物理世界需要一种新的智能，能同时看懂画面、听出声音、理解语言、预测运动、生成动作，还能把这一切串起来。
英伟达的 Cosmos 3 做到了，一个模型，五种模态，理解和生成一把抓，在多个主流榜单上拿下开源第一。
Cosmos 3 是英伟达最新发布的全模态（Omnimodal）世界模型，面向 Physical AI（物理智能），用一套统一的 Mixture-of-Transformers（MoT，混合Transformer）架构，同时处理和生成语言、图像、视频、音频与动作序列。 它把视觉语言模型、视频生成器、世界模拟器、世界-动作模型四种角色合并成一个框架
前向动力学是 Cosmos 3 另一个核心能力。给它当前的观测和动作控制信号，它就能"演算"未来的视频帧。 给自动驾驶系统当前的传感器数据和方向盘转角，它能预测车辆未来的行驶轨迹和周围环境变化。 这相当于给智能体装了一个世界模拟器，先在脑中预演一遍，看看结果，再决定怎么行动。对机器人规划、自动驾驶仿真、合成数据生成来说，这是刚需。 逆动力学则反过来。给它一段观测视频，它恢复出导致场景变化的轨迹或控制信号，把视频证据转化为可执行动作。
适合部署端侧推理和实时交互场景，比如工厂里的分拣机器人需要实时感知和决策，Nano 的推理速度能跟上产线节拍。
$觅睿科技(BJ920036)$
觅睿科技已研发十多种场景化 AI 算法，支持云端、边缘端、设备端灵活部署，满足低功耗与实时性需求，新增手势识别、行为分析、人数统计等功能。
觅睿AI灵瞳视频大模型（灵瞳AI Agent）
• 四大核心能力：
◦ 智搜：自然语言理解，秒级定位“红衣男子携黑背包”等复杂目标
◦ 智检：自定义检测规则，自动识别可疑行为
◦ 智析：行为分析+语义理解，输出事件摘要
◦ 智联：多设备协同，形成安全防护网络
• 技术特点：端云协同+轻量化部署，低功耗高准确率，适配民用全场景
• 音频AI技术解决了婴儿哭声检测的误报问题，广泛应用于看护类产品
AI算法覆盖全系列产品，构建异构计算与多摄Re-ID专利体系，形成技术代差
• 从“通用消费级”向“智能感知+行为理解”升级，提升产品溢价能力
灵瞳AI Agent视频大模型是差异化竞争关键，实现从“被动监控”到“主动智能体”跨越
• AI增值服务（如自定义检测、视频分析）成为新增长点
作者声明： 本文转载自第三方，旨在提供资讯参考，并非证券推荐或投资建议。作者对内容的真实性、准确性不承担保证责任。本文不构成任何投资建议或证券推荐。截至发文日，作者与文中提及的标的不存在持仓关系。