La scommessa di Nvidia sull’IA fisica: come Cosmos 3, Omniverse e la sicurezza open source si incastrano

In pratica, il sistema può osservare una scena, ragionare sui possibili sviluppi fisici e produrre le istruzioni di movimento necessarie a un robot o a un veicolo . Nvidia lo descrive come il primo omnimodello completamente aperto con ragionamento visivo nativo e generazione multimodale di testo, immagini, video, suoni ambientali e azioni .

Omniverse costituisce il banco di prova virtuale. Le librerie di Omniverse, che fanno parte di Nvidia Agent Toolkit, mettono a disposizione capacità predefinite per costruire mondi 3D pronti per la simulazione, nei quali i sistemi di IA fisica possono essere addestrati, testati e validati .

Il flusso di lavoro è quindi circolare: Cosmos 3 genera o prevede uno scenario fisico; Omniverse lo ricrea in un ambiente virtuale ad alta fedeltà; il sistema di IA esegue le proprie politiche di comportamento nella simulazione; i risultati possono infine essere usati per perfezionare il modello .

Questo approccio consente di creare grandi quantità di dati sintetici e di provare situazioni difficili da raccogliere nel mondo reale. Per i team che lavorano su robotica, veicoli autonomi e sistemi di visione, il vantaggio è poter ripetere gli esperimenti molto più rapidamente e con meno dipendenza dall’hardware fisico .

Perché Nvidia punta sui modelli open weight

Il 24 luglio 2026 Nvidia è stata tra i firmatari della lettera “Open Weights and American AI Leadership”, che sollecita i legislatori statunitensi a sostenere i modelli open weight .

Con questa espressione si indicano modelli i cui pesi possono essere scaricati, analizzati, modificati ed eseguiti su infrastrutture proprie. Secondo la lettera, la leadership nell’IA non dipenderà da un unico modello di frontiera, ma dalla capacità di creare un ecosistema aperto utilizzabile in molti settori .

Nvidia ha inoltre reso disponibili i pesi di Cosmos 3, gli script di addestramento, gli strumenti di distribuzione e i dataset con la licenza OpenMDW-1.1 della Linux Foundation. Si tratta di una licenza permissiva pensata per ridurre la frammentazione dei termini legali con cui vengono distribuiti i modelli di IA .

La società ha spostato sulla stessa licenza tutte e quattro le sue famiglie di modelli aperti — Cosmos, Isaac GR00T, Ising e Nemotron — un segnale di una scelta più ampia, non limitata al solo progetto di IA fisica .

La Open Secure AI Alliance punta sulla sicurezza degli agenti

Il 27 luglio 2026 Nvidia ha lanciato la Open Secure AI Alliance, una coalizione dedicata allo sviluppo e alla condivisione di strumenti open source per la sicurezza e la cybersecurity dei sistemi di IA .

Le diverse ricostruzioni della stampa riportano numeri leggermente differenti per il gruppo iniziale: tra 37 e 44 partner fondatori. Tra i nomi citati figurano Microsoft, SpaceX, Dell, Cisco, Cloudflare, CrowdStrike, Hugging Face e la Linux Foundation . OpenAI, Anthropic e Google non facevano parte del gruppo fondatore .

L’obiettivo principale è la sicurezza degli agenti di IA, cioè sistemi capaci non soltanto di generare risposte, ma anche di usare strumenti, prendere decisioni ed eseguire operazioni. L’iniziativa è nata anche sulla scia di un episodio avvenuto nel luglio 2026, quando un modello di IA chiuso avrebbe ostacolato l’indagine di un’azienda su una violazione dei propri server .

Nvidia ha contribuito all’alleanza con modelli aperti, pesi, dati e ricerche sui cosiddetti agent harness, gli strumenti che permettono di controllare e coordinare gli agenti. Tra i contributi figura anche il framework open source Nvidia Labs Object-Oriented Agent (NOOA) .

Nel giro di una settimana, OSAA è cresciuta fino a superare le 120 aziende e ha creato il gruppo di lavoro Shared AI Findings Exchange, abbreviato in SAFE, per elaborare linee guida sulla sicurezza dell’IA . Le prime proposte, presentate alla conferenza di cybersecurity Black Hat di Las Vegas nell’agosto 2026, riguardano la segnalazione riservata degli incidenti, l’avviso alle organizzazioni coinvolte e l’analisi senza attribuzione di colpe dopo un incidente di sicurezza .

Un nuovo team interno per controllare i rischi

Alla fine di luglio 2026 Nvidia ha iniziato a costituire con discrezione un nuovo AI Safety and Cybersecurity Engineering team. La sua esistenza è emersa da annunci di lavoro per figure come un responsabile tecnico fondatore, un ingegnere della ricerca sulla sicurezza, un ingegnere per le valutazioni e un senior manager .

Il gruppo dovrà eseguire valutazioni di sicurezza e costruire infrastrutture di protezione per i modelli open weight e per gli agenti autonomi di Nvidia . Tra le attività indicate negli annunci figurano anche la valutazione degli agenti prima della distribuzione e lo sviluppo di strumenti basati sull’IA per individuare o correggere vulnerabilità software .

Un annuncio descrive il team come fondato sulla convinzione che modelli open weight, trasparenza e ampia revisione scientifica siano essenziali per mantenere la leadership statunitense nell’IA . Business Insider ha interpretato la campagna di assunzioni come un segnale del fatto che Nvidia stia puntando ancora più decisamente sui modelli aperti, cercando però di affiancare a questa apertura controlli di sicurezza adeguati .

La logica complessiva della scommessa

Cosmos 3 e Omniverse danno a Nvidia una posizione distinta nell’IA fisica: non soltanto l’hardware su cui eseguire i modelli, ma anche il modello del mondo e l’ambiente di simulazione necessari per sviluppare robot, veicoli autonomi e altri sistemi capaci di operare nel mondo reale.

Le iniziative sull’apertura e sulla sicurezza completano questo nucleo tecnologico. La licenza comune dovrebbe rendere più semplice adottare e modificare i modelli; OSAA punta a creare strumenti e pratiche condivise per proteggere gli agenti; il nuovo team interno dovrà verificare che i prodotti Nvidia siano sottoposti a valutazioni rigorose prima dell’impiego.

La tesi di fondo è quindi chiara: per portare l’IA fisica fuori dai laboratori non basta che un modello sappia ragionare. Deve anche poter essere addestrato in modo efficiente, ispezionato, testato in ambienti realistici e difeso quando gli vengono affidate azioni nel mondo reale.