英伟达（NVIDIA）执行长黄仁勋在全球最大消费电子展CES 2025的主题演讲上，发表名为Cosmos的“世界基础模型”，能够生成逼真且符合物理法则的合成数据，有助降低机械人“实体AI”的开发成本与门槛，因此他豪言：“机械人的ChatGPT时刻即将到来。”到底什么是世界基础模型？除NVIDIA外，在此赛道上还有哪些主要玩家？

AI从感知型演进到实体智能

   2025年1月7日，NVIDIA创办人兼执行长黄仁勋在CES主题演讲开场，展示并解说AI技术的４大演进阶段：感知型AI（Perception AI）、生成式AI（Generative AI）、代理式AI（Agentic AI）、以及实体AI（Physical AI，又称物理AI）。

   AlexNet神经网络系统于2012年以惊人的影像辨识准确率，震撼整个AI学术界，开启了感知型AI时代。此后，AI能够理解和分析输入的图像或语音，广泛应用于医疗影像辨识和语音识别等范畴。2022年，ChatGPT全球爆红，催生了生成式AI热潮，除文案外，能够生成图像、影片、程序码的模型陆续诞生，令AI应用日渐普及。

黄仁勋在CES 2025主题演讲上大喊：“机械人的ChatGPT时刻即将到来。”但他坦承，在达到“ChatGPT时刻”之前，Cosmos仍需努力积累更多数据。（图片来源：翻摄NVIDIA官方YouTube影片）

   来到2025年，AI业界开始步入代理式AI阶段：AI代理（AI Agent）能够自行搜集环境信息，继而自主作出决策并执行任务，适用于金融分析、客户服务和诊断治疗。AI技术发展的下一站将迈向实体AI领域，让AI可以走出数码世界，以人形机械人或自驾车的姿态进入物理世界，与人接触、与现实环境互动。

懂物理定律的世界基础模型

   黄仁勋表示，为求普及实体AI，NVIDIA创建了Cosmos世界基础模型（World Fundamental Model）。实体AI需要大量现实世界的环境数据来训练模型，而Cosmos就可以轻松产制大量极富真实感、兼且符合物理规律的合成数据。开发人员只要输入文字描述、图片或影片，Cosmos即能生成依循物理法则的虚拟动态影像，例如烟尘飘动、水花溅射、以及光线明暗变化等，让机械人或自驾车可以在虚拟世界中接受训练。

黄仁勋表示，Cosmos在输入文字或图像后，即可产制大量虚拟世界动态影像，藉此进行机械人或自驾车的模型训练。（图片来源：翻摄NVIDIA官方YouTube影片）

   同时，开发人员又可以按照开发需要，微调Cosmos自订模型，譬如模拟物流仓库、工厂生产线、甚或各种路面情况。如此一来，初创公司训练机械人时，无需僱用真人进行动作示范；车厂研发自驾系统时，不用派出实体测试车到马路上收集行车数据，有助于大幅降低开发成本，并缩短研发时间。

   Cosmos模型使用来自现实世界的2,000万小时影片做训练，包罗真人互动、环境变化、工业生产、机械人活动、汽车驾驶等9,000兆组标记数据。黄仁勋指出，透过这些资料影片，可以教导AI理解物理世界各种法则，诸如重力、惯性、摩擦力、几何和空间关系、以及因果关系等。

Google发表第二代世界模型

   为了加快机械人和自驾车的发展，Cosmos以开放授权方式提供外界使用。目前首批采用Cosmos模型的业者，包括机械人公司1X、Agile Robots、Agility Robotics、Figure AI，自驾系统开发商Foretellix、自驾货车初创Waabi、电动车厂小鹏汽车，以及叫车服务龙头Uber等。

Cosmos能够模拟各种路况的驾驶环境。（图片来源：翻摄NVIDIA官方YouTube影片）

   除NVIDIA外，近年愈来愈多科技公司投入世界模型的研发，计有Google、OpenAI、Meta、Anthropic、AI教母李飞飞的World Labs、以色列初创Decart等，当中以Google最为进取。早于2024年2月，Google DeepMind已推出世界模型Genie，单靠文字、图片或影片，就能生成可供游玩的2D游戏世界。

   同年12月，DeepMind发表第二代世界模型Genie 2，能够生成3D虚拟环境，让开发人员可以在立体场景中训练AI代理。DeepMind现正筹组一个世界模型的研发团队，由10月从OpenAI跳槽的Sora影片生成模型开发主管提姆·布鲁克斯（Tim Brooks）带领。

游戏、影视职位将被AI取代

   世界模型生成的3D虚拟世界，不仅可用作机械人和自驾车的训练，还可用于影视制作、游戏开发、以至VR内容创作，看似前途一片光明，但却引发不少业者担心，未来或许会减少人类的工作机会。譬如游戏开发商动视暴雪（Activision Blizzard）在2024年3度裁员，然后使用AI来弥补部分员工流失。好莱坞动画师及漫画家工会的调查报告显示，预计2026年逾10万个电影、电视、动画的工作岗位将被AI取代。

Cosmos可以模拟电动拖板车在仓库的所有行走轨迹，从中找出最佳的行驶路径。（图片来源：翻摄NVIDIA官方YouTube影片）

   再者，世界模型有可能涉及版权问题。以Decart的世界模型Oasis为例，能够迅速生成类似微软（Microsoft）游戏作品《Minecraft》的虚拟世界，但未有明确表示已取得微软的许可，使用《Minecraft》游戏影片做模型训练。另外，也有不少世界模型所产生的场景，跟《侠盗猎车手》（Grand Theft Auto）、《要塞英雄》（Fortnite）等游戏的画面非常近似。

   面对侵权疑虑，NVIDIA回应指，Cosmos所用的训练数据采集自各种公共和私人来源，对数据的使用符合法律条例和精神，并强调Cosmos从中学习到的物理世界法则，既不受版权保护，亦不受任何个人或企业控制。然而，有版权专家认为，此说法未必能通过司法审查，最终结果如何还须法院裁决。

   《经济通》所刊的署名及／或不署名文章，相关内容属作者个人意见，并不代表《经济通》立场，《经济通》所扮演的角色是提供一个自由言论平台。