具身智能和物理AI这周有个共同点：
大家不再只聊「更大的云端视频模型」，而是在追问两件更土、更硬的事——模型能不能跑在机器旁边，以及训练数据能不能先绕开「必须先有一堆真机」。
NVIDIA放出开放权重的 Cosmos 3 Edge；小米发布机器人基础模型 Xiaomi-Robotics-1的项目页、论文与模型入口，代码和权重目前仍显示为即将释放。
两条线不互相替代，但叠在一起看，物理AI的下一截竞争地图会清楚很多：
一边在回答模型怎么落到边缘设备，另一边在回答机器人怎么凿开数据墙。
01Cosmos 3 Edge：把世界模型搬到边缘设备
据Hugging Face上的NVIDIA介绍，Cosmos 3 Edge是约 40亿参数的开放世界模型，目标是在工厂、仓储、医院等边缘场景里，让机器人与视觉Agent理解环境、实时推理，并在设备上生成动作。
它强调的不是「再做一个云端大玩具」，而是内存受限设备上的数据中心级能力。
公开口径里，Cosmos 3 Edge 可在 RTX PRO、DGX、GeForce RTX，以及 Jetson 等硬件上做高吞吐推理；在机器人控制分辨率约 640×360的观测下实时推理；在 Jetson Thor上单次推理生成 32个动作，并实现约 15Hz实时控制。
这些数字真正指向的是一件事：
世界模型开始从云端演示，往边缘部署迁移。
过去很多视频模型证明的是「能不能生成一个看起来合理的未来画面」。 但机器人要的是另一件事：模型能不能在真实设备旁边持续理解环境变化，并参与动作闭环。
一个是「生成给人看」。 一个是「推理给机器用」。
这两件事不在一个层面上。
结构上，Cosmos 3采用两座互补的Transformer塔：自回归塔负责文本等离散token生成，扩散塔负责图像、视频、音频、动作等连续模态生成。它不是单纯把视频生成做大，而是试图把理解、预测、生成和动作推理收进同一套物理AI框架。
当然，这不等于它可以直接拿去控制真实机器人。
涉及机器人控制、自动系统和安全关键场景，仍然需要外部约束、系统级安全分析和领域验证。
但方向已经很清楚：
物理AI不能永远停在云端。
02小米Robotics-1：先用10万小时砸开数据墙
如果说 Cosmos 3 Edge 问的是「模型跑在哪里」，那小米 Xiaomi-Robotics-1问的是另一个更根上的问题：
机器人到底拿什么训练？
语言和视觉模型能靠缩放律往前推，是因为它们有海量文本、图像和视频。
但机器人不一样。
机器人需要的是动作数据。 它要知道手怎么伸、物体怎么抓、柜门怎么开、衣服怎么叠、环境状态怎么变化。
而这些数据没法像网页文本一样轻易获得。
你不能靠爬虫爬出一千万小时真实机器人操作数据。它需要真机、真实空间、真实任务、真实采集，也需要大量昂贵而缓慢的标注与对齐。
所以机器人基础模型长期卡在一个瓶颈上：
高质量数据太少，真机数据太贵，缩放很难启动。
小米给出的路线是两阶段：
先做大规模 无本体数据预训练，再用少量真机数据做后训练对齐。
预训练侧，小米提到约 10万小时无本体轨迹，覆盖 1700+场景，包括家庭、商业、工业、户外等。这些长视频会被切段，再用强VLM自动标注「场景状态如何变化」，形成可规模化的语言—动作语料。
后训练侧，再用跨本体真机数据、筛选过的开源机器人数据，以及高质量UMI数据做对齐。小米还提到，自有真机数据超过 7200小时，来自真实家庭采集，任务包括整理沙发、鞋柜、厨具收纳等。
这套路线最值得看的是：
它试图把“缩放律”这件事，部分搬进机器人训练里。
过去机器人训练太依赖真机数据，所以很难像语言模型那样靠规模往前推。
Xiaomi-Robotics-1想绕开一部分限制：先不把训练完全绑死在某一种具体机器人上，而是先从大规模无本体轨迹里学习动作与状态变化的通用规律，再通过真机后训练，把能力钉回具体本体和真实任务。
所以它卖的不是又一个「会聊天的机器人人设」。
它真正指向的是：
机器人能不能先用大规模无本体数据获得操作先验，再用少量真机数据完成迁移。
03两条线，一张地图
|
|
|
|
|---|---|---|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
它们不是互相替代的关系，而是物理AI走向真实世界时必须同时回答的两个问题。
一个偏部署。 一个偏数据。
一个解决「跑在哪里」。 一个解决「拿什么学」。
过去看机器人，大家很容易被Demo吸引：会不会端茶、会不会叠衣服、会不会开柜门、会不会做饭。
但真正进入工程化阶段后，问题会变得更冷、更硬：
模型能不能低延迟运行？ 边缘设备能不能承受？ 动作闭环能不能稳定？ 数据能不能持续积累？ 陌生场景里掉点有多严重？
这些问题听起来没有那么性感。
但它们才是真正决定物理AI能不能落地的部分。
所以这周最值得看的，不是NVIDIA和小米谁更强。
而是它们同时指向了一个变化：
物理AI的计分板，正在从「谁家演示更炫」，换成「谁能在设备上稳跑，谁能把数据墙凿开一条缝」。
一个往边缘跑。
一个往数据里钻。
这一周，两边都交了作业。