造市场，还是造模型：Cosmos 3 给 AI 创业者的五个判断 (2026)

本期听什么

张小珺对话英伟达研究副总裁、Cosmos 世界基座模型负责人刘洺堉，话题从 Cosmos 3 一路谈到 Physical AI、世界模型、开源、黄仁勋和英伟达的组织哲学。本期不把它当成一场模型发布解读，而是把其中对 AI 产品创业者最有用的判断拆出来：模型能力之外，创业公司到底该造什么。

原访谈发布于 2026 年 8 月 13 日，时长约 216 分钟。本期基于原始音频的完整语音转写，并对照节目官方文字版整理；嘉宾原声片段均从同一份原始音频按时间对齐进入节目。1 2

五个判断

1. 「造市场」不是不竞争，而是先决定你要扩大哪一块蛋糕

刘洺堉反复强调，模型竞争不应该是「鱿鱼游戏」：如果大家要解的问题完全一样，才会陷入零和竞争；如果一家公司能让原本不存在的需求、工具和基础设施被真正使用，它就在扩大市场。英伟达把 Physical AI 视为这样的新市场，Cosmos 则被放在「帮助整个生态成功」的位置上。1

对创业者来说，这个判断不能直接翻译成「不要管竞争」。更准确的翻译是：先问自己是在争夺已有预算，还是在让客户第一次愿意为一件事付费。前者需要效率、渠道和替代优势；后者需要教育市场、补齐配套，并承受更长的验证周期。所谓「zero-billion-dollar business」，本质上是把资源投向一个尚未成形、但一旦成立就会改变行业边界的问题，而不是给小市场套上宏大叙事。

2. 世界模型的价值不在名词，而在它为谁提供了哪一种可用能力

刘洺堉没有给世界模型下一个唯一的定义。他把它拆成几种用途：预测接下来会发生什么，理解事情为什么发生，重建三维世界，或者帮助机器人在环境中学习。Cosmos 的定位也因此不是「替所有人做一个最终模型」，而是提供一个底层起点，让 Physical AI 的构建者继续训练、适配和部署。2

这给 AI 产品团队一个很实际的反问：你说自己在做世界模型，究竟是要预测、解释、生成，还是帮助一个具体设备完成任务？如果答案只有「我们理解世界」，产品边界还没有出现。边界一旦出现，数据、评测、延迟、部署成本和责任范围才会跟着出现。

3. Cosmos 3 的一课，是把模型数量和产品复杂度一起算进去

Cosmos 早期为了覆盖不同伙伴的需求，曾经可能需要二十多个模型。刘洺堉后来接受黄仁勋用路易威登减少陈列、销量反而提升的比喻，转向把 Reason、Predict、Transfer、Policy 等方向逐步合并到更统一的模型里。他把这件事总结成「备多则力寡」：模型越多，维护、选择、部署和迭代的负担越大。2

这不是「单一模型一定优于多模型」的结论。Cosmos 3 仍然保留双塔设计，原因就是理解和生成的分布不同，客户的后训练方式也不同。真正值得带回团队的是：把模型架构、调用方式和用户决策放在一张图里看。一个技术上更优雅的方案，如果客户不知道选哪个、改动一次就牵连整套能力，最终可能不如一个略复杂但可部署、可迭代的方案。

4. Physical AI 的创业壁垒，可能首先是评测和环境，而不是再做一个 Demo

刘洺堉把 Cosmos 对 Physical AI 的帮助概括为三件事：更好的数据、更好的起始点、更好的环境。其中最难的是环境，因为真实世界交互昂贵、慢，而且每种机器人、传感器和物理设置都不同。他还特别强调，物理智能不能只靠固定基准测试或模型竞技场，必须和真正有痛点的专家一起验证：模型到底有没有帮任务完成。1

因此，做机器人或 Physical AI 产品的团队，本周就可以把一个 Demo 改写成一张任务表：目标是什么，允许失败几次，哪些状态可以恢复，哪些数据能跨设备复用，谁来验收。对纯软件团队，这个逻辑同样成立：真正的「环境」可能是企业流程、权限系统和生产数据，而不是一个看起来很聪明的聊天窗口。

5. 「使命为王」要落到取舍、透明度和长期承诺上

刘洺堉描述的英伟达组织，不只是一个鼓舞士气的口号。它包括让员工写出最重要的五件事，用透明信号帮助组织对齐；减少内部赛马，把任务交给一个负责人，再给足够高的门槛；在技术变化时优先考虑转型，而不是立刻换人。他把这套逻辑概括为「mission is the boss」。2

这套组织方式有明确的代价：转型会更慢，长期项目会消耗更多资源，也更依赖一号位持续判断。创业团队不能只拿走「长期主义」四个字，而要把它翻成三个问题：我们愿意连续投入多少轮，什么信号会让我们停止，谁有权把资源从一个热门方向移到更重要的任务上。

一周内可做检查

写下你的产品正在扩大哪一个新市场，以及客户为什么现在还没有为它付费。
给一个真实任务标出「预测、理解、生成、执行」中的主目标，并写出对应的验收条件。
把模型数量、部署路径、后训练方式和用户选择成本放在同一张图里，找出最容易让客户困惑的地方。
建一张任务级数据表：成功、失败、恢复、人工接管和跨客户复用分别如何记录。
把团队当前最重要的五件事写出来，再检查其中是否有两件其实在争夺同一份资源。

带回团队的问题

我们是在争夺已有预算，还是在创造一类新的预算？
如果模型能力逐渐趋同，客户为什么仍然需要我们的任务环境、数据和评测？
哪一个失败状态最值得被系统记录，因为它可能成为下一轮产品改进的起点？
我们说自己「长期投入」时，具体承诺了多少轮实验和多长时间？
如果今天必须砍掉一半项目，哪个使命仍然值得保留？

素材边界

本期处理的是《张小珺 Jùn｜商业访谈录》第 150 集「对英伟达研究副总裁刘洺堉的 4 小时访谈」。官方公众号文章明确标注为访谈节选；本期同时取得并读取公开原始音频，完成全量语音转写，再从同一原始音频中截取并对齐嘉宾原声。节目中的引用和事实均以原访谈表达为来源；关于创业团队的检查项，是本频道面向 AI 产品创业者做的二次整理，不代表英伟达或刘洺堉的承诺，也不构成投资建议。

References

1
张小珺Jùn｜商业访谈录第150集media.xyzcdn.net
2
独家对话英伟达刘洺堉：黄仁勋影响我的，你不需要击败所有对手mp.weixin.qq.com