NVIDIAは、オープン・ワールドモデルをフィジカルAIにとって重要なレイヤーとして提示し、ロボット、自動運転車、産業用ビジョンシステムには、環境がどのように変化するかを予測できるモデルが必要であり、単に見た目を記述するだけでは不十分だと主張している。同社の最新のNVIDIA Blog投稿は、NVIDIA Cosmos 3、Omniverse、OpenUSDをその戦略の中心に据えている。

今回の発表は新製品のローンチというより、NVIDIAのフィジカルAIスタックの方向性を示すものだ。同社によれば、オープンモデルにより開発者はシステムを自社インフラにダウンロード、検証、改変、実行でき、その後、特定のロボット、センサー、車両、運用環境に合わせて適応させられる。このような特化は、フィジカルAIがデモから実運用へ移行するにつれて、実務上の要件になりつつある。

NVIDIAがオープン・ワールドモデルを推進する理由

フィジカルAIシステムは、結果、曖昧さ、稀な条件に対処しなければならない。ロボットは接触後に物体が動くかどうかを予測する必要があるかもしれない。自動運転車は通常とは異なる道路事象を推論しなければならない。ビジョンシステムは、変化する照明、天候、工場内の活動を解釈する必要があるかもしれない。NVIDIAは、従来のデータセットは必要な規模で収集するには高コストであり、特に現実世界で再現しにくい、あるいは危険を伴うロングテールのシナリオではなおさらだとしている。

ワールドモデルは、シーン、行動、将来状態の関係を学習することでこの問題に対処する。物理的に整合したデータを生成し、起こり得る結果をシミュレートし、導入前にポリシーをテストするのに役立つ。NVIDIAはオープン・ワールドモデルを、あらゆる環境にそのまま使える完成済みの知能システムではなく、特定のタスクに適応できる基盤として説明している。

同社はこの主張を、7月にNVIDIAと200以上の企業・組織が署名した「Open Weights and American AI Leadership」書簡への参加と結びつけた。この書簡は、AIリーダーシップは単一のフロンティアモデルの性能ではなく、オープンなエコシステムが幅広い分野にどれだけ届くかで測るべきだと主張していた。この声明は市場採用の独立証拠ではなく政策的な主張だが、ダウンロード可能な重みと開発者による制御を重視するNVIDIAの姿勢を説明している。

Cosmos 3は生成、シミュレーション、行動をつなぐ

NVIDIAは、NVIDIA Cosmos 3が視覚推論、世界生成、行動予測を1つのモデルファミリーに統合するよう設計されていると述べている。開発者はこれを、ビジョン・ランゲージ・モデル、将来の世界状態をシミュレートするシミュレーター、合成データ生成器、あるいは特化型のワールド・アクション・モデルの基盤として利用できる。

このファミリーには、640億パラメータで高忠実度のワールドモデリングを目指すCosmos 3 Super、より効率的な推論とポストトレーニング向けの160億パラメータのCosmos 3 Nano、そしてオンデバイスの視覚推論とロボットポリシー展開を意図した40億パラメータのCosmos 3 Edgeが含まれる。NVIDIAによれば、Cosmos 3 EdgeはRTX GPU、DGXシステム、Jetsonハードウェア、Jetson Thorプラットフォームを含む環境で動作できる。

NVIDIAはまた、自社のワールド基盤モデルがLinux FoundationのOpenMDW 1.1ライセンスの下で提供されていると述べている。同社によれば、このライセンスによりチームは自社のデータとハードウェアでモデルをポストトレーニングできる。開発者にとって重要なのは、モデル重みにアクセスできることだけでなく、機密の運用データを外部サービスに送らずにモデルを変更できる点にある。

周辺ツールも同様に重要だ。NVIDIA Omniverseのライブラリはシミュレーション対応の環境を作成する機能を提供し、OpenUSDはデジタルツイン、シミュレーション、合成データワークフローをまたいで3Dデータを構成・交換するためのオープンなフレームワークを提供する。原理的には、この組み合わせによって、開発者がアセット、センサー構成、環境条件を変更する際の反復作業を減らせる。

NVIDIAの主張を支える証拠と限界

今回の発表で最も強い性能・採用の主張はNVIDIA自身によるものだ。同社は、Cosmos 3が複数の評価で1位を獲得していると述べており、その中には、オープンウェイトのテキスト画像生成および画像動画生成に関するArtificial Analysisのカテゴリ、ワールド生成に関するPAI-Bench、Physics-IQの画像動画カテゴリが含まれる。NVIDIAはまた、ロボットポリシーに関するRoboLabで1位を記録し、Cosmos 3 Superが視覚理解に関するVANTAGE-Benchで最上位のオープンモデルだと報告している。

これらの結果は、NVIDIAがCosmos 3を市場に関連づけたい領域を示しているが、出典には基礎スコア、テスト構成、独立した再現性は示されていない。したがって、ベンチマークの優位性は、特定の本番環境で代替モデルを上回ることの決定的証拠ではなく、ベンダー報告として扱うべきだ。

NVIDIAはまた、ロボティクス分野でDoosan Robotics、LG Electronics、Samsung Electronics、Skild AI、自動運転車分野でLi Auto、Xiaomi、Afari、さらに産業向けおよびスマートスペース向けビジョンシステムに取り組む複数企業との導入や協業を挙げている。ただし、発表では利用規模、本番導入、売上、性能向上は定量化されていない。これらの社名はエコシステムとの関与を示すものであり、Cosmos 3が標準プラットフォームになった証拠ではない。

このスタックが開発者と企業に意味するもの

AI開発者にとって、NVIDIAの提案はより統合された開発パスだ。Cosmos 3でシナリオを生成したり推論したりし、OmniverseとOpenUSDを使って環境を構築し、シミュレーションでポリシーを訓練・テストし、その後最適化したモデルをエッジデバイスへ移行する。このワークフローは、現実世界のデータが高価で、安全上の懸念があり、あるいは珍しい事象をカバーするには不足している場合に価値がある。

一方で、複雑さという代償がある。一般的なシーンではうまく機能するワールドモデルでも、企業固有のロボット形状、カメラ配置、センサーノイズ、運用手順までは理解できない可能性がある。ポストトレーニングは依然として必要であり、環境が接触、動き、天候、人間行動を正確に表現できなければ、シミュレーション品質がボトルネックになりうる。

NVIDIAのより広範なフィジカルAIポートフォリオは、この特化戦略を反映している。Isaac GR00Tはロボティクス、Alpamayoは自動運転車、MetropolisはビジョンAIを対象としている。同社は、単一の万能モデルを採用するよう顧客に求めるのではなく、共通のハードウェアとシミュレーションのエコシステムを中心に、ドメイン指向のコンポーネント群を提供していると言える。

企業にとっての実務上の論点は、ライセンス、ハードウェアコスト、データガバナンス、検証、運用信頼性にある。自社インフラでモデルを実行すれば機密データの管理は改善するかもしれないが、提供、監視、更新の負担は顧客側に移る可能性がある。安全性が重要な環境では、合成データとシミュレーションはテストを支援するが、現実世界での検証の必要性をなくすものではない。

次に注目すべき点

次に重要なのは、評価条件を公開し、Cosmos 3を他のオープンおよびプロプライエタリなワールドモデルと比較する独立したベンチマーク結果だろう。実運用の証拠はパートナー一覧より重要であり、購入者は学習時間、ポリシー成功率、障害検出、導入コストの測定可能な改善を探すべきだ。

Cosmos Coalitionの日本展開拡大も注目すべき動きだ。同社によれば、ロボティクスと製造業のリーダーたちは、工場、物流、農業、建設、医療、輸送向けにモデル、研究、評価手法を提供する意向だという。こうした取り組みが再利用可能なデータセット、公的評価、あるいはドメイン特化モデルを生み出すかどうかで、実際にどれほどオープンなエコシステムなのかが分かる。

Jetsonハードウェア上でのCosmos 3 Edgeの利用可能性と使いやすさも重要になる。エッジ展開は遅延と接続依存を減らせるが、小型モデルが実際のセンサーおよび計算制約の下で十分な信頼性を維持できる場合に限られる。

Creati.aiの視点

NVIDIAの発表は、フィジカルAIにおける本当のボトルネックを示している。チームに必要なのは、単に高性能なモデルだけではない。人や高価な設備の近くで機械が動作する前に、制御可能な重み、特化した訓練、現実的な環境、そして行動を繰り返しテストする手段が必要だ。

同社の強みは、Cosmos 3、NVIDIA Omniverse、OpenUSD、そしてハードウェア基盤を通じて、そうした層をつなごうとしている点にある。未解決の問題は、オープン性とベンチマーク結果が、信頼できて経済的な導入につながるかどうかだ。開発者や企業の購入者にとって決定的な証拠は、NVIDIAのエコシステムの物語の広さではなく、限定された環境での透明な評価と運用結果から得られるだろう。