AWS تشرح بناء مصنع نماذج الذكاء الاصطناعي المادي بـ NVIDIA Cosmos 3 على SageMaker HyperPod
مقال هندسي من AWS يوضح كيف يشغّل Cosmos 3 توليد البيانات الاصطناعية والتدريب اللاحق والتقييم في محاكاة مغلقة كثلاثة أحمال على مجموعة GPU واحدة.
نشرت AWS دليلاً لبناء ما تسميه "مصنع نماذج الذكاء الاصطناعي المادي" (Physical AI) عبر تشغيل نموذج NVIDIA Cosmos 3 على Amazon SageMaker HyperPod. الفكرة أن الروبوت أو المركبة ذاتية القيادة التي تحوّل بيانات العالم الحقيقي إلى أفعال مادية لا يمكن بناؤها بمهمة تدريب واحدة، بل تحتاج حلقة مستمرة.
تتكوّن الحلقة من أربع مراحل: استيعاب بيانات حقيقية مثل DROID وBridgeData2 وسجلات مستشعرات المركبات ذاتية القيادة في مجموعة بيانات مشتركة على Amazon S3 وAmazon FSx for Lustre، ثم توليد بيانات اصطناعية عبر نموذج معلّم من فئة Cosmos3-Super، ثم تدريب لاحق لسياسة Cosmos3-Nano قابلة للنشر باستخدام المزيج الاصطناعي والحقيقي، وأخيراً التقييم في محاكاة مغلقة الحلقة.
جذع واحد بثلاثة أوضاع
Cosmos 3 نموذج أساس عالمي مفتوح ومتعدد الوسائط يتعامل مع الفيديو والصورة والفعل والصوت كتيار رموز واحد. يعمل جذع المحوّل نفسه في ثلاثة أوضاع: نموذج عالم بديناميكا أمامية لتوليد الفيديو الاصطناعي، ومصنّف أفعال بديناميكا عكسية، وسياسة أفعال قابلة للنشر. ما يتغيّر بين الأوضاع هو فقط أي الرموز يبدأ مشوّشاً. ولأن عائلة نموذج واحدة تغطي التوليد والتدريب اللاحق والتقييم، تجدول AWS المراحل كأحمال تتقاسم الوقت على مجموعة عقد GPU دائمة واحدة بدل تخصيص سعة منفصلة لكل مرحلة.
للعائلة مستويان: Cosmos3-Nano بـ 16 مليار معامل على عمود فقري كثيف من Qwen3-VL بـ 8 مليارات، وCosmos3-Super بـ 64 مليار معامل على عمود فقري بـ 32 مليار. كما أصدرت NVIDIA فئة Cosmos3-Edge بـ 4 مليارات معامل للنشر على الأجهزة، مع قياسات على Jetson Thor وOrin. يقوم Edge على عمود فقري كثيف بنحو 2 مليار معامل دُرّب من الصفر لا انطلاقاً من Qwen3-VL، أي أنه سلالة أوزان منفصلة. أما المتغيرات المتخصصة مثل Cosmos3-Nano-Policy-DROID فمخصصة لوضع السياسة عند 15 هرتز بأفق من 32 خطوة.
أصدرت NVIDIA النموذج برخصة OpenMDW-1.1 من Linux Foundation. وترى AWS أن مقياس التكلفة ليس ذروة الإنتاجية لمهمة واحدة بل GPU goodput: التقدّم المفيد لكل ساعة GPU محجوزة عبر الحلقة كاملة. قوالب البنية التحتية وملفات المهام متاحة في مستودع awsome-distributed-ai على GitHub. التفاصيل في مقال AWS.
