輝達（Nvidia）強攻機械人放大絕，8月12日宣佈推出最新涵蓋多達70億參數的推理視覺語言模型，主打「要讓機械人更像人類」，透過結合視覺感測應用，讓機械人基於既有知識與概念，學會「連續決策」，並在理解後採取行動，堪稱可打造機械人的推理大腦。
業界認為，這是輝達引領全球機械人發展跨出更重要的一步，也意味AI算力應用再創顛峰，對致力於開發機械人的鴻海、廣達等大型集團是一大助力，同時也將加速AI伺服器建置需求。
輝達在昨天繪圖晶片業年度盛會「SIGGRAPH2025」上，發表推理視覺語言模型「Cosmos Reason」。
輝達說明，「Cosmos Reason」是一款專為物理AI應用與機械人設計的70億參數「推理」視覺語言模型，具備超強大功能，並加入讓機械人具備與人一樣的「推理」能力，透過先驗知識、物理理解和常識，讓機械人與視覺AI代理像人類一樣分析情境、判斷下一步行動。
輝達表示，機械人規劃與推理技術如機械人視覺語言行動（VLA）模型的大腦，讓模型可深思熟慮、有條不紊地做出決策。「Cosmos Reason」可讓機械人解讀環境、在收到複雜的指令後，將指令分解為各種工作，即使在不熟悉的環境，也能運用常識執行這些工作。
輝達強調，「Cosmos Reason」是適用實體AI與機械人的全新開放式、可完全客制化。談到「Cosmos Reason」和既有視覺語言模型（VLM）的差異，輝達說明，自OpenAI推出CLIP模型以來，視覺語言模型（VLM）已廣泛應用於物件與模式識別等電腦視覺任務，但仍難以處理多步驟任務、含糊情境或全新經驗，「Cosmos Reason」可突破上述限制，這種能力對於需要連續決策的場景，如機械人任務規劃或自駕車路徑預測，尤其關鍵。
「Cosmos Reason」可用於資料管理與標註、機械人規劃與推理，以及影片分析AI代理，讓系統在面對複雜指令時，能拆解成可執行的步驟並作出符合常識的判斷，即使處於陌生環境也能正確行動。
示意圖。（AI生成）
