Cosa è Cosmos 3 Edge
Al SIGGRAPH 2026, NVIDIA ha rilasciato Cosmos 3 Edge, un modello world foundation da 4 miliardi di parametri progettato per funzionare on-device, senza cloud. Non è un LLM tradizionale: è un omnimodello per l'AI fisica che comprende testo, immagini, video, suoni ambientali e — soprattutto — genera azioni robotiche in tempo reale.
Il modello è disponibile su HuggingFace (nvidia/Cosmos3-Edge) e GitHub (nvidia/cosmos), con licenza open. Può girare su una singola GeForce RTX GPU, sui moduli Jetson Thor (inclusi i nuovi T2000 e T3000), o su sistemi DGX. L'obiettivo è chiaro: portare l'intelligenza artificiale fisica sui dispositivi locali, dal factory floor al veicolo autonomo.
L'architettura: Mixture-of-Transformers
Cosmos 3 Edge utilizza un'architettura Mixture-of-Transformers che combina due torri specializzati attraverso un'attenzione multimodale condivisa:
- Reasoner Tower (autoregressiva): processa input multimodali (testo, immagini, video, traiettorie di azione) e genera output testuali, ragionando sul contesto visivo e fisico.
- Generator Tower (diffusion): genera sequenze video temporalmente coerenti a partire da immagini e istruzioni testuali, usando distillazione DMD2 (Improved Distribution Matching Distillation) per generazione高质量 in soli 4 step.
Questa architettura permette al modello di fare qualcosa che nessun LLM tradizionale può fare: ragionare sul mondo fisico e generare azioni concrete. Non si tratta di generare testo su un robot, ma di controllare direttamente un robot.
Con 4 miliardi di parametri, Cosmos 3 Edge porta la frontier AI fisica su dispositivi edge, eliminando la dipendenza dal cloud. — NVIDIA, SIGGRAPH 2026
Performance: 15 Hz real-time su Jetson Thor
I numeri sono impressionanti per un modello da 4B parametri:
- Risoluzione di controllo: 640×360 pixel per l'osservazione robotica
- Azioni per inferenza: 32 azioni simultanee
- Frequenza di controllo: 15 Hz in tempo reale su Jetson Thor
- Benchmark: #1 su VANTAGE-Bench per vision analytics tra modelli 4B, state-of-the-art per robot policy learning
Il modello supporta quantizzazione B16, FP8 e NVFP4 (4-bit), con NVIDIA che dichiara fino a 2x speedup nell'inferenza con NVFP4 rispetto al baseline. Per deployment su hardware consumer, un singolo GeForce RTX può far girare il modello senza connessione internet.
La famiglia Cosmos 3
Cosmos 3 Edge è il modello più piccolo di una famiglia lanciata in due fasi:
- Cosmos 3 Super (64B): il modello più potente, per inference su datacenter, rilasciato al GTC Taipei il 31 maggio 2026
- Cosmos 3 Nano (16B): bilanciato per deployment mid-range, rilasciato al GTC Taipei
- Cosmos 3 Edge (4B): per dispositivi edge e real-time, rilasciato al SIGGRAPH 2026 il 21 luglio
La scalabilità verticale permette di usare lo stesso paradigma di physical AI dal datacenter al dispositivo, con un'architettura coerente che semplifica il transfer learning tra scale.
Casi d'uso: robotica, veicoli autonomi, smart infrastructure
Cosmos 3 Edge copre tre domini principali:
- Robotica: dato un input visivo e un'istruzione linguistica (es. "prendi la scatola rossa"), il modello genera traiettorie di azione per manipolazione e controllo. Post-training sul dataset DROID produce policy con successo dimostrato su compiti di manipolazione.
- Veicoli autonomi: comprensione delle scene stradali, predizione delle intenzioni degli altri veicoli e generazione di azioni di guida. Il modello può simulare scenari futuri per training e validazione.
- Smart infrastructure: agenti AI per visione su live video, con reasoning in tempo reale per sicurezza industriale, monitoraggio e automazione.
NVIDIA ha anche annunciato Cosmos Dreams, un set di simulatori closed-loop che possono generare ambienti virtuali completi a partire da una singola immagine, aprendo scenari di training data generation senza precedenti.
La coalizione giapponese: 22 giganti della robotica
Uno degli announcement più significativi al SIGGRAPH 2026 è la NVIDIA Cosmos Coalition, che include 22 aziende giapponesi leader nella robotica:
FANUC, Yaskawa, Kawasaki, Sony, SoftBank, Honda R&D, Fujitsu, Hitachi, NEC, Kubota e altri. Queste aziende utilizzeranno Cosmos 3 Edge come base per sviluppare soluzioni di robotica industriale e manifatturiera con AI on-device.
Per il Giappone, che ha una lunga tradizione in robotica industriale ma ha perso terreno nell'AI software, questa coalizione rappresenta un tentativo di recuperare competitività combinando hardware eccellente con AI frontier. L'approccio on-device è particolarmente attraente per il manufacturing giapponese, dove latenza, privacy e affidabilità sono critici.
Il contesto SIGGRAPH 2026
Cosmos 3 Edge non è stato l'unico announcement di NVIDIA al SIGGRAPH 2026. Il keynote ha coperto cinque pilastri:
- Cosmos 3 Edge: modello 4B per physical AI locale
- MCP integrations: Model Context Protocol in Adobe, Affinity, Blender, Houdini, Unreal Engine e Boris FX
- Synthetic Video Detector NIM: per workflow newsroom e rilevamento video AI-generato
- DGX Station: con NemoClaw e Nemotron 3 Ultra per super-agent locali
- 21 research paper: tra cui MotionBricks, GPC, ArtiFixer, Newton physics, VideoNeuMat, ARDY
Il messaggio è chiaro: NVIDIA sta costruendo un ecosistema completo che va oltre i GPU, abbracciando AI fisica, generative AI, simulazione e agent autonomi.
Perché importa per l'Italia
L'Italia ha un settore manifatturiero forte (machinery, automotive, packaging) dove la robotica industriale è già diffusa. Cosmos 3 Edge apre possibilità nuove:
- Robotica collaborativa: bracci robotici che ragionano in tempo reale sul contesto, senza latenza cloud
- Smart factory: vision AI agents che monitorano linee di produzione con reasoning, non solo object detection
- Veicoli autonomi: sviluppo e testing con world models che simulano scenari urbani italiani
- Privacy e sovranità: elaborazione on-device significa dati sensibili non lasciano mai il dispositivo
La disponibilità su HuggingFace con licenza open permette a ricercatori e startup italiani di sperimentare senza barrier to entry. E la compatibilità con hardware consumer (RTX GPU) democratizza l'accesso alla physical AI frontier.
Il quadro competitivo
Cosmos 3 Edge si posiziona in un mercato emergente dove i concorrenti sono pochi. I LLM tradizionali (GPT-5.6, Claude, Gemini) operano nel dominio testuale e non generano azioni fisiche. I modelli di robotica specializzati (es. RT-2 di Google) tendono ad essere più grandi e cloud-bound. Bonsai 27B, di cui abbiamo parlato recentemente, è un LLM compresso per smartphone, non un world model per robotica.
NVIDIA ha un vantaggio unico: controlla l'intero stack, dai GPU (Jetson, RTX, DGX) ai framework (Isaac SDK, Omniverse) fino ai modelli (Cosmos). Questa integrazione verticale rende Cosmos 3 Edge non solo un modello, ma un piattaforma completa per physical AI.
Perché importa
Quando l'AI smette di vivere nei server e inizia a controllare robot, veicoli e infrastrutture nel mondo reale, il impatto cambia qualitativamente. Cosmos 3 Edge è un passo in questa direzione: un modello frontier che gira su un dispositivo locale, che ragiona sul mondo fisico e che genera azioni concrete.
Per le aziende italiane che operano in manufacturing, automotive o IoT industriale, questo è il momento di iniziare a valutare come la physical AI può trasformare i loro processi. Alla AISAC aiutiamo le organizzazioni a navigare l'evoluzione dell'AI, dal text generation alla physical intelligence. Parliamo di come Cosmos 3 Edge e la physical AI possono impattare la tua strategia.