AREX Viewpoint Article
英伟达刘洺堉：世界模型与物理AI的造市逻辑
导读
5月31日，英伟达发布 Cosmos 3，官方将其称为面向物理 AI 的开放前沿基础模型。发布消息称，该模型在多项物理 AI 基准上领先。这不是一次常规的模型迭代，而是英伟达把世界模型从研究预览推进到开发者可用平台的关键一步。
与多数大模型发布不同，Cosmos 3 的核心差异在于统一了语言、图像、视频、音频和动作。arXiv 论文摘要明确写道，这是一族“omnimodal world models”，用于联合处理与生成这些模态。刘洺堉在8月13日播出的长访谈中进一步解释了技术动机：物理世界中的智能体会采取动作、改变世界状态，因此动作必须被提升为一等公民。这一判断解释了 Cosmos 3 为什么没有停留在视频生成或语言推理，而是把动作放进同一个模型。
更值得关注的是背后的战略逻辑。刘洺堉在这次访谈中一再强调，英伟达的竞争观不是“杀死对手”，而是“造市场”：帮助那些使用英伟达 GPU 和软件平台的生态伙伴先成功，最终带动算力需求增长。Cosmos 3 的开源和动作一等公民设计，并不是为了在模型榜单上压制谁，而是为了把尚未完全成型的物理 AI 市场做大。
刘洺堉还给出了一个具体的判断标准：当机器人只需看一两次人类示范，就能在新场景中学会操作任务时，物理 AI 的“ChatGPT 时刻”才算到来。他把这个问题归结为泛化，并认为世界模型提供的先验表示，是让策略模型更容易泛化的关键。这为业内评估物理 AI 进展提供了一个比 benchmark 分数更直观的标尺。
与此同时，刘洺堉并不讳言模型能力正在收敛。他认为单纯靠模型本身无法建立长期护城河，大公司真正的优势在于生态整合，创业公司的机会则在大公司无法论证其必要性的细分痛点。因此，英伟达把 Cosmos 3 作为开放平台推出，并非放弃竞争，而是把竞争从单点模型转向生态和市场创造。
这期访谈的新闻价值正在于此：它把官方发布稿中的技术升级，还原成了英伟达在物理 AI 时代的方法论。开发者是否采用 Cosmos 3，不仅要看它的榜单表现，还要理解它为什么把动作、视频、音频放在一起训练，以及这套“帮助伙伴先成功”的路径能否走通。接下来，本文将从这些判断出发，拆解 Cosmos 3 的技术路线、竞争哲学与物理 AI 的开源格局。
核心结论
- 英伟达的竞争哲学是造市场而非杀死对手，Cosmos是这一逻辑在物理AI领域的延伸：刘洺堉明确表示英伟达不把任何人当竞争对手，而是通过帮助生态伙伴成功来扩大整个物理AI市场，最终带动算力需求增长。这一判断直接回应了英伟达战略的核心逻辑，也是理解Cosmos开源定位的关键。
- Cosmos 3的核心突破是把动作提升为物理世界模型的一等公民，多模态融合不是互相干扰而是互相增强：刘洺堉指出物理智能体必须通过动作改变世界状态，因此Cosmos 3将语言、视频、音频和动作统一到一个模型中。研究证据表明视频帮助动作预测、声音帮助视频生成、详尽文字帮助视频质量，这验证了多模态融合的互补性。
- 模型能力正在收敛，生态整合和差异化才是竞争的关键，创业公司的机会在细分痛点：刘洺堉判断各大模型公司的能力会逐渐趋同，大公司的优势在于生态整合，创业公司则应聚焦大公司无法justify的细分问题。Anthropic早期聚焦Coding的成功案例印证了差异化比单纯追求模型领先更重要。
- 物理AI的ChatGPT时刻以泛化能力为标志：机器人看一两次示范就能学会新任务：刘洺堉给出了一个具体的判断标准：当机器人通过简单的人类示范就能在新场景中完成操作任务时，物理AI的ChatGPT时刻就到来了。世界模型提供的先验表示是提升泛化能力的关键路径，这直接关联Cosmos的使命。
- 黄仁勋的管理哲学是mission is the boss：用长期主义、透明沟通和不裁员文化驱动组织自组织：刘洺堉从一线视角揭示了英伟达独特的管理模式：以使命而非层级驱动团队对齐，通过top five email保持信息透明，坚持不裁员以换取员工信任。这种文化让Cosmos这样跨团队的大型项目能够凝聚近300人朝同一方向前进。
观点拆解
1. 英伟达的竞争哲学是「造市场」而非「杀死对手」，Cosmos 是这一逻辑在物理 AI 领域的延伸
-
英伟达的竞争观不是「杀死对手」，而是让生态伙伴先成功：刘洺堉明确表示，他在做 Cosmos 时不去想竞争对手，而是思考如何帮助英伟达 GPU 生态中的公司成功；这些公司成功会吸引更多客户，反过来带动英伟达成长。这构成了英伟达「造市场」逻辑的基础：把竞争从零和博弈转化为生态共利。
“我现在在做Cosmos的时候，我是不想竞争对手的，我想的就是怎么去帮助这个ecosystem。”
“用我们GPU用我们运算平台、用我们软体的公司，他们如果都有成功的话，那Nvidia就会成功。”
“我们就是一直有这个习惯，就是要跟着整个ecosystem一起成长，大家一起赚钱。”
-
Cosmos 不是「不能输的战争」，而是共同把物理 AI 市场从零做大：面对 Cosmos 是否是不能输的战争的提问，刘洺堉直接否认，并指出物理 AI 是一个尚未形成的巨大市场：当家家户户拥有机器人时，算力需求会大幅增长，英伟达因此受益。他强调英伟达的心态是「造市场」，而不是在存量市场中消灭对手。
“什么叫战争呢？就是我没有打算把别人杀死。我们的心态不是说想把别人给杀死，我们的心态是我们要怎么去造市场。”
“CUDA就是造市场，造出了现在的AI的市场。我们想的是怎么造出下一个大的市场。”
“我们不会说就是跟你做一模一样的东西，把你就是灭了。不是，这不是我们的目标。”
-
帮助生态伙伴成功最终会转化为英伟达的算力增长与市场扩张：刘洺堉解释了「共利」的商业闭环：英伟达帮助建立在 GPU 平台上的客户更成功，客户就能服务更多用户，进而产生更多 GPU 需求。物理 AI 场景中，每个机器人都需要算力，因此造市场对英伟达是「巨大好处」，而非单纯的利他行为。
“想帮助这些建在我们GPU平台上面的客户能更加成功。他们更加成功代表他们可以服务更多的客户，他们有大量的机会会使用我们的GPU。”
“每个机器人都需要算力，那等于整个世界对算力的需求会大幅的成长。这个事情如果发生的话，对Nvidia是巨大好处。”
“我们是目标是帮助整个领域成功。这几家重要公司我们当然希望成功，我们还有很多需要去帮助的人。”
2. Cosmos 3 的核心突破是把语言、视频、音频和动作统一到一个模型中，让「动作」成为物理世界模型的一等公民
-
物理世界模型与数字世界模型的根本区别在于：智能体必须通过动作改变世界状态：刘洺堉指出，大模型通常要么把语言当作一等公民，要么把视频当作一等公民，但物理世界模型的核心差异在于物理智能体会采取行动、改变世界状态。因此，Cosmos 3 把 Action 提升为与语言、视频同等重要的一等公民，这是理解 Cosmos 3 设计逻辑的关键。
“我们认为物理世界的模型跟数字世界的模型最不一样的地方就是，物理世界的 Agent 会 take action，会改变这个世界的状态。我们认为一个好的物理世界的 Foundation model，也要把 Action 当成 first class citizen。”
-
语言、视频、音频和动作各有不可替代的作用，融合在一起是为了让模型既能理解世界、又能与人沟通、还能改变世界：刘洺堉解释了每种模态的独特价值：语言承载人类知识并用于沟通，视频和音频精准描述物理世界的运作，动作则让机器能够改变世界。Cosmos 3 的目标不是追求模糊的 AGI，而是构建一个服务于 Physical AI 的基础模型，因此需要把所有模态融合到一起。
“language 可以把这些人类的 knowledge 带进来，然后也帮助人类跟这物理 AI 做沟通。然后 video 是大量的视觉资讯，audio 是大量的听觉资讯，去描述这个世界怎么运作。这个模型最后是要帮助这些 machine 去 take action 的，所以他不懂 action，他是没办法去改变这个世界的。”
“我的目的是希望这成为一个好的 Foundation model for physical AI。它需要懂 language，需要知道这个东西怎么变动，然后 action，然后借由这个 control 把它合在一起去做。那我的目标不是去追求 AGI。”
-
多模态融合不是互相干扰，而是互相增强：视频帮助动作预测，声音帮助视频生成，详尽文字帮助视频质量：刘洺堉用具体研究证据说明模态融合的互补性：在 Cosmos Policy 中发现同时预测视频状态能帮助动作学习；声音中的接触时刻能帮助视频生成判断接触点；详尽的文字描述能降低视频生成的不确定性。这些线索共同支撑了 Cosmos 3 将多模态合一的信念。
“在 Cosmos Policy 那篇 work 里面，我们就发觉把 video 跟 action 合在一起是帮助 action 的。声音也可以帮助 video generation。当你知道「咔」一声，碰到的点，你就知道接触的时间是那个点，所以知道这个是有互相互补的。”
“这些讯号都是描述同一个世界，这些讯号都含有这个世界怎么运作的资讯，是应该有一种方式，让它们合在一起，会互相帮助。更多讯息帮助你了解这个背后的运作的原理是什么。”
-
从多个分散模型走向单一模型，是因为它们本质上都在学习同一个世界的内部表示：刘洺堉回顾了 Cosmos 从 Predict、Transfer、Reason 到 Policy 的演进过程，指出这些模型虽然视角不同，但建模的都是同一个世界，学习的都是世界的内部表示。基础模型的核心理念就是「纳百川」，把各类数据合在一起训练，模型的上限会更高。
“这是同一个世界，不管你从哪角度来看，你 model 的是同个世界。你模型就是在学一个 internal representation of the world。那既然是同一个东西，foundation model 的核心概念就是一个可以纳百川，可以从各式各样的数据里面去学会这模式的一个模型。”
“如果你可以把你 train reasoning 用的 data、train predict 用的 data、train transfer 用的 data、train policy 用的 data 全部合在一起的话，你这模型的上限更高。”
3. 世界模型对物理 AI 的价值在于提供更好的数据、更好的起点和更好的环境，但「黑客帝国」式的仿真环境尚未实现
-
Cosmos 对物理 AI 的贡献可以归纳为「更好的数据、更好的起始点、更好的环境」三层框架：刘洺堉将 Cosmos 对物理 AI 开发者的帮助明确归纳为三个层次：用生成数据弥补真实世界采集的不足、用理解物理规律的世界模型表示作为策略模型的起点、以及未来可能实现的交互式仿真环境。这个框架清晰界定了 Cosmos 的产品定位，也便于外界理解世界模型在物理 AI 落地中的具体作用。
“第一个提供更好的数据，第二个是提供更好的起始点，第三个是提供更好的环境。”
“数据是帮助AI模型更加泛化的关键。你可以想象这个世界上你看到的数据就这么多的点，你可不可以去生成一些你需要看到、但是你真实世界没有采集到的数据。”
-
「更好的数据」和「更好的起始点」已经可用，而「黑客帝国」式的交互环境仍是最具挑战性的长期目标：刘洺堉在访谈中明确区分了 Cosmos 当前的能力与未来愿景：生成数据和提供预训练表示作为策略模型起点，是短期内真正能帮助物理 AI 开发者的贡献；而像《黑客帝国》那样同时生成多个真实无比、可交互的环境，目前尚未实现，是大家共同追求但最具挑战性的方向。
“如果说你可以用这种像《黑客帝国》这种矩阵的方式，可以同时产生多个环境，真实无比的环境，你可以跟它交互，给你讯号，你是可以学习的非常快的。”
“我觉得better environment这些东西是还没发生，是大家都希望能做出这个矩阵，但还没发生。现在比较管用的可能就是better data跟better starting point。”
-
世界模型的最终形态是「接近这个世界」，让模型成为物理 AI 学习真实世界能力的矩阵：刘洺堉将世界模型的长期目标描述为「接近这个世界」：通过模型让物理 AI 能够学习在真实世界中需要学习的东西，最终具备随时构建《黑客帝国》式矩阵的能力。这一愿景也解释了黄仁勋「做到 Cosmos 97」所传递的战略决心——世界模型是一个需要长期投入、持续迭代的方向。
“世界模型最后就是接近这个世界。透过那模型，你可以去学习你想在真实世界里面学习的东西。其实最接近的就是你有能力随时可以做出一个黑客帝国的矩阵，我觉得就是最终的样子。”
4. 物理 AI 的「ChatGPT 时刻」将以泛化能力为标志：机器人看一两次示范就能学会新任务
-
物理 AI 的「ChatGPT 时刻」尚未到来，但刘洺堉判断它必然发生：刘洺堉区分了 GPT moment 与 ChatGPT moment：前者是 scaling 带来的能力提升，后者是让大众清楚看到应用真正有用的时刻。他认为物理 AI 领域资金、人才和数字 AI 的成功经验正在汇聚，虽然时间难以预测，但这一时刻必然到来。
“什么叫 ChatGPT moment for Physical AI 呢？应该是指说大家看到一个以 AI 为主的 enabled Physical AI 的应用，让大家清楚看到说这东西是真的有用。”
“我是希望尽快看到 ChatGPT moment，也许今年，也许明年，我不知道，但是我觉得它必然会发生。”
-
判断标准是泛化：机器人看一两次人类示范就能在新场景中学会操作：刘洺堉给出了一个具体的判断标准：当人们看到一个应用，简单的人示范一下操作，机器人就能就地学会，这就是物理 AI 的 ChatGPT 时刻。他进一步指出，AI 的核心问题就是解泛化问题，而物理 AI 中泛化的核心挑战是从有限的 observation-action 对中学会在新场景中执行操作。
“我个人觉得这种，就是简单的人示范一下怎么样的操作，这个机器人就可以就地学会这东西。如果这东西出现，我看到这样的一个产品，我就觉得说 Physical AI 的 ChatGPT moment 来了。”
“所以它核心是泛化，我觉得是泛化。AI 的核心问题就是解泛化的问题。泛化的问题在 Physical AI 里面就是怎样从有限的讯号里面学到需要的操作，应用在一个没有看过的场景里面。”
-
世界模型提供的先验表示是提升泛化能力的关键路径：刘洺堉坚信世界模型的能力是帮助物理世界模型强化泛化的重要关键。他解释，Cosmos 通过 better data 和 better starting points 帮助物理 AI 开发者：一个能抓住物理世界模式、预测未来事件的模型，其先验更适合泛化，从而帮助构建更容易泛化的策略模型。
“我还是坚信 World Model 的能力，是帮助这些物理世界模型强化泛化的一个重要关键。”
“你拿一个懂这个世界的 physics，去预测 physics，也不能说真的懂 physics，但抓到那个模式，可以去 predict 将来发生的事情。这东西也许可以帮你产生更好的 policy，因为它本身的 prior 是比较适合泛化，它也许就可以帮你建出一个更容易泛化的 policy model。”
5. 模型能力正在收敛，单纯靠模型本身无法建立护城河，生态整合和差异化才是竞争的关键
-
模型能力正在收敛，单纯靠模型本身无法建立长期壁垒：刘洺堉观察到，各大模型公司的能力会逐渐趋同，领先优势往往只是暂时的。他认为历史上从未出现过一家公司长期垄断所有技术优势的情况，AI也不会例外，因此不能把竞争押注在模型本身的持续领先上。
“但你慢慢会发觉，就是模型的性能就是慢慢收敛，大家都差不多。”
“看过去历史从来没有这样发生过，一家公司掌握所有的科技，其他的公司都没有办法去追上。这从来没有在世界上发生过，然后我不觉得AI会是一个例外。”
“我觉得模型的能力慢慢就会统一，靠模型自己不会是区分，一定要靠一些其他的东西组织在一起。”
-
大公司的竞争关键在于生态整合，而非模型本身的单点优势：刘洺堉认为，当模型能力趋同后，大公司的真正优势在于把模型与自有生态和产品深度整合。他以Gemini与谷歌的Google Doc、Search等平台整合为例，说明生态整合能带来更多使用反馈，从而形成持续投入和长期发展的正向循环。
“我一直重视就是不能只靠模型，要跟公司的其他的生态系统结合在一起。”
“接下来大家竞争的是什么，就是整合，跟自己的生态，跟自己的产品的整合。”
-
创业公司的机会在于解决大公司无法 justify 的细分痛点：刘洺堉指出，创业公司不应与OpenAI、Anthropic等巨头做同质化竞争，而应聚焦大公司因规模门槛或战略优先级而无法 justify 的细分问题。他引用《创新者的窘境》，说明小公司往往能在不被看好的领域找到成长机会，英伟达自身也是如此。
“创业公司的优势是可以走大公司不能走的问题。比如说对Nvidia来讲，任何生意只要是小于一个billion就没有兴趣去做，但那些本身就是有一些很值得做的东西。”
“所以你要去解一些痛点，是他们没办法去解的。不是他们不想解，是他们没办法去解，他们不能justify为什么要去解这件事情。”
-
Anthropic 早期聚焦 Coding 的成功，证明了集中投入差异化方向的价值：刘洺堉以Anthropic为例，说明即使早期被认为落后于OpenAI，但Anthropic通过集中投资于Coding这一差异化方向，最终找到了自己的生态位。这印证了他的核心判断：差异化比单纯追求模型领先更重要。
“我们可以看到Anthropic，它早期是被认为是落后OpenAI的。但它是最早相信Coding的。当OpenAI在做分散式投资，把鸡蛋不放在同个篮子里的时候，Anthropic是做集中式投资，最早去做出Coding这东西的。”
6. 黄仁勋的管理哲学是「mission is the boss」：用长期主义、透明沟通和不裁员文化驱动组织自组织
-
英伟达用「mission is the boss」替代层级管控，让组织像有机体一样自动对齐：刘洺堉指出，英伟达没有很强的固定框架，当公司确定方向后，不同团队中具备相关技能的人会自动向使命靠拢。Cosmos 正是这种模式的案例：很多人并不正式属于该团队，却可以来支持工作。这意味着驱动协作的不是上级指令，而是共同使命。
“我们常常讲 mission is the boss。英伟达有时候像是一个有机体，没有那么强的框架。当我们公司今天要走向这个方向的时候，在各种不同组织的团队，但有相对的技能，就会自动 align，就往那个方向前进。”
“Cosmos 就是这样子一个案例。很多人他可能不属于这个团队，但是他都可以来支持这个团队的工作。Mission is the boss，而不是你的 boss 是你的 boss。”
-
Top five email 让英伟达保持信息透明，暴露重复劳动并促进跨团队协同：刘洺堉介绍，英伟达员工需要向很多人汇报自己最重要的五件事，这种机制让公司各处的微小信号得以扩散。当两个团队在做相同的事情时，top five email 会自然显现出来，从而减少资源浪费。这与苹果等保密文化形成对比。
“员工就是要跟很多人讲他做的事情最重要的五件事情。这件事情让你看清楚各种公司的大小讯号。可以看到很多两个团队在做一模一样的东西，那个 top five email 就会自然显现出来。”
“Nvidia 是一个相对很透明的组织架构。苹果可能是反例。我们追求的资讯透明，这也是一个很不同的 culture。”
-
不裁员、不末位淘汰换取员工信任，让团队敢于讲真话并愿意团结合作：刘洺堉强调，英伟达没有末位淘汰，也不会因为产品方向改变或短期绩效不佳就让员工离开。这种安全感让员工敢于说出在担心被淘汰的环境中不愿讲的事情。虽然转型会比直接裁员再招聘更慢，但换来的是信任和协作能力。
“我们没有所谓的末位淘汰。我们不会因为我们改变了产品的方向，或者是因为这段时间内你 performance 不好，就让你走。我们觉得人跟人之间的信任很重要。”
“当没有所谓的末位淘汰的时候，大家也不会真的这么担心被淘汰而强出头。在一个全部都强出头的地方，反而不容易促成团结合作。”
“如果你直接 lay off 再 hire 新的一批人，你可能可以直接 hire 到一些已经会这些东西的人。所以这些经由转型做起来是会比较慢一点，但是你得到的就是员工的信任，也可以团结合作的员工。”
-
用「pain and suffering」磨练团队而非赛马淘汰，以信任和高标准推动成长：刘洺堉表示，英伟达不喜欢赛马式的内部竞争，而是选择相信接受使命的人，同时给予很高的标准去完成。用黄仁勋的话说，就是让员工持续经历痛苦和磨难，被磨练到卓越。这种模式强调信任、考验和逐步成长，而非通过淘汰制造压力。
“我们不喜欢赛马。你去 take 这个 mission，我们就相信你，但我们一起是给你很高的 bar，希望你完成。用老黄话讲，就是一直让你接受 pain and suffering，torture you to greatness。”
“相信你，给你考验，不断地磨练你，让你一路一步一步往下成长。这是我们喜欢的模式。”
7. 中国在物理 AI 硬件迭代和软硬整合上具有制造业优势，美国在机器人本体上投入不足可能处于被动
-
中国制造业优势正在转化为物理 AI 的快速硬件迭代与软硬整合能力：刘洺堉指出，美国做机器人本体的公司很少，而中国强大的制造业基础为快速硬件迭代和软硬体整合创造了优势条件。这种垂直整合意味着对模型和硬件的控制力更强、操作空间更大，可能带来美国不易实现的突破。
“我觉得因为中国强大的制造业，产生一个很优势的条件，可以让这些公司做一些在美国不容易做到的事情。”
“中国明显就是有这个条件，可以让大家做快速的硬件迭代、软硬体整合。”
-
如果软硬整合成为机器人趋势，缺乏硬件能力的美国可能陷入被动：刘洺堉观察到美国做机器人本体的公司很少，仅提到 Tesla 和 Figure AI。他认为做本体可以控制模型与软硬体的整合，操作空间更大；如果软硬体整合是机器人的趋势，没有硬件的一方将处于被动状态。
“美国在做本体的公司很少，就Tesla跟Figure AI。”
“如果说这种软硬体整合是一个机器人的一个趋势，那没有硬件当然是处于被动状态。”
-
中国 AI 公司的快速迭代与开源扩散正在加速全球知识传播：刘洺堉以 DeepSeek 为例，强调快速迭代对模型进步的重要性，并肯定了中国 AI 公司如 DeepSeek、千问、豆包等的表现。他还指出，中国公司大量招收实习生，帮助将 knowhow 传递出去，这对人类整体知识扩散是好事。
“我那时候深受DeepSeek的影响，因为DeepSeek是很惊人的公司，它可以一年内迭代三次，产生DeepSeek V3。”
“在中国这边我看到就是，他们像这些公司都招收很多实习生，帮助把这些knowhow传递出去，我觉得对人类整个知识扩增，就是diffusion，我觉得是一件好事。”
8. 从研究员到英伟达 VP 的成长路径：从追求「比别人好」转向「帮助别人变好」，从算法执念转向可扩展性判断
-
技术路线的关键转折：从「GAN 是否可扩展」的怀疑到果断转向 diffusion：刘洺堉回顾了自己从传统计算机视觉进入深度学习时代的认知转变，核心判断标准逐渐收敛为「可扩展性」。他在做 GAN 时虽然投入很深，但始终担心 GAN 难以训练、可能不可扩展，最终在观察到 diffusion 的稳定性后，果断带领团队放弃 GAN，转向 diffusion。这体现了他从算法执念转向对技术路线长期可扩展性的判断。
“那时候也理解到，这种更加 scalable 的 approach，简单 scalable 的 approach，是更容易成功的。所以就常跟自己讲，你在做选择的时候，要找更加 scalable 的。”
“那一年我就跟大家讲，不能做 GAN 了，这个方向不 scalable。我们那时候看到 diffusion，觉得哇，这个方法极其稳定。”
“所以那时候从算法层面来看，觉得这个 GAN 不 scalable，就跟团队讲说，不 scalable 的东西最后做不远，走 diffusion。”
-
从「比别人强」到「帮助别人变好」：研究者 ego 的主动让位：刘洺堉坦承，研究者天然追求 state-of-the-art，早期自己也是一个 highly competitive individual，习惯用论文数、引用数、奖项等外部指标衡量自己。但成为管理者和英伟达生态角色后，他的重心逐渐从「击败所有人」转向培养人才、帮助生态伙伴成功。他认为贡献不一定来自击败对手，而可以来自让别人因为自己的模型而提升效率。
“你要 state-of-the-art 代表说你要击败所有的人。所以研究员都有这种心态，就是我的东西要比你强。所以寻着这个轨迹，我也就是一开始就是一个 highly competitive individual。”
“有时候看到我这些伙伴们跟我讲说，用了一个模型之后，我解这个效率提升了很多，我就很开心。我觉得我的付出，整个团队的辛苦付出，获得的一些回响，这种肯定也是很好的一件事情。不见得是要击败其他人，才是一定能产生贡献。”
“比论文数总是有更多的论文，你比 citation 数总是有更多的 citation，你比钱总是有人更多有钱。那重点是我觉得你对自己的东西是不是很骄傲。”
-
成为 VP 后仍坚持看代码、读论文：以「脚踏实地」防止与问题本质脱钩：刘洺堉认为研究者与管理者的天性在某种程度上相悖，但他拒绝完全放弃研究者的身份。他最担心的是成为管理者后与底层脱钩、不理解问题的核心，因此强迫自己 review 代码、读论文、挑战团队的想法并进行辩论。这种「stay grounded」的做法，既是为了看清痛点，也是为了准确判断每个人的贡献，从而帮助团队成长。
“我最担心在成为管理者的历程当中，我最担心一件事情就是我跟底层脱钩，我不理解问题的核心所在。我会强迫自己 review 大家的 code，去读 paper，去 challenge 每个人的 idea，跟大家做一些等于就是 debate，来确保这个方向是对的。”
“我可能是少数还继续在看 code 的 VP，还是继续会去纠细节。我觉得我如果不做这些东西的话，我自己会不理解痛点在哪里。”
“我只是希望自己一直 stay grounded，看清楚一切，这样可以帮助团队成长，也可以看清楚谁对谁的贡献在哪里。”
总结
英伟达真正的护城河从来不是某一个模型或某一块芯片，而是一套让生态伙伴先成功的造市逻辑。Cosmos 3把动作提升为物理世界模型的一等公民，表面上是技术架构的突破，本质上是在为尚未到来的物理AI市场提前铺设算力需求的基础设施。当模型能力趋同、竞争从单点转向生态时，英伟达的组织哲学和生态战略反而比技术本身更值得关注。物理AI的ChatGPT时刻尚未到来，但英伟达已经在用造市的方式等待它。
信息源
视频来源
- NVIDIA VP Ming-Yu Liu: Cosmos 3, World Models, Kung Fu, What Jensen Taught Me：
外部资料
- NVIDIA Launches Cosmos 3, the Open Frontier Foundation Model for ...：
- [2606.02800] Cosmos 3: Omnimodal World Models for Physical AI - arXiv：
- zhang_benita：