A aposta da Nvidia na IA física: como Cosmos 3, Omniverse e segurança formam uma só estratégia

Na prática, o sistema combina raciocínio físico, simulação do mundo e geração de ações. Ele pode analisar uma cena, estimar o que deve acontecer e produzir os comandos de movimento que um robô ou veículo precisaria executar . A Nvidia o descreve como o primeiro omnimodelo totalmente aberto com raciocínio visual nativo e geração multimodal nessas categorias .

Omniverse é o laboratório virtual

O Omniverse funciona como a camada de simulação. Suas bibliotecas, integradas ao Nvidia Agent Toolkit, oferecem recursos prontos para criar ambientes tridimensionais preparados para testes de IA física .

O fluxo é relativamente direto: o Cosmos 3 gera ou prevê um cenário físico, e o Omniverse reproduz esse cenário em um ambiente virtual de alta fidelidade. Assim, as equipes podem treinar e avaliar políticas de IA em um ciclo fechado, sem depender imediatamente de robôs, carros ou outros equipamentos reais .

O ciclo de feedback reduz o custo dos testes

Os desenvolvedores podem usar a geração de mundos do Cosmos 3 para criar dados de treinamento variados, executar as políticas resultantes nas simulações do Omniverse e devolver os resultados ao modelo para aprimoramento .

Esse ciclo é especialmente relevante para robótica, veículos autônomos e sistemas de visão computacional. Em vez de coletar todos os exemplos em situações reais — um processo caro, lento e potencialmente perigoso —, as equipes podem testar diferentes condições no ambiente virtual e repetir os experimentos com mais velocidade .

Por que a Nvidia defende modelos de pesos abertos

Em 24 de julho de 2026, a Nvidia esteve entre as signatárias da carta “Open Weights and American AI Leadership”, que pediu a formuladores de políticas dos Estados Unidos apoio aos modelos de IA de pesos abertos .

Modelos desse tipo disponibilizam seus parâmetros treinados para que outras pessoas possam baixá-los, inspecioná-los, modificá-los e executá-los em sua própria infraestrutura. A carta argumenta que a liderança em IA dependerá da amplitude de um ecossistema aberto capaz de alcançar diferentes setores, e não apenas da existência de um único modelo de fronteira .

A Nvidia também publicou os pesos do Cosmos 3, scripts de treinamento, ferramentas de implantação e conjuntos de dados sob a licença OpenMDW-1.1, da Linux Foundation. A licença foi criada para reduzir a fragmentação entre contratos de IA e diminuir o atrito jurídico para quem deseja adotar ou adaptar esses modelos .

A empresa transferiu para a mesma licença suas quatro famílias de modelos abertos: Cosmos, Isaac GR00T, Ising e Nemotron . O movimento sugere uma estratégia ampla de distribuição de modelos — e não uma iniciativa isolada ligada apenas à IA física.

O papel da Open Secure AI Alliance

Em 27 de julho de 2026, a Nvidia lançou a Open Secure AI Alliance (OSAA), uma coalizão voltada ao desenvolvimento e ao compartilhamento de ferramentas de código aberto para segurança e cibersegurança em sistemas de IA .

As primeiras listas de participantes variaram: diferentes relatos apontaram entre 37 e 44 parceiros fundadores. Entre os nomes citados estão Microsoft, SpaceX, Dell, Cisco, Cloudflare, CrowdStrike, Hugging Face e Linux Foundation . OpenAI, Anthropic e Google não faziam parte do grupo fundador .

A aliança dá atenção especial à segurança de agentes de IA, sistemas capazes de tomar decisões e executar tarefas com algum grau de autonomia . Sua criação ocorreu, em parte, após um incidente em julho de 2026 no qual um modelo fechado teria dificultado a investigação de uma invasão aos servidores da própria empresa afetada .

A Nvidia contribuiu com modelos abertos, pesos, dados e pesquisas sobre estruturas para agentes. Entre os projetos está o Nvidia Labs Object-Oriented Agent (NOOA), um framework de código aberto .

Em sua primeira semana, a OSAA passou de 120 empresas e criou o grupo de trabalho Shared AI Findings Exchange (SAFE) para desenvolver orientações de segurança em IA . As primeiras propostas foram apresentadas na conferência de cibersegurança Black Hat, em Las Vegas, em agosto de 2026. Elas incluem mecanismos para relatar incidentes de forma confidencial, avisar as partes afetadas e analisar falhas sem buscar culpados individualmente .

Nova equipe interna de segurança

No fim de julho de 2026, a Nvidia começou a montar discretamente uma equipe chamada AI Safety and Cybersecurity Engineering, revelada por anúncios de emprego para cargos como líder técnico fundador, engenheiro de pesquisa em segurança, engenheiro de avaliação e gerente sênior .

A unidade deve realizar avaliações de segurança e construir infraestrutura de proteção para os modelos de pesos abertos e os agentes autônomos da Nvidia . Ela funciona como um complemento interno ao trabalho de padronização e colaboração que a empresa promove externamente por meio da OSAA.

Uma das descrições de vaga dizia que a equipe seria “fundamentada na convicção de que modelos de pesos abertos, transparência e ampla revisão científica são essenciais para manter a liderança dos Estados Unidos em IA” . Segundo o Business Insider, a contratação indica que a Nvidia está reforçando sua aposta em modelos abertos e tentando combinar essa abertura com avaliações de segurança mais rigorosas .

O que essa estratégia representa

Cosmos 3 e Omniverse posicionam a Nvidia em uma parte mais ampla da cadeia de IA física. A empresa não oferece apenas os chips usados no treinamento e na execução dos modelos: também fornece o modelo de mundo e o ambiente de simulação necessários para desenvolver robôs, veículos autônomos e outros sistemas capazes de interagir com o espaço físico.

As iniciativas de abertura e segurança reforçam a mesma tese. A licença OpenMDW-1.1 busca facilitar a adoção dos modelos; a OSAA tenta criar ferramentas e práticas compartilhadas para proteger agentes de IA; e a equipe interna deve submeter os próprios sistemas da Nvidia a avaliações antes da implantação.

O resultado é uma aposta em um ecossistema no qual modelos abertos, simulação e segurança avançam juntos. Para a Nvidia, essa combinação pode reduzir as barreiras técnicas, jurídicas e operacionais que ainda dificultam a aplicação da IA física em escala — embora a capacidade de simulação, por si só, não elimine a necessidade de validação no mundo real.