NVIDIAが「オープンワールドモデル」で仕掛けること——Cosmos 3が示す物理AIの構造変化
NVIDIAが「オープン」を選んだのには理由がある
2026年7月、NVIDIAは200社以上の企業・組織とともにオープンレター「Open Weights and American AI Leadership」に署名した。その主旨は端的だ——「AIのリーダーシップは、単一のフロンティアモデルの強さではなく、オープンなエコシステムがあらゆるセクターに届くかどうかで測られる」。
この文脈でNVIDIAが発表したのが、物理AI向けオープンワールドモデルの新世代「Cosmos 3」だ。ロボティクス、自律走行車両、ビジョンAIを横断する基盤モデルであり、Mixture-of-Transformers（MoT）アーキテクチャを採用している。
なぜNVIDIAが「オープン」を選んだか。GPUを売るためにクローズドに囲い込む方が短期的には合理的に見える。だが実態はそうではない。物理AIの現場では「専門化」こそが価値の源泉であり、専門化にはモデルの重みへのアクセスと、それを自社データで再訓練できる権利が不可欠だ。オープン化は、NVIDIAの競合優位を失わせるのではなく、「物理AIの基盤はNVIDIAのスタック上で動く」という状況を広げる戦略でもある。
物理AIが抱える本質的な問題——なぜワールドモデルが必要なのか
AIが文章を書き、コードを書き、画像を生成することには慣れてきた。しかし、ロボットや自動運転車が「現実」でつまずき続けているのはなぜか。
テキスト生成AIはパターンの補完が得意だ。だが物理AIに必要なのは「この行動を取ったら、次に何が起きるか」という予測能力——つまり因果と物理法則の理解だ。見た目だけでなく、結果を予測できなければならない。
その問題を根本から解こうとしているのが「ワールドモデル」だ。NVIDIAの説明を整理するとこうなる。
- データの問題：物理AIに必要な大規模データは収集が困難で高コストだ。特にレアイベントやロングテールシナリオは、安全に繰り返し再現すること自体が難しい。
- ワールドモデルの役割：大規模なマルチモーダルシナリオから物理的な関係性を学習し、天候・照明・物体・軌跡が異なる多様な環境を生成する。将来の状態をシミュレートし、合成データを生成するための基盤になる。
- 専門化の起点：汎用モデルは特定のロボット、センサー構成、操作環境を「知らない」。そのギャップを埋めるには、モデルの重みにアクセスし、自社データで追加訓練（post-training）する必要がある。
この構造を押さえておくと、ワールドモデルが「なんか面白いデモ」ではなく、物理AIのインフラ層の話だとわかる。
Cosmos 3の実像——数字で見るモデルファミリーの構成
Cosmos 3は、視覚推論・世界生成・行動予測を統合した単一モデルファミリーとして設計されている。以前であれば、これらの能力ごとに別のモデルを組み合わせて維持する必要があったが、Cosmos 3ではひとつのモデルファミリーで対応できる。
モデルは用途別に3つに分かれている。
- Cosmos 3 Super（64B）：高忠実度のワールドモデリング向け
- Cosmos 3 Nano（16B）：効率的な推論とpost-training向け
- Cosmos 3 Edge（4B）：エッジデバイスでのビジョン推論とロボットポリシー展開向け
特にEdgeモデルはNVIDIA RTX GPU、DGXシステム、Jetson（Jetson Thorプラットフォームを含む）での動作を想定している。エッジGPU上で動かせる重さに収めた点は、ラボだけでなく現場展開を意識した設計だ。
ベンチマーク結果として公表されているのは以下の通り。オープン重みモデルの中での比較になる点は留意が必要だが、数字として出ている以上確認しておく価値はある。
- テキスト→画像、画像→動画生成でArtificial Analysis 1位
- 世界生成でPAI-Bench 1位
- Physics-IQの画像→動画カテゴリで 1位
- ロボットポリシーでRoboLab 1位
- ビジョン理解のVANTAGE-BenchでCosmos 3 Superがオープンモデル最高位
ここで「ベンチマーク1位」という言葉をそのまま受け取るのは早計だ。各ベンチマークが何を測っているか、どのベースラインと比べているかによって意味は大きく変わる。ただ、複数の独立した評価軸で上位に入っているのは、少なくとも「ひとつの指標だけを最適化した広告用モデル」ではないことを示唆している。
NVIDIAの物理AIスタック全体で見ると、Cosmosに加えてロボティクス向けのIsaac GR00T、自律走行向けのAlpamayo、ビジョンAI向けのMetropolisが並ぶ。Cosmos 3はその中核の基盤モデルという位置づけだ。
さらに、Omniverse librariesとOpenUSDが開発ツールチェーンとして組み合わせられる。Omniverse librariesがシミュレーション環境の構築を担い、OpenUSDが複雑な3Dデータを組み合わせ・再利用・交換するためのオープンフレームワークを提供する。この組み合わせが、「アセットやセンサー構成が変わるたびに重複作業が積み上がる」問題を軽減する設計になっている。
「オープン」が専門化の条件になるという逆説
ここが今回の発表でもっとも構造的に重要なポイントだと思っている。
クローズドなAPIモデルで物理AIを開発しようとすると、決定的な壁にぶつかる。自社のロボットのボディ構造、特有のセンサー構成、現場固有の環境条件——これらに対してモデルを「専門化」しようとしたとき、モデルの重みにアクセスできなければ手が出せない。プロンプトを工夫しても、ファインチューニングができなければ限界は見えている。
NVIDIAはCosmos世界基盤モデルをLinux Foundation OpenMDW 1.1ライセンスのもとで提供することで、チームが自社データと自社ハードウェアでpost-trainingを行える条件を整えた。このライセンスが実務的に何を意味するかはプロジェクトごとに確認が必要だが、「触れる・改変できる・自社インフラで動かせる」という選択肢が開いていることは、商用利用を検討するチームにとって重要な前提条件になる。
コアリションの動きも興味深い。NVIDIAはCosmos Coalitionを日本にも拡大している。ロボティクスと製造業のリーダーたちが、工場・物流・農業・建設・医療・交通向けのオープンワールドモデル開発に参加する意向があると発表された。現時点で具体的にどの日本企業が参加するかは明示されていないが、製造業でのAI応用が優先課題になっている日本の文脈で、このコアリションがどう機能するかは注視する価値がある。
ここからは見方——この動きをどう読むか
事実の整理はここまでにして、自分なりの解釈を加えておきたい。
NVIDIAのポジションがシフトしている。GPUメーカーとしてのNVIDIAは周知だが、Cosmosを軸とした今回の動きは「GPUを売るための生態系」から「物理AIが動く基盤ごと提供する」方向への明確なシフトだ。Omniverse、OpenUSD、Isaac GR00T、Alpamayo、Metropolisと、スタック全体を自社で揃えようとしている。これはAWS・Azure・GCPがクラウドでやったことの物理AI版に近い。インフラを提供することで、その上に乗るプレイヤーを増やし、結果としてハードウェア需要も作る。
「開発者の採用コスト」が変わる。Cosmos 3 EdgeがJetson上で動くことを考えると、エッジデバイスの展開も含めてNVIDIAのスタックで完結するラインが整いつつある。これは個々の企業が「ゼロからモデル開発する」コストを下げると同時に、「NVIDIAスタックに乗った開発者が必要」という採用市場の変化も生む可能性がある。
期待値の調整も必要だ。Cosmos 3がベンチマークで好成績を出しても、「工場に入れたらうまく動く」とは別の話だ。ワールドモデルはあくまで「データ生成・シミュレーション・ポリシー評価の基盤」であり、そこから実環境での動作まではまだ相当のギャップがある。特にロングテールシナリオへの対応は、合成データで補えると言っても、「補えている」ことの検証が難しい。SimとRealのギャップをどう定量的に測るか、この問いは今後も残り続ける。
同種のニュースを次に見るとき確認すべき軸を整理すると：「モデルのオープン度」「ライセンスの改変許諾範囲」「エッジ展開の要件」「SimとRealの評価方法論」——この4点を見ると、発表の実質が見えてくる。
実務に落とすと何が変わるか
ロボティクス開発チームの視点で言えば、「データがない・シミュレーション環境を作るコストが高い・ポリシーを評価する環境がない」という三重苦がCosmosのスタックで一部解消される方向にある。ただし「一部」だ。Cosmos 3を使って合成データを生成できても、その合成データが自社ロボットと現場環境に適切かどうかの判断は、依然としてチームの側にある。ツールが増えた分、逆に判断の責任は人間に集中する。
自律走行や産業向けビジョンAIの担当者にとっては、Alpamayo（AV向け）とMetropolis（ビジョンAI向け）がCosmos 3の上に乗っている構成を理解しておくことが、ベンダー評価の際に役立つ。何を汎用基盤として使い、どこを自社でカスタムするかの切り分けが、開発コストとリードタイムに直結する。
経営・プロダクト判断の観点では、「Hugging FaceとGitHubでモデルが公開されている」という事実は重要だ。触る障壁が実質的に下がっている。技術チームが「まず試す」フェーズをどれだけ早く回せるかが、今後1〜2年の競争力の差になる。
日本の製造・物流・農業業界に関しては、Cosmosコアリションへの日本参加の動向を追っておく価値がある。汎用モデルを産業ドメインに特化させる「ファインチューニング」のノウハウが蓄積されるかどうかが、物理AIの産業応用の速度を決める。
まとめにかえて
「オープンにする」という選択は、競合に技術を渡す行為ではない。Cosmosの場合、それは「専門化の条件を整えることで物理AIの実装を加速する」という意図と、「NVIDIAのスタックが物理AI開発の標準インフラになる」という戦略の両面を持っている。
どちらの読み方をするにせよ、Cosmos 3の発表が示しているのは、物理AIが「研究者のもの」から「開発者・産業プレイヤーが実装できるもの」に移行する段階が近づいているということだ。ベンチマーク1位の数字より、64B〜4BのモデルファミリーがJetsonから動き、OSSライセンスで改変でき、コアリションが日本にまで広がりつつある——この複合的な事実の方が、状況の変化を正確に示していると思う。
参考元: Into the Omniverse: How Open World Models Push the Frontier of Physical AI
