Эпоха отправки «тяжелого» видеопотока в облако для принятия решений роботами упирается в физический предел. Для индустриального сектора образца 2026 года главной проблемой становится не просто наличие связи, а задержки и риски безопасности, неизбежные при удаленном инференсе. В NVIDIA на этот вызов ответили релизом Cosmos 3 Edge — открытой world-модели на 4 млрд параметров, созданной специально для систем с жестко ограниченной памятью. Как отмечают разработчики Пранджали Джоши и Саид Бабамохамади, эта модель обеспечивает производительность уровня дата-центра прямо «на периферии», позволяя машинам на заводах и складах понимать и предсказывать изменения сцены в реальном времени.
Архитектура рассуждений на периферии Технический разрыв шаблона от NVIDIA заключается в двухбашенной архитектуре трансформеров, втиснутой в лимиты памяти Edge-устройств. Одна авторегрессионная башня обрабатывает визуальные и текстовые токены для «рассуждений», а вторая, диффузионная, управляет звуком, видео и токенами действий для нейросимуляции. Такая связка позволяет системе проигрывать возможные сценарии будущего до того, как робот совершит физическое движение.
Cosmos 3 Edge работает в разрешении 640×360, обеспечивая инференс в реальном времени и генерацию до 32 действий за прогон на модулях NVIDIA Jetson Thor.
Эта способность к высокой пропускной способности — не лабораторный курьез. Модель оптимизирована под GPU NVIDIA RTX PRO, системы DGX и анонсированные модули Jetson T2000 и T3000. Обеспечивая локальный контроль на частоте 15 Гц, бизнес избавляется от «облачного налога» — как в виде прямых затрат на передачу данных, так и скрытых издержек от лагов, которые в больницах или логистических хабах приводят к авариям.
Решение проблемы воплощенного ИИ через единое представление Исторически физический ИИ страдал от того, что беспилотник, манипулятор и многопалый захват «говорят» на разных механических языках. Cosmos 3 Edge создает прямую связь между управлением и визуальной структурой мира, ассоциируя изменение пикселей с физическим движением и причинно-следственными связями.
Среди моделей аналогичного размера (4B параметров) Cosmos 3 Edge занимает первое место в бенчмарке VANTAGE-Bench по видеоаналитике и демонстрирует state-of-the-art результаты в обучении роботов стратегиям поведения.
Рейтинги подтверждают: 4 млрд параметров — это то самое «золотое сечение», когда модель достаточно велика для понимания сложных пространственных связей, но достаточно компактна для локального контроллера. Интеграция с Hugging Face дает разработчикам возможность быстро собирать кастомных индустриальных агентов, которые не просто распознают объекты, а понимают, что произойдет в момент контакта захвата с деталью.
Релиз Cosmos 3 Edge окончательно переносит интеллект из централизованных серверных в буквальном смысле в конечности роботов, обеспечивая автономность без внешних зависимостей. Для руководителей в производстве и здравоохранении это означает переход к суверенной автоматизации с минимальной задержкой, где генерация действий происходит непосредственно в точке контакта. Техническим директорам пора оценивать модули Jetson T2000 и T3000 — время реактивной автоматизации прошло, наступает эпоха предиктивного моделирования мира.