物理 AI 正在从数字世界走向现实世界。 与生成文本或代码不同，物理 AI 面向辅助驾驶、机器人等真实世界中的自主系统。这些系统需要在物理环境中完成实时感知、理解、推理与执行复杂动作，其开发涉及数据生成、仿真、策略训练、评估和部署等复杂工作流。当前，物理 AI 正加速落地智能汽车辅助驾驶、工业机器人等关键领域，推动 AI 从“能聊天”迈向“能行动”。

然而，物理 AI 的大规模落地仍面临三重瓶颈。其一，仿真与真实的鸿沟：在虚拟空间中训练的动作策略迁移到真实世界时，光影、摩擦、碰撞等细节偏差极易导致模型失效。其二，长尾数据的匮乏：开放环境中极端场景无穷尽，而真实路采数据中高风险场景出现概率极低，依赖自然采集难以满足模型训练对数据数量与质量的要求。其三，实时决策的延迟：物理 AI 系统需要在毫秒级时间内完成感知、推理与行动规划，对边缘端算力提出了极高要求。

面对这些挑战，NVIDIA 构建了从软件到硬件的完整加速方案。在软件层面，NVIDIA 推出了面向 Physical AI 的全模态世界模型体系 Cosmos™ 3，旨在通过统一模型连接理解、生成、仿真与行动能力。辅助驾驶是 Cosmos 3 服务的三大 Physical AI 核心领域之一，贯穿了从理解、生成到行动的全部能力，一个模型即可覆盖驾驶感知、世界仿真和轨迹规划。

同时，Cosmos 3 还开源了 SDG-DriveSim 合成数据集，重点覆盖加塞、人车交互、变道、绕障、恶劣天气、紧急车辆等真实车队难以采集的长尾安全关键场景。该数据集通过时段、天气、路面材质、车辆/行人资产的确定性排列组合让模型学会分离场景内容与环境因素，提供 4 相机与 7 相机全景环视两种相机配置。对辅助驾驶行业而言，Cosmos 3 可同时充当数据增广引擎、闭环仿真器、驾驶 VLM 和下游专用模型的强力基座，是一个真正面向辅助驾驶全栈的开源世界模型。在硬件层面，凭借 NVIDIA Blackwell 架构强大的计算能力，为物理 AI 在辅助驾驶、具身机器人等领域的规模化应用落地提供了坚实的算力底座。

7月21日14点，智猩猩策划推出的「2026智猩猩公开课 NVIDIA 加速物理 AI 专场」将开讲。NVIDIA 汽车行业解决方案架构师邵浩楠、丽台科技技术架构师李宝国两位主讲人，将分别围绕《NVIDIA Cosmos™ 3: 以全模态世界模型驱动 Physical AI》、《NVIDIA Blackwell：加速物理 AI 落地与应用》带来主题分享。