Сьогодні під час заходу GTC Taipei в межах виставки Computex 2026 Дженсен Хуанг представив світу розробку під назвою Cosmos 3. Цей продукт є наймасштабнішим релізом компанії NVIDIA у сфері програмного забезпечення із відкритим вихідним кодом. Новинка є базовою моделлю фізичного AI, що спроможна об’єднати процеси зорового аналізу, моделювання навколишнього простору та прогнозування дій в один спільний комплекс.
Щоб дізнатись останні новини, слідкуйте за нашим каналом Google News онлайн або через застосунок.
Одночасно з цим американський технологічний гігант оголосив про створення консорціуму Cosmos Coalition, куди увійшли компанії Agile Robots, Black Forest Labs, Runway та Skild AI. Спільні зусилля цих партнерів будуть спрямовані на прискорення розробки загальнодоступних моделей навколишнього світу. Цей анонс став найвагомішою новиною у галузі комп’ютерних систем за сьогоднішній день.
Читайте також: AERONAUT – про все, що літає вище землі: авіація, БПЛА та дрони, ракети та космос
NVIDIA Cosmos 3 позиціонується як перша у світі повністю публічна омнімодель, призначена для втілення фізичного AI та побудована на базі інноваційної архітектури суміші трансформерів. Програмний продукт Cosmos 3 на базовому рівні здатен сприймати та самостійно створювати текстовий контент, графічні зображення, відеоматеріали, фонові звуки та алгоритми дій всередині єдиної обчислювальної структури.
Це відкриває можливості для паралельної генерації синтетичної інформації та проєктування стратегій поведінки фізичного AI. На платформі Hugging Face для розробників уже розміщено дві модифікації різного масштабу: компактніша Cosmos 3 Nano та повнорозмірна Cosmos 3 Super. Весь супутній інструментарій, включно зі сценаріями для навчання нейромережі, засобами для її розгортання та базами даних, опубліковано у вільному доступі на сервісі GitHub.
Паралельно NVIDIA дала старт об’єднанню Cosmos Coalition, засновниками якого стали компанії Agile Robots, Black Forest Labs, Generalist, LTX, Runway та Skild AI. Створена модель Cosmos 3 продемонструвала найкращі показники продуктивності та очолила рейтинги у тестах на створення зображень за текстом та генерацію відео на основі статичних картинок. Серед брендів, які вже офіційно підтвердили намір інтегрувати цей інструмент у свої процеси, значаться корпорації Samsung, LG Electronics, Li Auto, а також Doosan Robotics.
Велика кількість сучасних систем штучного інтелекту добре оперує людською мовою, а окремі розробки здатні аналізувати графічні файли та відео. Проте технологія фізичного AI має справу із набагато складнішим викликом, який полягає в оцінці майбутніх подій у реальному просторі. Наприклад, маніпулятор роботизованої системи під час наближення до предмета повинен заздалегідь прорахувати траєкторію його зміщення після торкання. Аналогічно безпілотний автомобіль має точно проаналізувати ймовірну поведінку людини, яка збирається зійти з тротуару на проїжджу частину. Подібні операції не пов’язані з обробкою мови, оскільки вони лежать у площині розрахунку законів фізики.
Програмний комплекс Cosmos 3 створювався саме для вирішення таких завдань. Спеціальна архітектура суміші трансформерів дозволяє одночасно опрацьовувати кілька потоків інформації, що надходять від камер спостереження, різноманітних датчиків чи у вигляді текстових вказівок. На основі цих відомостей система прогнозує майбутній стан середовища та генерує чіткі рекомендації щодо подальших дій. Завдяки цьому обладнання під керуванням Cosmos 3 не просто фіксує поточні обставини, а формує внутрішню симуляцію того, як саме виглядатиме простір через секунду, після чого приймає рішення на основі побудованого прогнозу.
Попередні варіанти систем фізичного AI використовували окремі ізольовані алгоритми для обробки різних типів даних, де одна частина відповідала за зір, інша за мову, а третя прораховувала безпосередні рухи. Об’єднання таких компонентів нагадувало клаптеву ковдру. На противагу цьому Cosmos 3 працює з текстом, картинками, відео, навколишніми шумами та фізичними діями всередині єдиної збалансованої моделі. Така архітектурна зміна є критично важливою, оскільки у реальних умовах пристроям необхідно миттєво перетинати ці кордони. Вони мають одночасно розпізнавати голосові команди, сканувати оточення, передбачати звукові сигнали та віддавати накази приводам у межах одного циклу обчислень. Варіант Cosmos 3 Nano є полегшеною та менш вибагливою версією для використання на кінцевих пристроях, тоді як модифікація Cosmos 3 Super являє собою повномасштабне рішення для дата-центрів, орієнтоване на глибоке навчання та високоточну симуляцію процесів.
Корпорація NVIDIA ухвалила рішення зробити загальнодоступними цифрові ваги моделі, скрипти для її навчання, сервісні інструменти для впровадження, а також повні набори даних, на яких тренувалася Cosmos 3. Такий рівень відкритості для передових AI розробок є рідкісним явищем. Пряма мета цього кроку полягає у забезпеченні відтворюваності результатів, щоб сторонні дослідницькі лабораторії мали змогу самостійно перевірити досягнення NVIDIA та створювати власні рішення на цій базі, замість того, щоб просто довіряти цифрам у маркетингових матеріалах. Організаційним інструментом для такої співпраці став консорціум Cosmos Coalition. Учасники цього об’єднання, серед яких Agile Robots, Black Forest Labs та Runway, беруть на себе зобов’язання розвивати спільну екосистему відкритих моделей світу замість розробки закритих продуктів-конкурентів.
Читайте також:
- Huawei знайшла спосіб обійти санкції США щодо чипів: Що відомо про Tau Scaling Law
- Новий чип Zhenwu M890 для ШІ: Як американські санкції народили китайський технологічний суверенітет