英伟达把世界模型升到 3.5

训练数据不够，是每个做机器人和自动驾驶的团队都会撞上的墙。 真机采一条抓取数据，要人、要场地、要时间，还得有人一条条标完。 世界模型的卖点是：这些活能不能挪到仿真里做。英伟达 10 月 21 日更新的 Cosmos 3.5，走的就是这条路。

一、发生了什么

在 GTC Berlin 期间，英伟达发布了 Cosmos 3.5 世界模型（官方博客，作者 Kari Briski）。同批给的不是一个模型，而是三层东西。 第一层是后训练与优化工具，目标是让开发者用更少的算力去改进世界模型。 第二层是仿真检查点，让开发者在进真机之前，先在交互式驾驶和机器人操作这两类场景里评估行为表现。 第三层是 Cosmos Data Factory，由一套蓝图加若干核心 agent 技能组成，负责数据的清洗、标注、生成和评估，覆盖驾驶场景、产品缺陷、图像增强和事件生成。 Data Factory 的首批使用者，英伟达点名的是保时捷（与 Voxel51 合作）、ANYbotics（与 Encord 合作）、Zalando、CEVA Logistics（与 Sereact 合作）以及西门子——这些属厂商口径，没有第三方验证。 Cosmos 现在在 Hugging Face 和 GitHub 上开放。要注意，这篇博客没给 Cosmos 3.5 的参数规模，也没给任何跑分。

二、跟你有什么关系

机器人团队：合成数据的价值不在"多"，在"带标注"。仿真里生成一条抓取轨迹，位姿、接触力、遮挡关系可以顺手一起输出，这是真机采集最费人的部分。 自动驾驶：仿真检查点的意义是把回归测试前置。每次改模型都上车跑，成本撑不住；先在仿真里过一遍，能挡掉大部分明显退步。 中小团队：门槛降了，但没消失。Data Factory 是蓝图，不是装好就能用的产品，仍要有人把场景接进去。

三、怎么判断它值不值

1. 先分清你缺哪种数据。缺多样性，用生成；缺标注，用自动标注；缺长尾，用事件生成。三种缺口的解法不一样，买错了就是白花钱。
2. 建双清单：仿真里过、真机也过。只在仿真里过的，不算通过。
3. 做消融。拿 5% 的合成数据混进真实数据训练，如果指标没动甚至下降，说明合成分布偏了，先回头调场景参数，别急着加量。
4. 算数据账。合成一条的成本要连评估成本一起算，因为生成出来的样本大部分会被筛掉。

四、三个别信的说法

世界模型能替代真机测试。 英伟达自己的表述是"在真机测试之前"评估。物理接触的磨损、传感器噪声、光照突变，仿真里都有简化，最后一段路还得真机走。 合成数据越多越好。 分布偏的合成数据会让模型学会仿真器的缺陷，然后在真实世界里准时犯错。 "开放"就是可以随便商用。 权重和代码开放，但训练数据来源和许可证范围要自己读，尤其是客户案例里那些联合开发的部分。

五、一句话结论

Cosmos 3.5 的增量不在模型，在把"造数据"这件事从手艺变成了可复用的工序。

信息来源

• NVIDIA Open Models Advance Europe's Sovereign Intelligence Across Industries，NVIDIA Blog，2026 年 10 月 21 日
• NVIDIA Expands Open-Model Portfolio for European Sovereign AI，Unite.AI，2026 年 10 月 21 日

功能与价格以官方公告为准。本文写于 2026 年 10 月 22 日。