NVIDIA Cosmos 3が物理AI革命を開幕、世界初のオムニモデル登場

物理AIの「ビッグバン」——NVIDIAが世界初のオムニモデルを解放

2026年6月1日、台湾で開催されたNVIDIA GTC Taipei（COMPUTEX併催）において、半導体・AI大手NVIDIAは「NVIDIA Cosmos 3」を正式発表した。Cosmos 3は、テキスト・画像・動画・環境音・アクションにわたるネイティブなビジョン推論とマルチモーダル生成を備えた、世界初の完全オープンなオムニモデルであり、最先端の合成データ生成と物理AIポリシーモデル開発を実現する。

これはロボティクス・自動運転車・インフラ向けビジョンAIなど、現実世界で動作するAIシステムの開発に携わるすべての企業・開発者にとって、パラダイムシフトを告げる出来事だ。これまで別々に構築・管理が必要だった複数のAIモデルが、ひとつの基盤モデルに統合されたことで、開発コストとリードタイムが劇的に削減される見通しだ。

「マルチモーダル推論・言語・ビジョン・ワールドモデルにおける画期的な進歩のおかげで、物理AIのビッグバンはすぐそこまで来ている」とNVIDIA創業者兼CEOのジェンスン・ファン氏は述べた。「Cosmos 3のオープンでフロンティアなオムニモデルファミリーは、ロボット・自動運転車・ビジョンAIを現実世界で知覚・推論・計画・行動させる能力において、開発者に世代的な飛躍をもたらす。」

Cosmos 3とは何か——アーキテクチャと革新的な統合

Cosmos 3における最大の変化は、Mixture-of-Transformers（MoT）アーキテクチャに基づくオムニモデルへの進化だ。従来、開発者はワールド生成（Cosmos Predict）・制御生成（Cosmos Transfer）・シーン理解（Cosmos Reason）・ポリシー生成（Cosmos Policy）といった異なるモデルを個別に扱う必要があった。

モデルのMixture-of-Transformersアーキテクチャは、推論トランスフォーマーと専門生成トランスフォーマーをペアリングし、Cosmos 3がビデオやアクションのトラジェクトリを生成する前に、物体の相互作用・動き・時空間的な関係を理解することを可能にする。

Cosmos 3は多様なデータで学習された汎用基盤モデルであり、シーン・動き・ロボットアクションがどのように関係するかについての幅広い理解を持つ。ネイティブなアクション生成機能を持つオムニモデルとして、ロボットがタスクを完了するための関節角度・グリッパー位置・トラジェクトリポイントといった数値アクションデータを生成できる。

解決する課題：物理AIの根本的ボトルネック

Cosmos 3が取り組む根本的な課題は、物理AIにおける「限られた学習データと断片化されたシミュレーションスタックという制約の中で、ロボット・自動運転車・ビジョンエージェントが現実世界で汎化できるようにする」ことだ。

自律的に動作するには、物理AIシステムは見えているものだけでなく、その原因と次に起こることを理解する必要がある。倉庫ではロボットが見たことのない物体の配置に遭遇し、道路では歩行者が駐車車両の間から飛び出すシナリオに対応しなければならず、工場では安全システムがフォークリフトの現在位置だけでなく向かっている先を予測しなければならない。こうしたシナリオを現実世界で記録・再現することは、遅くてコストがかかり、大規模なスケールでは不可能なことも多い。

モデルラインアップ：用途別の3バリアント

Cosmos 3ファミリーは、物理AI開発の各ステージに対応したオプションを開発者に提供する。

Cosmos 3 Super（64Bパラメータ）：32Bの推論モデルと32Bの生成モデルで構成される64Bパラメータモデルで、大規模な合成データ生成と研究向けに設計されており、NVIDIA HopperおよびBlackwell GPUで動作する。
Cosmos 3 Nano（16Bパラメータ）：8Bの推論モデルと8Bの生成モデルからなる16Bパラメータモデルで、効率的な推論向けに最適化されており、RTX PRO 6000 GPUのようなワークステーショングレードのコンピュートで動作する。
Cosmos 3 Edge（近日公開予定）：エッジでのリアルタイム推論に対応予定。

ベンチマーク実績：オープンモデル首位を多数獲得

オープンモデルの中で、Cosmos 3はビジョン推論・テキストから画像生成・画像からワールド生成・ワールドアクション生成において、8つ以上のリーダーボードで最先端の物理精度とともに第1位を獲得している。

Cosmos 3はPhysics-IQ・R-Bench・PAI-Benchのリーダーボードでもトップに立ち、ワールド生成に関する各種ベンチマークで首位を獲得している。さらにスマートインフラのシーン理解をテストするVANTAGE-Benchと、交通異常推論をテストするTARチャレンジでも、オープンなビジョン言語モデルのトップランクを誇る。

ビジネス視点：企業・経営者にとっての意味

NVIDIAのCosmos 3リリースは、同社の価値獲得をチップハードウェアから物理AIの基盤インフラへと拡大し、物理AIカテゴリのデフォルトモデル兼コンピュートプロバイダーとしての地位を確立するものだ。

MoTアーキテクチャは、ビジョン推論・ワールド生成・アクション予測を単一モデルに統合することで、危険または稀なシナリオの合成データを生成し、ロボットのトレーニングサイクルを数か月から数日に圧縮する。

企業にとっての主なメリットをまとめると以下の通りだ：

開発コストの大幅削減：複数のAIモデルを個別に開発・維持するコストが不要になる
リードタイムの短縮：物理AIのトレーニング・評価サイクルが数か月から数日へ
合成データ活用：テキスト・画像・動画・音声・アクションのトラジェクトリを含む数十億サンプルからなる最大級のマルチモーダル物理AIデータセットで学習されており、少ないデータと低いトレーニングコストで物理AIシステムを構築できる。
オープンライセンス：Linux FoundationのOpenMDW 1.1ライセンスにより、開発者は物理AIワークフロー全体でCosmos 3のモデル成果物を単一のモデル中心のフレームワーク下で利用できる。

Cosmos CoalitionにAgile Robots・Runway・Black Forest Labs・Skild AIが参加し、LGエレクトロニクス・サムスン電子・Liオート・Doosanロボティクスが産業側のコミットメントを示したことは、開発者実験を超えた生産レベルの展開を示唆している。

主要パートナー企業の活用事例

Agile Robotsは、産業タスクを自律的・精密・効率的に処理するThor 3やFR3などのヒューマノイドと各種ロボットを開発しており、Cosmos 3を使ってポリシー開発のためのアクション条件付きロボットデータを生成し、多様なタスクトラジェクトリを大規模に作成している。

Linker Visionは、NVIDIAの物理AIとデジタルツイン技術を活用してスマートシティと産業ソリューションを構築しており、Cosmosのビジョン言語推論機能を使ってライブカメラストリームを分析し、空間コンテキストを理解、数千のフィードにわたって根本原因分析を実施している。

消費者・生活者視点：私たちの日常への影響

Cosmos 3の影響は、エンジニアや研究者だけにとどまらない。物理AIの民主化は、日常生活のあらゆる場面に変化をもたらすと見られる。

物流・倉庫：洗濯物のたたみ方を学習するロボット、自動運転シミュレーションの構築、倉庫安全シナリオの合成学習データ生成など、Cosmos 3はこれらの具体的なユースケースのために設計された基盤モデルだ。これにより、自動化された物流センターが急速に普及し、翌日・当日配送の精度と速度が向上する可能性がある。
自動運転：生成された事例は合成データワークフローと未来状態予測をサポートし、実走行データと組み合わせることで、フレームごとに状況が変化する中でも自動運転の安全性を高める。
スマートシティ：交通システム・工場・倉庫・公共空間において、ビデオシステムが時間の経過とともに活動を解釈し、異常を表面化させ、複雑な環境全体で起きていることについてオペレーターに豊かなコンテキストを提供できるようになる。
医療・介護：ロボット支援手術や介護ロボットの精度向上が期待され、高齢化社会の課題解決に貢献する可能性がある。

専門家の見解：業界からの評価と懸念

NVIDIAのVP、ミン・ユー・リウ氏はCosmos 3について、「ワールドモデルは、世界の動作原理を理解することで物理エージェントをより汎化可能にしようとしている」と述べており、VANTAGE-Bench・TAR・Physics-IQ・R-Bench・PAI-Benchという5つのリーダーボードにわたる実世界検証を伴う技術的な深堀りがその裏付けとなっている。

公式発表によれば、Cosmos 3は単一のアーキテクチャ内で5つの異なるタスクを実行でき、これまで複数の専門化されたモデルを必要としていた作業を置き換える。現在、ビジョン・シミュレーション・アクションの各モデルを個別に扱っているチームにとって、この統合は運用の複雑さを測定可能な形で削減する。

一方で、業界では慎重な声もある。批評家たちは、安全ドキュメントとして機能することが意図されているCosmos 3の推論トレースが、内部ネットワークの実際の動作を正確に反映していない可能性を指摘しており、これはモデルが自動運転や産業オートメーションへと移行するにつれて重要な懸念事項となっている。またWaymoやTeslaとの外部ベンチマーク比較は存在せず、NVIDIAの自動運転性能の主張は独立した第三者機関による検証がなされていない。

国際比較：グローバルな物理AI競争の最前線

Cosmos 3の発表は、グローバルな物理AI覇権争いの文脈でも注目される。GoogleのDeepMindがロボット基盤モデル「RT-X」シリーズを展開し、MetaがロボティクスAI研究を強化する中、NVIDIAはハードウェア（GPU）から基盤モデル（Cosmos）・シミュレーション（Omniverse）・展開インフラ（NIM）までのフルスタックエコシステムを構築することで差別化を図っている。

一連の発表は、合成データ生成・シミュレーションから現実世界への展開まで、物理AIのフルスタックエコシステムを構築するNVIDIAの戦略を浮き彫りにしている。

中国市場でも、ロボティクス分野ではAgile Robots・Doosanロボティクス・LGエレクトロニクス・サムスン電子・Skild AI、自動運転ではLiオートなど、アジアの有力企業が積極的にCosmos 3プラットフォームを採用している。

欧州でも産業用ロボット大国のドイツや日本の自動車メーカーが物理AI基盤モデルの採用を検討しているとみられ、Cosmos 3は今後グローバルな標準基盤として台頭する可能性がある。

今後の展望：注目すべきポイント

Cosmos 3の登場によって、今後以下の動向が加速すると予測される：

エンタープライズ向けロボット導入の急加速：このモデルは物理AIのトレーニングと評価サイクルを数か月から数日に圧縮するよう設計されており、自動運転車開発・ロボティクス・ビジョンAIへの直接的な応用がある。これにより、従来は大手メーカーしか負担できなかった開発コストが中小企業でも現実的になる見通しだ。
合成データ市場の拡大：NVIDIAはロボティクス・物理・推論・人の動き・自動運転・倉庫運営という6つのドメインにわたる合成データセットを同時公開した。物理システム向けの現実世界アノテーションデータを持たないチームが、事前収集インフラなしで具体的な出発点を得られるようになる。
Cosmos Coalitionの拡大：Cosmos Coalitionはワールドモデルビルダー・AI開発者・物理AIリーダーによるグローバルなコラボレーションであり、メンバーがモデル・研究・評価技術を提供しながらCosmos 3技術を活用できる体制が整っている。今後さらに多くの企業が参画することが予想される。
Cosmos 3 Edgeの登場：近日公開予定のCosmos 3 Edgeがリアルタイムエッジ推論に対応すれば、クラウド非依存の現場展開が一気に現実味を帯びる。工場のライン上や自動運転車の車内での即時推論が可能になり、レイテンシとプライバシーの課題を同時に解決できる。
NVIDIAの戦略的地位の強化：Cosmos 3はNVIDIAが物理AIプラットフォーム層を掌握し、チップ販売を超えてロボティクスと自動運転全体にわたって継続的な価値を獲得しようとする動きとして捉えられている。

まとめ：Cosmos 3が示す3つの転換点

「統合」による開発革命：ビジョン推論・ワールドシミュレーション・アクション生成を単一モデルに統合したことで、物理AIの開発が根本的にシンプルになり、物理AIのトレーニングと評価サイクルが数か月から数日へと短縮される。
「オープン」による民主化：開発者はbuild.nvidia.comでCosmos 3を試し、Hugging Faceからオープンモデルをダウンロードし、GitHubのリソースでモデルをカスタマイズして合成データを生成し、NVIDIA NIMマイクロサービスでデプロイできる。フルスタックがオープンに開放された点が最大の差別化要因だ。
「エコシステム」による産業変革：NVIDIA Cosmos Coalitionには、Agile Robots・Black Forest Labs・Generalist・LTX・Runway・Skild AIなどの主要AIラボとロボティクスリーダーが参加し、次世代のオープンワールドモデルの発展を推進している。物理AI開発のデファクトスタンダードをNVIDIAが握る未来が現実味を帯びてきた。

参考情報

著者プロフィール

伊東雄歩（いとうゆうほ） / ゆぽゆぽ

株式会社ウォーカー代表取締役 / MENSA会員 / NLPマスタープラクティショナー

IQ130超のADHD経営者。「社会不適合」ゆえに会社員を2年で挫折し、フリーランスを経由せずいきなり起業。訴訟4回、2000万円の損失、役員の裏切り、オフショア開発の地獄を乗り越え10年生き残る。心理学・教育学に1000万円投資し、独自の「成長力学」を確立。現在は生成AI教育に注力し、「3年を2日に変える」AIプログラミング2Daysキャンプを全国展開中。AIフレンズコミュニティを運営。

夢は「世界征服」——世界の常識を変え、新しい価値観を提示すること。