世界模型不只是生成视频：Cosmos 的离线数据与闭环仿真

离线生成与闭环交互回答不同问题

NVIDIA 于 11 月 2 日发布的文章介绍 Cosmos 3 Nano 的仿真流程。Transfer-Auto 对整个多视角片段进行双向生成，面向离线合成数据；Sim-Auto 则采用因果、少步蒸馏的方式逐步生成观察，让驾驶策略或人工输入更新场景，再把相机与 LiDAR 观察返回策略。

本站判断，选型应先确定需要的是一批可重复使用的数据，还是动作会改变下一时刻观察的交互环境。离线视频看起来连续，并不能证明策略接入后仍能形成稳定闭环；后者还要测动作、场景更新与观察返回的完整周期。

多传感器一致性比单张画面更重要

原文中的自动驾驶流程使用 World Scenario Map 控制车道、对象与道路要素，并在联合 RGB–LiDAR 生成中加入地图控制。参考输出的检查包括生成成功标记、LiDAR 数值有限性，以及场景控制、不同相机视角和 LiDAR 之间的一致性。

本站建议把时间对齐、几何对应与场景约束分开验收。改变天气和光照时，可以检查既定轨迹与道路布局是否保留；若生成结果偏离输入控制，不能仅凭视觉效果把它当成正确训练标签。训练与评估场景也应隔离，避免在已见条件上高估效果。

框架能力与服务部署是两个层次

来源将 Cosmos Framework 用于训练、适配、优化和推理，将 Cosmos NIM 用于优化后的容器服务。部署部分强调先选择适配 GPU 的模型配置，等待就绪，再检查元数据；Generator 的 latency 与 throughput 配置分别面向单请求延迟和并发处理量。

原文明确指出，throughput 配置需要多张兼容 GPU，直接把单 GPU 示例的配置改为 throughput 会选不到对应运行档案。本站建议先复现与设备匹配的最小流程，再分别测单请求完成时间与目标并发下的处理量，不用一个吞吐数字同时代表两种体验。

显存表不能脱离任务与精度阅读

原文正文表格对 Cosmos3-Nano 的生成任务分别列出 BF16 58 GiB、FP8 44 GiB，以及 FP8 加 offloading 31 GiB 的 GPU 显存要求。这些是来源给定任务与配置的要求，不能套用到另一模型、推理任务或任意并发量；本站未运行这些模型，也未复现性能数据。

本站建议同时记录显存、主机内存、数据传输和端到端耗时。offloading 会改变数据放置方式，GPU 占用降低后仍需核对其他资源与延迟。生成仿真可以帮助筛选策略，后续仍应通过目标场景的验证来判断可用性，不能把生成画面等同于真实环境测量。

实践检查表

• 先区分离线数据生成与动作驱动的闭环评估，分别定义完成条件。
• 核对时间、几何和场景控制的一致性，保留传感器配置与数据来源。
• 固定模型、精度、GPU 数量和服务配置，先验就绪状态再发请求。
• 同时记录显存、主机内存、延迟与并发，不把供应方配置表当作本站实测。