フィジカルAI 2026年8月6日

「データを集める」から「世界を生成する」へ——NVIDIA Cosmos 3が示すフィジカルAIの本質的転換

何の話か——「データ問題をコンピュートで解く」という宣言

2026年7月、ロサンゼルスで開催されたSIGGRAPH 2026。NVIDIAはこの場で、フィジカルAI開発基盤「Cosmos」の最新技術を3本まとめて公開した。「Cosmos 3」「Cosmos 3H」「Cosmos Dreams」——それぞれに役割は異なるが、この発表全体が伝えようとしているメッセージは一つに絞られる。

「データを収集する時代は終わる。計算によってデータを生成する時代が来た」

これは技術の話であると同時に、ロボット・自動運転開発のビジネスモデルそのものを揺さぶる話でもある。

なぜ今これが重要か——フィジカルAIに立ちはだかってきた「壁」

ロボットや自動運転AIを実用レベルに育てるために、最大の障壁は何かと問われたら、多くの開発者が「データ」と答えるだろう。

遠隔操作（テレオペ）による実データは収集コストが極めて高い。従来型のシミュレーション環境は、人間があらかじめ設計したシナリオの範囲でしか学習させられない。そして一般の動画は人間視点で撮影されているため、ロボットが自分の手や視点で世界を学ぶ材料としては不十分だ。

この「データの壁」は、フィジカルAI開発のコストと時間の大半を食いつぶしてきた。

NVIDIAが今回打ち出したのは、その壁を「もっと上手くデータを集めよう」で乗り越えるのではなく、「AIが自分で世界を生成して学習すればいい」 という発想の転換だ。講演で繰り返し語られたキーワード「Compute is Data」は、この転換を端的に表している。高性能GPUによる計算能力でAI自身が多様な世界を生成し、その世界の中でロボットを学習させる。データを収集するのではなく、データを計算する。

言葉にすると単純だが、これが本当に機能し始めると、誰がフィジカルAIを開発できるかのハードルが根本から変わる。

事実の整理——3つの発表を具体的に読む

Cosmos 3：統合型ワールドモデルへの進化

Cosmosは2025年の初公開以来、「世界生成（Predict）」「世界理解（Reason）」「行動生成（Policy）」の3技術を段階的に発展させてきた。今回のCosmos 3では、それらを単一モデルへ統合した。

アーキテクチャとして採用されているのが「Mixture of Transformers（MoT）」だ。推論を行う自己回帰モデルと、画像・音声・行動を生成する拡散モデルが連携する構成で、現実世界をより自然に表現できる設計になっている。さらにCosmos 3では、人型ロボット・自動運転車・人間視点映像という異なる身体構造を共通の表現へ変換し、ロボット間で知識を共有できる点も特徴だ。Cosmos 3.5ではマルチビュー対応など追加機能の開発も進んでいるという。

Cosmos Labのバイスプレジデント、ミン・ユー・リウ氏は開発者への提供価値を3つ挙げた。「より良いデータ」「より良い環境（1000種類のキッチン・1000種類の倉庫・さまざまな天候）」「より良い出発点（ゼロから開発しなくてよい）」。この3点セットは、フィジカルAI開発のコスト構造を変える要素として押さえておく価値がある。

Cosmos 3H：クラウドをエッジに降ろす

今回の発表の中で、最も「実用段階への近さ」を感じさせたのがCosmos 3Hだ。

40億パラメータで構成されるこのモデルは、Jetson・RTX・DGX Sparkといったエッジデバイス上でのリアルタイム動作を目的として設計されている。デモでは、Jetsonに接続されたロボットアームがCosmos 3Hによってリアルタイム制御される様子が披露された。

これまでクラウド側で実行していた推論をロボット本体で処理できるようになる意味は大きい。通信レイテンシが消え、クラウド利用コストが下がり、オフライン環境でも動作できる。産業現場への展開を考えたとき、この違いは小さくない。

Cosmos Dreams：シミュレーションがニューラルになる

Cosmos Dreamsは、1枚の画像を起点に、物理法則に従った世界をその先へ連続的に生成するニューラルクローズドループシミュレーション技術だ。

自動運転の文脈で言えば、現実ではめったに遭遇しない危険なシーンを大量に合成し、経験値として積み込める。さらに講演では、従来64台のGB300 GPUが必要だった処理が、RTX Pro 6000ワークステーションGPU1枚で動作するようになったと紹介された。この数字は、アクセシビリティの観点で見ると相当大きな変化だ。大規模インフラを持たない開発者でも、高品質なクローズドループシミュレーションを回せる土台ができつつある。

ここからは見方——構造として何が起きているか

今回の発表を技術ニュースとして消費するだけではもったいない。業界構造の変化として読むと、見えてくるものがある。

まず、「データの民主化」という文脈だ。これまでフィジカルAI開発で優位に立てる条件の一つは、大量の実データを保有していることだった。大手自動車メーカーや物流企業が走行データ・作業データを蓄積し、それが参入障壁になっていた。しかし「計算でデータを生成できる」基盤が普及すると、その障壁の意味が薄れる。スタートアップや研究機関が、計算資源さえあれば多様な学習環境を手に入れられる時代になる。

次に、NVIDIAの戦略的文脈だ。Cosmos 3Hがエッジデバイス（Jetson）で動くという事実は、NVIDIAがGPU市場をデータセンターからロボット本体・産業機器・車両へと拡張しようとしていることを示している。フィジカルAIの普及は、NVIDIAにとって新しいGPU需要の創出そのものだ。この技術発表は、同時に市場開拓の宣言でもある。

期待値の調整——何が本当に新しく、何はまだ途中か

正直に言うと、「AIが世界を生成して学習する」というビジョンは今回初めて出てきたものではない。Cosmosは2025年初公開であり、今回はその進化版だ。「研究段階から実用段階へ」という表現は講演でも使われているが、それはつまり「まだ実用段階の入り口」という意味でもある。

特に気になるのはSim-to-Realギャップの問題だ。シミュレーション内でどれだけ精緻な世界を生成しても、現実の物理環境との差異はゼロにはならない。シミュレーションで学んだロボットが現実の工場・道路・厨房で同じように動くかどうかは、別の検証が必要だ。この点について今回の発表は明示的に触れておらず、「Cosmos Dreamsが物理法則に基づく」という説明が、現実とのギャップをどこまで埋めるのかは引き続き見ていく必要がある。

Cosmos 3のベンチマーク結果として「生成・推論・ポリシーなど8つのベンチマークでトップ性能を達成」とアナウンスされているが、ベンチマーク上のトップと実環境でのロバスト性は必ずしも一致しない。数字の印象と現場の感触の間には、いつも距離がある。

実務的な示唆——開発者・プロダクト担当は何を見るべきか

実際に何かを作っている立場から考えると、今回の発表で最も注目すべきは「より良い出発点」というコンセプトだ。

事前学習済みのCosmosを利用することで、ゼロからAIモデルを開発しなくてよくなる——この言葉の重さは、実際にロボット開発をやったことがある人間には刺さる。ゼロからのモデル開発には、データ収集・モデル設計・学習インフラの構築と、気が遠くなるような工程がある。そこにCosmosのような事前学習済み基盤があるなら、開発者は「最後のカスタマイズ層」に集中できる。スタートアップにとっても、産業機器メーカーにとっても、これは開発リードタイムを実質的に縮める可能性がある。

日本の産業ロボットメーカーに引きつけて考えると、製造精度や機構技術は世界トップクラスを持ちながら、AIの学習基盤については海外プラットフォームに依存せざるを得ない状況が続いてきた。Cosmosがオープンモデル・オープンデータセットとして提供される方針であれば、このスタックを「使い切る」戦略が問われることになる。ハードの強さとAI基盤の掛け合わせ方次第で、差がつく局面は近づいている。

次に同種のニュースを読むとき、見るべき軸を一つ置いておく。「Cosmos Dreamsで生成されたシミュレーションデータで学習したロボットが、現実環境でどう動いたか」という実証事例が出てきたとき——そこが本当の意味での変化の起点だ。発表のビジョンがどこで現実に着地するか、その「着地事例」を追うのが、この領域を実務として追いかける上での正直な指針だと思っている。