英伟达Cosmos 3 Edge开源：40亿参数世界模型跑在Jetson Thor上，机器人工厂级部署不再依赖云端

作者：智造在线编辑部

引言：物理AI的"边缘时刻"到来

2026年7月20日，洛杉矶SIGGRAPH 2026大会现场，英伟达扔下了一颗重磅炸弹——Cosmos 3 Edge，一个仅40亿参数的轻量化世界模型，能够在Jetson Thor边缘芯片上本地实时运行，推理吞吐达到每秒28帧。更令行业震动的是，代码、权重、训练配方全部开源。

同一天，Google DeepMind发布了Gemini Robotics 2，能控制人形机器人拧灯泡、系垃圾袋、整理货架。太平洋两岸同一天发出同一个信号：数字AI的叙事正在让位于物理AI的叙事，而物理AI的"大脑"正在从云端走向每一个机器人的关节。

对于正在推进智能工厂建设的制造企业来说，这意味着什么？核心答案只有一个：脱网稳定作业成为可能，工厂级机器人部署的最后一道障碍正在被移除。

一、Cosmos 3 Edge：40亿参数如何跑在边缘芯片上

1. 架构创新：MoT混合Transformer双塔

Cosmos 3 Edge采用Mixture-of-Transformers（MoT）混合架构，由两个核心分支组成：

• 推理塔：采用自回归Transformer架构，负责多模态理解与逻辑推理，接收图像、视频、文本等输入，理解当前场景状态并规划动作序列；
• 生成塔：采用扩散Transformer架构，负责生成符合物理规律的视觉输出，根据推理塔的决策结果生成下一帧画面。

与普通视频生成模型的本质区别在于，Cosmos 3 Edge的生成受动作与物理规律约束——生成的每一帧画面都必须严格符合前序动作带来的物理结果。

2. 极致工程优化：多维降本而非简单裁剪

40亿参数能在边缘芯片上实时运行，靠的不是简单缩小模型，而是多维度极致优化：

1. 模型结构层面：推理塔保留完整注意力机制保证决策精度，生成塔采用局部注意力架构减少全局计算，并通过任务定向蒸馏只保留感知、定位、动作预测等核心能力；
2. 推理加速层面：采用4位整数量化大幅减少显存占用，扩散采样步数压缩至四步（相比传统几十步提升一个数量级），配合Tensor Core专用矩阵运算加速；
3. 系统架构层面：采用感知-决策-控制的流水线并行，当前帧做感知计算的同时执行上一帧的控制指令，端到端响应延迟降低一半以上。

3. 性能表现：VANTAGE-Bench同规模TOP1

在VANTAGE-Bench视觉理解榜单上，Cosmos 3 Edge拿下同规模模型TOP1成绩。在SIGGRAPH现场演示中，搭载Jetson系列芯片的机械臂完全在本地运行模型，通过摄像头观察桌面方块，毫秒级完成物体识别、空间定位与抓取动作预测，直接输出控制信号驱动机械臂完成抓取，整个过程完全不需要云端参与。

二、Jetson Thor：机器人工厂的算力底座

Cosmos 3 Edge的落地离不开NVIDIA Jetson Thor平台的支撑。Thor产品线已形成从高端到入门的完整矩阵：

型号	CPU核心	GPU算力(TFLOPS)	内存	带宽	功耗
T5000	14核	2070	128GB	273GB/s	130W
T4000	12核	1200	64GB	237GB/s	70W
T3000	8核	865	32GB	273GB/s	65W
T2000	6核	400	16GB	137GB/s	--

其中T5000已于2025年三季度上市，T4000于2026年一季度上市（定价约3000美元），T3000和T2000预计2027年一季度上市。这一完整的产品阶梯覆盖了从数百美元到数千美元、从十几瓦到一百多瓦的全部需求区间。

三、工厂部署的革命：脱网稳定作业

1. 为什么"脱网"对工厂至关重要？

在传统云端方案中，机器人每次决策都需要将数据上传云端、等待推理结果、再下载执行指令。这种模式存在三个致命问题：

1. 延迟不可接受：工厂环境中，机械臂的抓取动作需要毫秒级响应，云端往返延迟无法满足实时控制需求；
2. 网络不可靠：工厂车间的WiFi/5G覆盖难以保证100%可用，网络中断意味着产线停摆；
3. 数据安全敏感：制造业企业对生产数据外传存在天然顾虑，尤其是涉及工艺参数的场景。

Cosmos 3 Edge的端侧运行能力，从根本上解决了这三个问题。机器人仅凭本地算力就能完成大部分感知与决策任务，网络仅用于模型更新和高层任务下发。

2. "端侧小脑+云端大脑"的混合架构

需要指出的是，Cosmos 3 Edge的能力有明确边界。它擅长处理结构化的日常操作（抓取、搬运、简单装配），对于非结构化的复杂场景（未知故障处理、复杂导航），仍需云端大模型辅助。实际商用落地通常采用混合架构：

• 端侧：Cosmos 3 Edge负责实时感知与日常操作决策；
• 云端：Cosmos 3-Super（64B参数）负责复杂推理、模型训练与知识更新。

这种架构既保证了响应速度和稳定性，又保留了持续进化的智能水平。

四、开源意味着什么？生态竞争的新起点

Cosmos 3 Edge的代码、权重、训练配方全部开源，这一决策的深层含义在于：

1. 降低入场门槛：以前需要一个DGX超算集群才能训练机器人，现在一块Jetson开发板就能让机器人"边跑边思考"。中小制造企业也能参与物理AI的应用创新；
2. 加速数据飞轮：开源意味着全球开发者可以基于同一套底座进行场景化定制，产生的数据和应用反馈将加速模型的迭代优化；
3. 生态锁定：NVIDIA通过开源构建开发者生态，配合Isaac GR00T机器人基础模型平台，正在构建物理AI时代的"操作系统级"生态壁垒。目前已有超过200万开发者和150余家合作伙伴加入这一生态。

五、同日对比：Gemini Robotics 2的另一条路线

同日发布的Google DeepMind Gemini Robotics 2走了另一条路线。它是一个VLA（视觉-语言-动作）模型，能控制Apptronik Apollo 2机器人拧灯泡、系垃圾袋、整理货架——不是预编程的固定动作，而是理解场景后自主规划。

两者的定位差异在于：Cosmos 3 Edge是面向边缘实时推理的世界模型，强调在本地完成感知-决策-执行的闭环；Gemini Robotics 2更侧重于高层任务理解和通用操作泛化。未来，两者很可能走向融合——边缘端用Cosmos做实时控制，云端用Gemini做任务规划。

六、对智能工厂建设的启示

1. 重新评估部署架构：正在规划工厂级机器人部署的企业，应将边缘AI纳入核心架构，减少对云端的依赖；
2. 关注Jetson Thor选型：根据产线复杂度和算力需求，在T2000-T5000之间选择合适档位，T4000（约3000美元）可能是多数工厂场景的性价比之选；
3. 参与开源生态：利用Cosmos 3 Edge开源优势，基于自有产线数据进行场景化微调，构建差异化的智能制造能力；
4. 规划混合架构：设计"端侧实时控制+云端持续优化"的混合架构，兼顾稳定性和进化能力。

FAQ

Q1：Cosmos 3 Edge的参数量是多少？能在什么硬件上运行？

Cosmos 3 Edge为40亿（4B）参数，可在NVIDIA Jetson Thor系列边缘芯片上本地实时运行，推理吞吐达到每秒28帧。

Q2：Cosmos 3 Edge是完全开源的吗？

是的，代码、权重、训练配方全部开源，采用OpenMDW1.1许可证，支持商业和非商业使用。

Q3：端侧运行与云端方案相比有什么优势？

三大优势：毫秒级响应延迟（无需云端往返）、100%网络独立性（断网不影响生产）、生产数据本地处理（保护工艺隐私）。

Q4：Jetson Thor各型号如何选型？

T5000适合高端人形机器人和复杂多机协同场景；T4000（约3000美元）适合多数工厂级应用；T3000/T2000适合轻量级移动机器人和简单边缘AI任务。

Q5：Cosmos 3 Edge能处理所有工厂场景吗？

不能。它擅长结构化日常操作（抓取、搬运、装配），复杂场景（未知故障处理）仍需云端大模型辅助。推荐采用"端侧小脑+云端大脑"混合架构。

Q6：Google Gemini Robotics 2和Cosmos 3 Edge有什么区别？

Cosmos 3 Edge是面向边缘实时推理的世界模型，强调本地感知-决策-执行闭环；Gemini Robotics 2是VLA模型，侧重高层任务理解和通用操作泛化。两者未来可能走向互补融合。

Q7：开源对制造企业有什么实际意义？

降低入场门槛（无需超算集群即可开发）、支持基于自有产线数据的场景化微调、可借助全球开发者生态获取持续优化能力。

Q8：物理AI领域的资本投入情况如何？

2026年至今全球物理AI领域公开融资约73.8亿美元，超过2025年全年的37.7亿美元。2026年Q1，Physical AI & robotics以11%的交易份额领跑所有AI细分领域。

关注智造在线(zhizaozx.cn)，获取更多智能制造行业深度分析。