夜雨聆风一千万次 当这个数字在X上亮出的那一刻，整个物理AI圈子都沸了。
这次冲上千万的，是一套开放的AI世界模型。全球开发者、研究机构和机器人公司已经在Hugging Face上拉取了整整一千万次。
这件事，比你想象的要大得多
▲ 英伟达官方宣布：Hugging Face上Cosmos模型累计下载突破1000万，背景图中机器人与机械臂在巨大"10M"字样旁劳作，科幻感十足
凌晨六点，一条推文点燃了整个物理AI圈
2026年7月28日凌晨，英伟达官方AI账号发出一条推文。 配图是工厂厂房里，一个白色台座上矗立着金色立体大字"10M"，清洁机器人在字母间穿行擦拭，机械臂正在焊接，四足机器狗守在一旁，自动驾驶厢式车停在角落。
画面指向了工厂、道路与机器人本体，这就是Cosmos想要服务的世界。
官方配文写道："一千万次下载，并且还在继续。这个里程碑属于开发者和研究者，那些用开放世界基础模型构建机器人、自动驾驶汽车以及其他物理AI系统的人。感谢你们与我们一起下载、实验、构建"
“与我们一起”把开发者放进了共同缔造者的位置。英伟达也把这场物理AI革命归于所有参与者。
▲ 同一条线程中，英伟达特意附上了Cosmos 3 Edge的介绍链接，把千万下载与最新边缘版本放在一起
你可能不知道什么是"世界模型"，但它正在改变机器的眼睛
先停一下，解释个关键概念
很多人知道大语言模型（GPT那种）、也知道文生图（Midjourney那种）。但世界模型（World Model）是另一个维度的东西。
打个比方：普通视觉AI看到一根香蕉，会说"那是香蕉"。世界模型则会在脑子里推演：夹爪靠近时香蕉会怎么移动？接触之后会滑动还是掉落？为了把它放进盘子里，机械臂应该输出什么样的力？
它会“认识世界”，也会在内部“模拟世界”
这正是机器人和自动驾驶最渴望的能力。真实世界的数据太贵、太危险、太难标注，你不能让一辆自动驾驶测试车去撞一次行人，就为了收集一条训练数据。世界模型的承诺是：在数字空间里把真实世界"模拟"出来，让AI在里面反复犯错、反复学习。
Cosmos的逻辑正是如此2025年1月，英伟达拿出了一个平台级的技术方案：用约两千万小时量级的视频数据预训练一个通用"世界先验"，再让下游团队按自己的机器人、传感器、任务场景后训练微调。
你可以把Cosmos理解为：机器人届的ImageNet时刻，一个让所有人都能站上去的基础台阶。
▲ 英伟达官网Cosmos产品页：黑底绿字，"The Open Physical AI Foundation Model"，旁边是绿色下载按钮
从300万到500万再到1000万，这条增长曲线藏着什么秘密？
时间线值得细看
- 2025年1月
：Cosmos平台公开，第一批开放权重上架Hugging Face - 2025年9月
：下载量突破300万 - 2026年1月
：Cosmos满一周年，庆祝500万下载 - 2026年5月31日
：发布Cosmos 3，号称"第一个原生具备推理、世界与动作生成的开放物理AI基础模型" - 2026年7月20日
：Cosmos 3 Edge上线，40亿参数，专为边缘设备设计 - 2026年7月末
：宣布突破1000万
从5M到10M，只花了不到七个月而且，最后那段加速，恰好对应着Cosmos 3和Edge版本的发布。
这段加速与Cosmos 3和Edge的发布高度重合。模型缩小并走上真实硬件后，开发者的采用速度明显加快。
Cosmos 3的野心：一个模型，同时是"眼睛"和"手"
2026年5月，Cosmos 3横空出世。英伟达给它起了一个雄心勃勃的名字："omnimodel"（全模态模型）。
架构上，它采用Mixture-of-Transformers（混合Transformer），用两个塔支撑整个系统：
- 自回归塔
：处理视觉与文本，负责"理解与推理"，机器的大脑 - 扩散塔
：处理视觉、音频与动作token，负责"预测与生成"，机器的想象力
两个塔通过共享的多模态注意力机制连接。动作被编码为紧凑的几何向量（平移、旋转、操作状态等），无论是汽车、机械臂还是夹爪，都能映射进同一套表达语言。
黄仁勋在新闻稿里说：物理AI的"大爆炸"临近了。
这句话，现在看来不像夸张
产品按算力分三档：Super（高精度后训练）、Nano（快速视频推理）、Edge（机载实时控制）。这个设计哲学和大语言模型的GPT-4 → GPT-4o mini路径如出一辙，先做能力天花板，再往下压缩，直到能跑在你的机器人体内。
▲ 2026年5月31日，NVIDIA Newsroom发布Cosmos 3新闻稿；Super/Nano/Edge三档架构清晰展示
最性感的那张牌：4B参数，机器人体内，每秒15帧
7月20日，Cosmos 3 Edge上线，整个故事被推进到了一个新维度。
40亿参数 可以跑在Jetson Thor、GeForce RTX、乃至刚公布的T2000/T3000嵌入式模块上。官方给出的工程数字：每次推理生成32个动作、约15 Hz的实时控制频率。
15 Hz，也就是机器人每秒更新15次决策，已经可以控制真实机械臂完成抓取任务。
配套还发布了基于DROID数据集后训练的Edge Policy检查点，可以直接接进真机控制回路。
就在千万下载庆祝帖里，英伟达把官方线程指向了Edge介绍博客。庆祝下载量的同时，也在展示开发者接下来能做什么。
▲ Hugging Face博客《Introducing Cosmos 3 Edge》：发布于2026年7月20日，40亿参数，机器人边缘部署，Jetson上约15Hz实时控制
最打动人的声音，来自一个普通开发者
里程碑帖下，反应最快的是机构和大V。Hugging Face产品负责人Jeff Boudier公开祝贺，说期待Cosmos进入LeRobot、diffusers、vLLM用户手中，把Cosmos放进了开源机器人工具链的正统序列里。
Cosmos Lab负责人Ming-Yu Liu引用转发，语气里有一种平静的骄傲：“为我们共同构建的东西感到自豪，更期待开发者和研究者接下来创造出什么。”
但最让人动容的，是一条个人开发者的推文：
"1000万次下载。我只是其中微小的一部分。但这些开放模型，让我以不久前还无法想象的方式探索物理AI……"
开放权重给一个下载数字添上了人的分量：无数个“本来不可能”由此变成“原来可以”。
▲ 开发者Joey：作为本地运行Cosmos的构建者，"我为自己成为这1000万中的一小部分感到自豪"
一千万，只是开场白
当然，先看清这项数字的边界：下载量无法直接代表能力、商业成功或机器人已经学会了实际任务。
官方说的“1000万”，是Cosmos全产品线在Hugging Face上的汇总数字。Hugging Face集合页上，Nano版下载量远高于Super版，Edge作为新品已有数万量级。社区的选择已经显现：小而可用的模型更受欢迎，庞大的论文模型则落在后面。
更深的挑战在后面：合成数据如果分布不对，会放大偏差；世界模型生成的画面如果违反物理规律，下游策略就会学坏；而商业采用还需要过法务合规这一关，开放权重可以商用吗？派生模型能闭源吗？这些问题，下载量数字里看不到答案
但这些，都是下一步的问题
现在这一步，是历史性的 从2025年1月第一批权重上线，到18个月后1000万次下载，物理AI从一个实验室词汇，变成了全球开发者工具箱里真实存在的东西。
DeepMind的Genie系列在做"可实时探索的交互世界"，初创公司在把世界模型塞进具身智能流水线，而英伟达用Cosmos做的事情是：把整条从数据到部署的工具链开放出来，让最小的团队也能站上巨人的肩膀。
黄仁勋说物理AI的大爆炸临近
1000万次下载，可能只是爆炸前的最后一声倒计时。
▲ Hugging Face上的Cosmos3集合：Super、Nano、Edge、Policy检查点并列，构成一个"可下载的产品矩阵"
参考来源：NVIDIA官方X账号、Hugging Face博客、NVIDIA Newsroom新闻稿、arXiv:2501.03575、Cosmos 3技术报告