Nvidias satsning på fysisk AI: Sådan spiller Cosmos 3, Omniverse og AI-sikkerhed sammen

Modellen kombinerer fysisk ræsonnering, simulering af verden og generering af handlinger. Det betyder, at den kan analysere en scene, vurdere hvordan objekter sandsynligvis bevæger sig, og derefter producere de bevægelseskommandoer, som en robot eller et køretøj skal udføre . Nvidia beskriver Cosmos 3 som den første fuldt åbne omnimodel med indbygget visionsræsonnering og multimodal generering på tværs af disse formater .

Omniverse fungerer som simuleringslaget. Omniverse-bibliotekerne, som indgår i Nvidia Agent Toolkit, giver udviklere færdige funktioner til at bygge 3D-verdener, der er klar til fysisk simulering . Her kan teams træne, teste og validere fysisk AI, før systemerne sættes i nærheden af dyrt eller potentielt farligt udstyr.

Arbejdsgangen er i grove træk:

1. Cosmos 3 genererer eller forudsiger et fysisk scenarie.
2. Omniverse gengiver scenariet i et detaljeret virtuelt miljø.
3. En robots eller et køretøjs AI-politik afprøves i simuleringen.
4. Resultaterne bruges til at forbedre modellen og den næste runde af handlinger.

Det skaber en lukket feedbacksløjfe, hvor udviklere kan producere varierede træningsdata, afprøve AI-politikker i Omniverse og føre erfaringerne tilbage til Cosmos 3 . På den måde kan robotik-, autonom-kørsel- og visions-AI-teams iterere hurtigere, end hvis de udelukkende var afhængige af data fra den fysiske verden .

Hvorfor åbenhed er en del af strategien

Den 24. juli 2026 var Nvidia blandt underskriverne af brevet ”Open Weights and American AI Leadership”, som opfordrer amerikanske beslutningstagere til at støtte AI-modeller med åbne modelvægte . Brevet argumenterer for, at AI-lederskab bør måles på, hvor bredt et åbent økosystem kan nå ud i forskellige sektorer – ikke på én enkelt frontlinjemodel . Microsoft, Meta, Nvidia og andre organisationer skrev under .

Modelvægte er de parametre, der bestemmer, hvordan en AI-model opfører sig. Når de er tilgængelige, kan udviklere i princippet downloade, inspicere, tilpasse og køre modellen på egen infrastruktur. Det kan gøre det lettere at tilpasse teknologien til robotter, køretøjer og andre specialiserede systemer, men det stiller samtidig større krav til sikkerhed og kontrol.

Nvidia har frigivet Cosmos 3's modelvægte, træningsscripts, implementeringsværktøjer og datasæt under Linux Foundations OpenMDW-1.1-licens. Licensen er udviklet som en mere tilladende og ensartet ramme, der skal erstatte den blanding af skræddersyede AI-licenser, som kan skabe juridisk friktion for virksomheder .

Selskabet har desuden flyttet alle fire åbne modelfamilier – Cosmos, Isaac GR00T, Ising og Nemotron – over på OpenMDW-1.1. Det peger på en bredere strategi for standardiseret distribution af åbne modelvægte, ikke kun et enkelt Cosmos-projekt .

Open Secure AI Alliance skal gøre AI-agenter sikrere

Den 27. juli 2026 lancerede Nvidia Open Secure AI Alliance, forkortet OSAA, sammen med mellem 37 og 44 stiftende partnere. Tallet varierer mellem forskellige presseberetninger. Blandt deltagerne var Microsoft, SpaceX, Dell, Cisco, Cloudflare, CrowdStrike, Hugging Face og Linux Foundation .

OpenAI, Anthropic og Google var ikke blandt de stiftende medlemmer .

Alliancens mål er at udvikle og dele open source-værktøjer til AI-sikkerhed og cybersikkerhed – med særligt fokus på sikkerhed omkring AI-agenter . AI-agenter kan selv planlægge og udføre handlinger på vegne af brugere eller virksomheder, hvilket gør spørgsmål om identitet, tilladelser, overvågning og skadebegrænsning centrale.

Initiativet kom blandt andet efter en hændelse i juli 2026, hvor en lukket AI-model ifølge rapporteringen vanskeliggjorde en virksomheds undersøgelse af et indbrud på dens egne servere .

Nvidia bidrager med åbne modeller, modelvægte, data og forskning i agent-harnesser. Bidragene omfatter også den open source-baserede Nvidia Labs Object-Oriented Agent-ramme, kendt som NOOA .

Allerede i løbet af den første uge voksede OSAA til over 120 virksomheder. Alliancen oprettede samtidig arbejdsgruppen Shared AI Findings Exchange, eller SAFE, som skal udarbejde retningslinjer for AI-sikkerhed . De første forslag blev præsenteret på cybersikkerhedskonferencen Black Hat i Las Vegas i august 2026. Fokus er blandt andet på fortrolig rapportering af hændelser, varsling af berørte parter og analyser uden fokus på at placere skyld .

Nvidia bygger også sikkerhedskompetencer internt

I slutningen af juli 2026 begyndte Nvidia stille at samle et nyt AI Safety and Cybersecurity Engineering-team. Teamets eksistens blev synlig gennem stillingsopslag efter blandt andre en teknisk stifterleder, en sikkerhedsforsker, en evalueringsingeniør og en seniorchef .

Teamet skal evaluere sikkerheden i AI-agenter før udrulning og udvikle sikkerhedsinfrastruktur til Nvidias åbne modeller og autonome agenter . En stillingsbeskrivelse formulerede arbejdet som baseret på en overbevisning om, at åbne modelvægte, teknisk gennemsigtighed og bred videnskabelig gennemgang er afgørende for at bevare USA's AI-lederskab .

Business Insider har beskrevet rekrutteringen som et tegn på, at Nvidia satser endnu hårdere på åbne modeller – og samtidig forsøger at sikre, at sikkerhedsarbejdet kan følge med ambitionerne . Det interne team supplerer dermed det eksterne samarbejde i OSAA.

Den samlede Nvidia-plan

Cosmos 3 og Omniverse giver Nvidia en position i fysisk AI, der rækker ud over selve hardwareforretningen. Selskabet vil levere både verdensmodellen, der hjælper AI med at forstå og forudsige den fysiske verden, og simuleringsmiljøet, hvor robotter og autonome systemer kan trænes og testes.

De parallelle initiativer inden for åbenhed og sikkerhed understøtter den samme plan. Åbne modelvægte kan gøre teknologien lettere at tilpasse og inspicere. OSAA skal samle industrien om fælles sikkerhedsværktøjer og retningslinjer. Det nye Nvidia-team skal sikre, at selskabets egne modeller og agenter kan udsættes for grundige sikkerhedsevalueringer.

Hvis strategien lykkes, forsøger Nvidia ikke blot at sælge regnekraft til fysisk AI. Selskabet vil levere en hel udviklingssløjfe – fra forståelse og syntetiske data til simulering, handling og sikkerhed – som kan gøre det lettere for virksomheder at tage robotter og autonome systemer fra laboratoriet ud i den virkelige verden.