北京时辰 1 月 7 日twitter 反差，黄仁勋和 14 台东谈主形机器东谈主同期出当今 2025 年 CES 展会的舞台上。

这一幕似曾明白，就在 2024 年 3 月，黄仁勋曾同期与 9 家东谈主形机器东谈主亮相英伟达 GTC 大会的舞台。

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

彼时，黄仁勋发布英伟达东谈主形机器东谈主通用基础模子 Project GR00T，认真书记进驻东谈主形机器东谈主持事商。Project GR00T 就像匡助机器东谈主变得更聪惠的大脑，在 GR00T 的率领之下，机器东谈主唐突交融当然谈话，并通过不雅察东谈主类行为效法动作，从而顺应现实环境并与之交互。

与 GTC 大会不同的是，黄仁勋此次在 CES 上要点发布的是宇宙基础模子开发平台 Cosmos，它提供了一种浅易的法子来生成多数基于物理宇宙的合成数据。

Cosmos 不错通过文本、图像或视频的领导，生成高度仿果然假造宇宙，它基于 2000 万小时的视频进行覆按，分为自总结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 唐突交融这个宇宙，比如它不错交融几何空间、摩擦力和重力，而且压缩"假造"与"现实"之间的差距。

关于具身智能而言，这是一个瑕疵冲破，因为它匡助东谈主形机器东谈主料理泛化谈路上的最大瓶颈之一"高质料数据稀缺"问题，为东谈主形机器东谈主感知环境创建传神的环境和感知物体。

与黄仁勋通盘出当今 CES 舞台上的 1X、Agile Robots、Agility、Figure、傅立叶、波士顿能源等 14 家东谈主形机器东谈主，都是英伟达 Cosmos 平台的种子用户。

那么，在这之前，东谈主形机器东谈主数据蚁集遭遇了哪些难点？Cosmos 对料理这些难点产生哪些价值？

高质料数据瓶颈成为东谈主形机器东谈主泛化难题

通用东谈主形机器东谈主，需顺序有任务泛化才气。

但咫尺不论是老牌东谈主形机器东谈主波士顿能源 Atlas，照旧新兴的擎天柱、Figure 等，它们在现实场景的诈骗还停留在单点任务处理上。比如，擎天柱学会了叠穿着，然而又要重新覆按才能学会叠被子。也即是说，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才气。

而艰辛东谈主形机器东谈主领有泛化才气的最大身分，即是高质料数据的稀缺。即便 Agility 旗下的 Digit 机器东谈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，它的首席技巧官 Pras Velagapudi 依旧默示："数据稀缺性和多变性是机器东谈主从环境中顺利学习的重要挑战。"

机器东谈主需要高质料的数据，不然可能会导致方针误判或任务失败，致使作念出不稳当的行为。比如，一个涂抹酱汁的机器东谈主可能会把酱汁洒一地，一个医疗手术机器东谈主可能会用手术刀伤到东谈主类。

为了给机器东谈主蚁集到高质料数据，凭证机器东谈主是否与信得过宇宙战争，频频会从现实宇宙中蚁集信得过数据，蚁集方法有两种：

1. 顺利战争数据（真机数据）：机器东谈主用我方的传感器与物理宇宙顺利交互。比如波士顿能源的液压 Atlas 在实验室"跑酷"twitter 反差，Figure02 机器东谈主在好意思国斯帕坦堡良马车厂打工。

2. 盘曲战争数据（东谈主工甩掉数据）：通过东谈主类操作让机器东谈主与物理宇宙战争并记载，比如此坦福的炒菜机器东谈主 Aloha 即是东谈主类甩掉机械臂进行操控的。

关于机器东谈主而言，最梦想的数据蚁集方法是通过机器东谈主现实直战争达物理宇宙，这种方法能让机器东谈主准确交融信得过的环境，也即是真机数据。

但蚁集真机数据需要付出多数时辰和资金老本。

夜夜撸最新版

率先，必须要让机器东谈主部署在现实环境中，但大多数东谈主形机器东谈主受限于透露技巧水平，只可待在受限的实验室环境。

这就很难通过范畴化聚拢化方法让机器东谈主高效完成数据蚁集。就像父母们既但愿孩子领有丰富的学问面，却又将孩子关在家中闭关却扫，在受限的环境里，他们无法交融外面的宇宙有多大。

于是，必须破耗多数时辰去搭建万般场景，让机器东谈主作念"题海战略"。

其次，机器东谈主学习新技巧的效劳尽头低下。比如，机器东谈主学会了拿苹果，转而去学习取盘子，又要重新经过多数学习。

于是，商酌东谈主员试图寻求盘曲的方针，使用东谈主力算作辅助，匡助机器东谈主进步学习效劳，也即是云尔遥控，东谈主走到那处，机器东谈主也不错随着学到那处，但这个方法的老本依旧时髦。

2024 年年头爆火的炒菜机器东谈主 Aloha，聘请了一个意念念的有野心汇集数据，基本念念路是设立两个机器东谈主手臂，让它们相互镜像，东谈主类不错推进一个手臂，另一个手臂则奉行任务，比如提起一个积木。通过反复演示（比如 50 次），机器东谈主不错学习如何完成特定任务。

尽管 Aloha 使用了低老本的手臂，但每个也要约莫 5000 好意思元，为了完成这项覆按，至少需要 4 个机械臂约莫 2 万好意思金，而这现实上还是是比拟低的老本了，频频工业手臂可能价值数十万好意思元。

智元机器东谈主姜青松曾在 2024 年 8 月份智元机器东谈主发布会上算了一笔账，智元机器东谈主谋划开发的采样厂包含 100 台采样机器，对应 150 位工东谈主，方针是但愿每个工东谈主每天蚁集 1000 条数据，按照 0.4 元 / 条的老本计较，150 位工东谈主则意味着采样厂日均老本高达 6 万元。

东谈主形机器东谈主变得更智能，需要在更短的时辰里获取更多的高质料数据。

东谈主形机器东谈主数据卡点被英伟达 Cosmos 攻克？

为了料理低老本获取高质料数据问题，好多东谈主运转尝试聘请合成数据。

合成数据并不单在机器东谈主场景使用，大模子、自动驾驶等许多需要覆按东谈主工智能、需要数据赈济的场景都在使用合成数据。

但合成数据也存在问题，就像至亲繁衍，要是使用合成数据稀奇一定比例，反而会让数据质料下落。

2023 年，莱斯大学和斯坦福大学的商酌东谈主员发布了一项商酌，标明过度依赖合成数据进行覆按可能会导致模子的质料和万般性下落。商酌指出，采样偏差变成的合成数据，不可充分代表信得过宇宙，而且会在经过多轮覆按后，导致模子的万般性冉冉退化。

前 OpenAI 首创成员 Karpathy 在接收采访时默示，模子在覆按时可能会出现一种"静默崩溃"的情况，浅易来说，固然单个输出看起来泛泛，但要是你看统共数据的散播，就会发现它穷困万般性，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（也即是"熵"），不然就会生成一个过于单一、不信得过的数据集。

因此，如何用比拟低的老本，获取接近信得过宇宙的数据，成为包括机器东谈主在内等行业需要冲破的重要。

于是就有了数字孪生，数字孪生并不是一个新主见，它用假造模子来"复制"一个信得过物体、设备或系统，咫尺，数字孪生还是在制造业、医疗等领域得到了诈骗，但数字孪生的准确性和恶果取决于所汇集数据的质料。要是数据不齐备、存在造作或不准确，假造模子的说明就会受到影响。

但算作宇宙模子，英伟达 Cosmos 平台和以往的合成数据器具都不疏导，在英伟达公布的 Cosmos 论文中，对宇宙模子的面貌是：

"宇宙基础模子即是一种凭证以前发生的事和现时变化，来掂量异日会如何的器具。"

浅易来说，Cosmos 是一种类似"掂量异日"的器具。它能把信得过宇宙的端正整理好，凭证现时的情况想到接下来会发生什么，然后告诉自动驾驶汽车或机器东谈主该如何作念。比如，假定前边有艰辛物，模子会掂量它可能移动的标的，并率领汽车或机器东谈主作念出反映。

这套器具是咫尺第一款荒谬为覆按 AI、自动驾驶和机器东谈主的宇宙模子。

此外，黄仁勋在会场还演示了将 Cosmos 与英伟达 Omniverse 平台荟萃使用的功效，开发者不错基于 Omniverse 创建假造的三维场景，再访佛使用 Cosmos 生成与信得过宇宙高度相通的场景，以便于开发者用于模子覆按。

（左侧：Omniverse 制作的假造仿真宇宙 右侧：访佛 Cosmos 生成的恶果）

在这个经过中，Cosmos 关于机器东谈主数据瓶颈最大的匡助，是用最低的老本，来削弱假造数据与物理宇宙数据的差错。

但 Cosmos 生成的合成数据偶而能皆备代替信得过数据的作用。合成数据与信得过数据各有上风，它们是一种互补筹商，这极少从黄仁勋和马斯克近期的不雅点中也不错看出。

凭证 TechCrunch 报谈，马斯克在 2024 年 12 月也发表了关于 AI 数据的看法，他赞同东谈主工智能行业还是达到"数据峰值"的说法，"补充现实宇宙数据的惟一法子是使用合成数据"。

意念念的是，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信得过数据，并觉得自动驾驶应该尽可能使用信得过数据，而且辅助马斯克的特斯拉汽车工场领有多数行驶数据。

他们一个领有高建设的仿真数据生成平台twitter 反差，一个领有丰富的自动驾驶数据资源，在信守各自阵脚的同期，却也都在玩赏着对方的领域。