NVIDIA Cosmos 3 Nano 开源权重：4 个 160 亿参数世界模型可商用，资本却在撤

11 月 5 日，英伟达在 Hugging Face 上放出了 Cosmos 3 家族的四个新开放权重 checkpoint。全部由 Cosmos 3 Nano 后训练而来，各 160 亿可训练参数，采用 OpenMDW 1.1 许可——也就是说，可以商用。

同一天的另一条消息是：世界模型这条赛道的钱正在变少。按量子位 11 月 8 日的报道，一级市场对世界模型的态度已经从上半年的抢项目变成了下半年的”一 TS（投资意向书）难求”，头部基金愿意出手的项目一只手数得过来，10 月物理 AI 及世界模型相关融资事件只有 5 起。

一边是英伟达把最贵的东西免费开放，一边是资本在往外走。这两件事放在一起看，比单看任何一条都有意思。

四个 checkpoint 分别干什么

这次放出的不是通用世界模型，而是四个面向物理 AI 的专用变体，每个解决一个具体环节：

Cosmos3-Nano-Transfer-Auto：双向模型，专做自动驾驶的离线合成数据。能生成最多 11 路同步相机视角（含鱼眼），支持 RGB 与 LiDAR 联合生成；场景结构和交通运动用 World Scenario Map（WSM）控制，外观用文本提示控制。对自动驾驶团队来说，这是”不用真车上路也能造长尾场景”的工具。
Cosmos3-Nano-Sim-Auto：Transfer-Auto 的因果蒸馏流式版本。每次只生成一小段相机视频和 LiDAR，去噪步数很少，用滚动的历史加新的驾驶控制输入往下推，适合长时间闭环仿真。
Cosmos3-Nano-Sim-Transfer：把物理仿真器的控制信号”翻译”成 RGB 图像。物理和真值状态留在仿真器里，模型只负责渲染出策略能看懂的画面。
Cosmos3-Nano-Sim-Bimanual：双臂机器人的动作→视觉预测。支持 YAM 和 AgiBot 两种本体，可以由策略驱动，也可以人用摇杆操作。

不是”生成视频更漂亮”，而是流式生成。传统视频模型是一次性出一段，世界模型要的是”我动一下，世界跟着变”——每一步的观测都会影响下一步的动作，动作又反过来改变观测。英伟达这次给的 Sim-Auto 就是把这个循环压到了几次去噪步数，能做到实时闭环。

另一个关键是多传感器一致性。自动驾驶的痛点从来不是”画面不好看”，而是相机看到的和 LiDAR 测到的对不上。Transfer-Auto 支持 RGB 与 LiDAR 联合生成，几何和外观必须自洽——这是纯视频模型做不到的部分，也是这批 checkpoint 最难被替代的地方。

英伟达同时还给了后训练配方和一个开放的 agent skill（可以直接让 coding agent 调起来跑推理）。对我们此前在 NVIDIA Cosmos 3 深度评测里提到的”全模态世界模型”来说，这次是把底座拆开，把能改的部分交给用户。

第一类是自动驾驶和机器人团队，尤其是中小团队。以前想造合成数据，要么买闭源 API 按量计费，要么自己训一个——前者贵，后者更没有算力。现在 160 亿参数的权重直接下载，改造成本落在”微调”这一层，而不是”从零训练”。

第二类是做具身智能仿真的公司。Sim-Bimanual 直接支持 YAM 和 AgiBot 两个本体，说明英伟达是照着生态里已经出货的硬件来做的。国内做双臂机器人的团队，可以用它生成动作后果的预测，减少真机试错。

第三类是研究机构。四份 checkpoint 加技术报告，等于把世界模型领域”能不能复现”的门槛降下来了。对比一下 Google Genie 4 那种只能通过产品体验、权重不开放的路子，这是两种完全不同的开放策略。

量子位那篇报道里有几个数字很能说明问题：上半年”世界模型”四个字自带估值溢价，很多公司靠 demo 就能连融三轮、一轮比一轮贵；到了下半年，估值溢价”极速缩水”，投资人要看技术证据、研究积累和实际应用进展，光有演示视频已经没人接。

更硬的参照是二级市场。宇树科技上市首日股价一度冲到 1100 元、市值约 4449 亿元，到 10 月 15 日跌到 404 元。头部机器人公司都会经历这种级别的估值调整，那些还没证明规模化应用的模型公司该怎么定价，投资人心里自然有杆秤。

这跟 AMD 82 亿美元收购 World Labs 时的热度形成了鲜明对比——那是 9 月底，行业还在为”空间智能”付溢价。两个月不到，风向就变了。

开放权重和资本退潮，其实是同一件事的两面。当最好的基础模型被大厂免费放出来，创业公司”我训了个世界模型”这件事本身就不值钱了。剩下的价值只能在两处：一是垂直场景的数据和闭环（比如某类机器人的真实操作数据），二是把这套东西做成能交付的产品。

对英伟达来说这是稳赚的：模型开源，跑模型还是要买卡。对创业者来说，护城河被迫从”模型”挪到”场景”，这未必是坏事——只是留给讲故事的时间窗口关上了。

可以。四个 checkpoint 采用 OpenMDW 1.1 许可，明确允许商业和非商业使用，具体条款以 Hugging Face 模型页面的许可文本为准。商用前建议确认自己场景下的合规要求，尤其是涉及真实车辆和机器人数据时。

模型是 160 亿参数的规模，本地推理需要一块大显存的 GPU（A100/H100 级别更稳妥），流式仿真对显存和带宽要求更高。普通消费级显卡基本跑不动完整版，建议走云 GPU。

视频模型的目标是”生成一段好看的视频”，世界模型的目标是”预测动作会导致什么结果”，并且要能持续闭环。前者一次生成就结束，后者每一步的输出都要喂回下一步，对一致性和速度的要求完全不同。

做通用世界模型的机会已经很薄，基础模型被大厂开源加免费了。真正的机会在垂直场景：某类机器人的操作数据、某个行业的仿真环境、以及把模型包装成可交付的工程产品。融资市场现在只认技术证据和落地进展，不认概念。

英伟达这次放出的四个 checkpoint，把世界模型从”只有大厂能训”推进到了”团队可以微调”。同一周里资本却在撤，说明行业正在从”讲概念”切换到”拼落地”。对做自动驾驶和具身智能的团队，这是难得的时间窗口——工具变便宜了，热钱变少了，正好是认真做事的时候。