新模型 2026-11-06

英伟达发布 VFlash 并开源 Cosmos 3,机器人动作快了 12 倍

一句话说清:英伟达发布 VFlash 框架,让机器人和自动驾驶「想动作」的速度快了最多 12 倍,同时开源了 Cosmos 3 四个世界模拟模型,能生成汽车和机器人摄像头看到的画面。

发生了什么

11 月 6 日,英伟达连发两项和「物理世界 AI」相关的进展:

  • VFlash 并行解码框架:传统模型是一个坐标一个坐标地生成机器人动作轨迹,慢还容易出错。VFlash 改成「一次性并行预测整条轨迹、整个包围框」,像把零散点连成一条完整路线。实测机器人动作解码最高加速 12 倍,整体端到端推理最高快 5.1 倍,3D 轨迹误差最多降 61%。英伟达科学家 Jim Fan 转发说「System 1 视觉模型的时代来了」。
  • Cosmos 3 开源模型:发布了四个开放权重的「世界模拟」模型(每个 160 亿可训练参数),能生成自动驾驶汽车或多摄像头、激光雷达看到的同步画面,部分支持「流式」实时生成、随智能体动作即时反应。采用 OpenMDW 1.1 许可,允许商用和非商用。

对我有什么用

这俩都不是给你我直接用的消费品,但它们决定了以后机器人、自动驾驶、数字孪生能不能又快又稳。

简单说:VFlash 让机器人「想清楚怎么动」更快,工厂里的搬运机器人、仓库里的分拣机器人反应会更跟手;Cosmos 3 让开发者能低成本造出逼真的训练环境,加速自动驾驶和机器人落地。这些技术成熟后,最终会体现在更便宜、更好用的智能硬件上。

我可以怎么做

  • 如果你是开发者:Cosmos 3 权重和教程已公开(Hugging Face、cosmos-framework 仓库),可以在 Linux + 英伟达显卡 + Docker 环境里跑起来做自己的自动驾驶 / 机器人仿真。
  • 如果你是普通用户:可以关注搭载这类技术的产品(比如仓储机器人、自动驾驶 Demo),它们会悄悄变得更聪明。

温馨提醒

这类「世界模拟 / 机器人动作」模型也常被拿来做深度伪造或仿真攻击的研究基础,英伟达在发布时配套了技术报告和许可条款。对普通人来说,知道「AI 正在学会理解和生成真实物理世界」这件事就好,别被网上用这类技术做的假视频忽悠。

📤 一键转发小助手 帮你写好小红书文案、微信推荐语,还配一张中文海报,复制就能发