NVIDIA는 오픈 월드 모델을 피지컬 AI의 핵심 계층으로 제시하며, 로봇과 자율주행차, 산업용 비전 시스템은 단순히 환경이 어떻게 보이는지를 설명하는 모델이 아니라 환경이 어떻게 변할지를 예측할 수 있는 모델이 필요하다고 주장하고 있다. 회사의 최신 NVIDIA Blog 게시물은 NVIDIA Cosmos 3, Omniverse, OpenUSD를 이 전략의 중심에 두고 있다.

이번 발표는 새로운 제품 출시라기보다 NVIDIA의 피지컬 AI 스택에 대한 방향 제시에 가깝다. 회사는 오픈 모델을 통해 개발자가 시스템을 자신의 인프라에 다운로드하고, 검토하고, 수정하고, 실행한 뒤 특정 로봇, 센서, 차량, 운영 환경에 맞게 조정할 수 있다고 말한다. 이러한 특화는 피지컬 AI가 데모 단계에서 배포 단계로 이동함에 따라 실질적인 요구사항이 되고 있다.

NVIDIA가 오픈 월드 모델을 추진하는 이유

피지컬 AI 시스템은 결과, 불확실성, 드문 조건을 다뤄야 한다. 로봇은 접촉 후 물체가 움직일지 예측해야 할 수 있고, 자율주행차는 특이한 도로 사건을 추론해야 하며, 비전 시스템은 변화하는 조명, 날씨, 산업 활동을 해석해야 할 수 있다. NVIDIA는 기존 데이터셋은 필요한 규모로 수집하는 데 비용이 많이 들며, 특히 실제 세계에서 재현하기 어렵거나 위험한 롱테일 시나리오에서는 더욱 그렇다고 말한다.

월드 모델은 장면, 행동, 미래 상태 간의 관계를 학습함으로써 이 문제를 해결한다. 이들은 물리적으로 근거 있는 데이터를 생성하고, 가능한 결과를 시뮬레이션하며, 팀이 배포 전에 정책을 테스트하는 데 도움을 줄 수 있다. NVIDIA는 오픈 월드 모델을 모든 환경에 즉시 사용할 수 있는 완성형 지능 시스템이 아니라 특정 작업에 맞게 조정할 수 있는 기반으로 설명한다.

회사는 이 주장을 7월에 NVIDIA와 200개 이상의 기업 및 조직이 서명한 “Open Weights and American AI Leadership” 서한 참여와 연결했다. 이 서한은 AI 리더십은 단일 최첨단 모델의 성능이 아니라 오픈 생태계가 얼마나 넓은 분야에 도달하느냐로 측정되어야 한다고 주장했다. 이 성명은 시장 채택에 대한 독립적 증거가 아니라 옹호의 성격을 띠지만, 다운로드 가능한 가중치와 개발자 통제에 대한 NVIDIA의 강조를 설명해 준다.

Cosmos 3는 생성, 시뮬레이션, 행동을 연결한다

NVIDIA는 NVIDIA Cosmos 3가 시각 추론, 월드 생성, 행동 예측을 하나의 모델 패밀리로 결합하도록 설계되었다고 말한다. 개발자는 이를 비전-언어 모델, 미래 세계 상태를 시뮬레이션하는 시뮬레이터, 합성 데이터 생성기, 또는 특화된 월드-액션 모델의 기반으로 사용할 수 있다.

이 패밀리에는 고충실도 월드 모델링을 목표로 하는 640억 파라미터의 Cosmos 3 Super, 더 효율적인 추론과 포스트 트레이닝을 위한 160억 파라미터의 Cosmos 3 Nano, 그리고 온디바이스 비전 추론과 로봇 정책 배포를 위한 40억 파라미터의 Cosmos 3 Edge가 포함된다. NVIDIA는 Cosmos 3 Edge가 RTX GPU, DGX 시스템, Jetson Thor 플랫폼을 포함한 Jetson 하드웨어 전반에서 실행될 수 있다고 말한다.

NVIDIA는 또한 자사의 월드 파운데이션 모델이 Linux Foundation의 OpenMDW 1.1 라이선스로 배포된다고 밝힌다. 회사에 따르면 이 라이선스는 팀이 자신의 데이터와 하드웨어에서 모델을 포스트 트레이닝할 수 있게 해준다. 빌더에게 중요한 것은 모델 가중치에 대한 접근뿐 아니라, 민감한 운영 데이터를 외부 서비스로 보내지 않고도 모델을 변경할 수 있다는 점이다.

주변 툴링 역시 중요하다. NVIDIA Omniverse 라이브러리는 시뮬레이션 준비가 된 환경을 만들 수 있는 기능을 제공하고, OpenUSD는 디지털 트윈, 시뮬레이션, 합성 데이터 워크플로 전반에서 3D 데이터를 구성하고 교환할 수 있는 개방형 프레임워크를 제공한다. 원칙적으로 이 조합은 개발자가 자산, 센서 구성, 환경 조건을 바꿀 때 반복 작업을 줄여줄 수 있다.

NVIDIA 주장 뒤의 증거와 한계

이번 발표에서 가장 강한 성능 및 채택 주장은 NVIDIA 자체에서 나온다. 회사는 Cosmos 3가 여러 평가에서 1위를 차지했다고 말하며, 여기에는 오픈웨이트 텍스트-투-이미지 및 이미지-투-비디오 생성에 대한 Artificial Analysis 카테고리, 월드 생성에 대한 PAI-Bench, Physics-IQ의 이미지-투-비디오 카테고리가 포함된다. NVIDIA는 또한 로봇 정책에 대한 RoboLab에서 1위를 기록했다고 보고하며, Cosmos 3 Super가 시각 이해 분야의 VANTAGE-Bench에서 가장 높은 순위의 오픈 모델이라고 말한다.

이러한 결과는 NVIDIA가 시장이 Cosmos 3와 연관 짓고 싶어 하는 영역을 보여주지만, 출처는 기본 점수, 테스트 구성, 독립적 재현을 제공하지 않는다. 따라서 벤치마크 선두는 특정 프로덕션 환경에서 대체 모델보다 우수하다는 결정적 증거가 아니라 벤더가 보고한 결과로 간주해야 한다.

NVIDIA는 또한 로보틱스 분야에서 Doosan Robotics, LG Electronics, Samsung Electronics, Skild AI와의 배포 또는 협업, 자율주행차 분야에서 Li Auto, Xiaomi, Afari와의 협업, 그리고 산업 및 스마트 스페이스 비전 시스템을 다루는 여러 회사를 나열한다. 그러나 발표는 사용량, 프로덕션 배포, 매출, 성능 개선을 수치로 제시하지 않는다. 이 이름들은 생태계 참여의 증거이지 Cosmos 3가 표준 플랫폼이 되었다는 증거는 아니다.

이 스택이 빌더와 기업에 의미하는 것

AI 빌더에게 NVIDIA의 제안은 더 통합된 개발 경로다. Cosmos 3로 시나리오를 생성하거나 추론하고, Omniverse와 OpenUSD를 통해 환경을 구성하며, 시뮬레이션에서 정책을 훈련하거나 테스트한 뒤 최적화된 모델을 엣지 디바이스로 옮기는 방식이다. 이러한 워크플로는 실제 데이터가 비싸거나 안전상 민감하거나, 드문 사건을 커버하기에 너무 부족할 때 가치가 있을 수 있다.

대신 복잡성이 따른다. 일반 장면에서는 잘 작동하는 월드 모델도 기업의 특정 로봇 형상, 카메라 배치, 센서 노이즈, 운영 절차를 이해하지 못할 수 있다. 포스트 트레이닝은 여전히 필요하며, 환경이 접촉, 움직임, 날씨, 인간 행동을 정확하게 반영하지 못하면 시뮬레이션 품질이 병목이 될 수 있다.

NVIDIA의 더 넓은 피지컬 AI 포트폴리오는 이러한 특화 전략을 반영한다. Isaac GR00T는 로보틱스를, Alpamayo는 자율주행차를, Metropolis는 비전 AI를 겨냥한다. 회사는 단일 범용 모델을 채택하라고 요구하기보다, 공통 하드웨어 및 시뮬레이션 생태계를 중심으로 도메인 지향적 구성 요소 모음을 제공하고 있다.

기업 관점에서 실질적인 질문은 라이선스, 하드웨어 비용, 데이터 거버넌스, 검증, 운영 신뢰성에 관한 것이다. 자체 인프라에서 모델을 실행하면 민감한 데이터에 대한 통제력이 높아질 수 있지만, 모델 제공, 모니터링, 업데이트의 부담은 고객에게 옮겨질 수 있다. 안전이 중요한 환경에서는 합성 데이터와 시뮬레이션이 테스트를 지원하겠지만, 실제 세계 검증의 필요성을 없애지는 못한다.

앞으로 주목할 점

다음의 의미 있는 신호는 평가 설정을 공개하고 Cosmos 3를 다른 오픈 및 독점 월드 모델과 비교하는 독립 벤치마크 결과가 될 것이다. 파트너 목록보다 실제 배포 증거가 더 중요하다. 구매자는 학습 시간, 정책 성공률, 장애 감지, 배포 비용의 측정 가능한 개선을 찾아야 한다.

Cosmos Coalition의 일본 확장도 주목할 만한 변화다. 회사는 로보틱스와 제조 분야 리더들이 공장, 물류, 농업, 건설, 의료, 운송을 위한 모델, 연구, 평가 방법에 기여할 계획이라고 말한다. 이러한 노력이 재사용 가능한 데이터셋, 공개 평가, 또는 도메인 특화 모델로 이어지는지는 생태계가 실제로 얼마나 개방적인지 보여줄 것이다.

Jetson 하드웨어에서 Cosmos 3 Edge의 가용성과 사용성 역시 중요하다. 엣지 배포는 지연과 연결 의존성을 줄일 수 있지만, 더 작은 모델이 실제 센서 및 연산 제약 하에서 허용 가능한 신뢰성을 유지해야만 가능하다.

Creati.ai 관점

NVIDIA의 발표는 피지컬 AI의 진짜 병목을 지적한다. 팀에 필요한 것은 단순히 성능이 좋은 모델이 아니다. 사람들이나 값비싼 장비 주변에서 기계가 작동하기 전에 제어 가능한 가중치, 특화된 학습, 현실적인 환경, 그리고 행동을 반복적으로 시험할 수 있는 방법이 필요하다.

회사의 강점은 Cosmos 3, NVIDIA Omniverse, OpenUSD, 그리고 하드웨어 플랫폼을 통해 이러한 계층을 연결하려는 시도에 있다. 아직 남은 질문은 개방성과 벤치마크 결과가 신뢰할 수 있고 경제적인 배포로 이어지는가 하는 점이다. 빌더와 기업 구매자에게 결정적인 증거는 NVIDIA 생태계 서사의 폭이 아니라, 좁게 정의된 환경에서의 투명한 평가와 운영 결과에서 나올 것이다.