数据生成来说是个问题，因为合成数据需要包含丰富的变化和万般性（也便是"熵"），不然就会生成一个过于单一、不真确的数据集。

因此，如何用比拟低的本钱，取得接近真确天下的数据，成为包括机器东说念主在内等行业需要冲突的要津。

于是就有了数字孪生，数字孪生并不是一个新成见，它用造谣模子来"复制"一个真确物体、拓荒或系统，目下，数字孪生还是在制造业、医疗等领域得到了运用，但数字孪生的准确性和恶果取决于所蚁合数据的质地。淌若数据不完满、存在失实或不准确，造谣模子的发扬就会受到影响。

但行为天下模子，英伟达 Cosmos 平台和以往的合成数据器用皆不相易，在英伟达公布的 Cosmos 论文中，对天下模子的表情是：

"天下基础模子便是一种凭据以前发生的事和面前变化，来瞻望未来会如何的器用。"

简便来说，Cosmos 是一种访佛"瞻望未来"的器用。它能把真确天下的规则整理好，凭据面前的情况揣测接下来会发生什么，然后告诉自动驾驶汽车或机器东说念主该若何作念。比如，假定前边有费力物，模子会瞻望它可能转移的标的，并带领汽车或机器东说念主作念出响应。

这套器用是目下第一款成心为考验 AI、自动驾驶和机器东说念主的天下模子。

此外，黄仁勋在会场还演示了将 Cosmos 与英伟达 Omniverse 平台调解使用的功效，开发者不错基于 Omniverse 创建造谣的三维场景，再重复使用 Cosmos 生成与真确天下高度同样的场景，以便于开发者用于模子考验。

（左侧：Omniverse 制作的造谣仿真天下 右侧：重复 Cosmos 生成的恶果）

在这个经由中，Cosmos 关于机器东说念主数据瓶颈最大的匡助，是用最低的本钱，来削弱造谣数据与物理天下数据的症结。

但 Cosmos 生成的合成数据只怕能竣工代替真确数据的作用。合成数据与真确数据各有上风，它们是一种互补相干，这少量从黄仁勋和马斯克近期的不雅点中也不错看出。

凭据 TechCrunch 报说念，马斯克在 2024 年 12 月也发表了关于 AI 数据的看法，他赞同东说念主工智能行业还是达到"数据峰值"的说法，"补充现实天下数据的独一模样是使用合成数据"。

预见的是，黄仁勋在 2025 年 CES 后的采访中默示，Cosmos 生成的合成数据无法替代真确数据，并合计自动驾驶应该尽可能使用真确数据，何况支柱马斯克的特斯拉汽车工场领有遍及行驶数据。

他们一个领有高配置的仿真数据生成平台，一个领有丰富的自动驾驶数据资源开云kaiyun体育，在信守各自阵脚的同期，却也皆在赏玩着对方的领域。