在“进入全宇宙”系列文章中，NVIDIA展示了其最新进展：通过开放世界基础模型（WFMs）与NVIDIA Omniverse平台结合，推动物理AI模型的开发。物理AI（如机器人、自动驾驶车辆）需具备实时感知、推理与操作能力，且必须在复杂多变的真实环境中安全运行。然而，真实世界数据采集成本高、覆盖场景有限，甚至存在风险。 为此，NVIDIA推出了升级版NVIDIA Cosmos开放世界基础模型，大幅提升物理AI训练所需合成数据的生成效率。新版本Cosmos Predict 2.5将文本生成世界（Text2World）、图像生成世界（Image2World）和视频生成世界（Video2World）整合为单一轻量化架构，仅需一张图像、视频或文本提示，即可生成多视角、一致且可控的高保真视频世界。 Cosmos Transfer 2.5则实现跨场景的高保真风格迁移，支持在多摄像头环境中灵活切换天气、光照与地形条件，模型体积缩小3.5倍，性能更优，物理仿真精度更高。 这些模型可无缝接入基于NVIDIA Omniverse构建的NVIDIA Isaac Sim开源机器人仿真框架，生成接近真实的视觉数据，显著缩小“仿真到现实”的差距。开发者可采用四步合成数据流水线：从仿真环境构建、数据生成、标注到模型训练与验证。 多家企业已率先应用该技术：Skild AI利用Cosmos Transfer扩展训练数据，结合Isaac Lab实现机器人跨形态、跨任务训练；Serve Robotics借助Isaac Sim生成海量仿真场景，其机器人车队每月采集百万英里真实数据，并完成超十万次城市配送任务；Zipline无人机公司也通过NVIDIA Jetson平台实现无人机配送，并接收DGX Spark个人AI超级计算机，用于边缘AI开发。 此外，Lightwheel通过SimReady资产与合成数据加速机器人仿真落地；矿业公司借助Omniverse生成多样化光照与天气下的合成图像，提升大块岩石检测效率，避免设备停机损失；FS Studio利用Replicator工具生成数千张高保真包装图像，显著提升物流分拣系统准确率；Robots for Humanity为油气行业构建完整仿真环境，采集机器人运动与感知数据。 NVIDIA Omniverse社区成员Scott Dempsey还开发了基于真实规格的电缆合成生成器，用于训练AI识别与处理复杂线缆。 这些实践表明，基于OpenUSD与NVIDIA Omniverse的合成数据正成为物理AI发展的关键驱动力。通过高仿真、可扩展、低成本的数据生成，企业能更高效地训练出更安全、更智能的AI系统。