51WORLD旗下51Sim完成与NVIDIA Cosmos 3及Alpamayo深度适配，推出SimOne4.0

日前，51WORLD旗下51Sim宣布，已完成对NVIDIA Cosmos 3和Alpamayo的深度适配与产品级融合，并以此为基础推出新一代仿真平台SimOne4.0。该平台面向物理AI时代，打通了从数据到交付的五大核心环节。

物理AI技术范式下的新底座

随着世界模型与VLA成为物理AI时代的核心技术范式，智能驾驶正从依赖规则驱动转向依赖世界理解与自主推理。SimOne4.0正是面向这一趋势构建的世界模型和VLA原生底座，整合了数据、训练、推理、验证与交付五大环节。

具体来看，SimOne4.0将物理世界重建与生成、VLA闭环仿真与智能推理验证能力全面纳入其中。该平台进一步打通了“真实数据重建—世界模型泛化生成—VLA闭环推理验证”的完整技术链路，为车企提供新一代仿真基础设施。

NVIDIA Cosmos 3是首款面向物理AI的全模态世界模型，Alpamayo是首款面向自动驾驶的VLA推理模型。

SimOne产品发展历程

SimOne产品系列自2017年推出以来，已服务全球超百家智驾主机厂、Tier1、科技公司、检测机构、高校及科研院所。其应用场景覆盖研发、训练、验证与量产等关键环节，持续推动仿真从验证工具演进为物理AI时代的基础设施。

名词解释与逻辑拆解

VLA是Vision-Language-Action的缩写，即视觉-语言-动作模型，旨在让智能体通过视觉和语言理解环境，并自主规划执行物理动作。

世界模型指能够模拟物理世界运行规律、预测未来状态的深度学习模型，是AI从感知走向推理的关键技术。

此次融合的核心逻辑在于：先利用真实驾驶数据重建高保真场景，再由世界模型泛化生成大量虚拟驾驶场景，最后通过VLA模型进行闭环推理与验证，从而形成完整的仿真验证链条。

对行业的影响

业内人士指出，这一技术链路的打通有望降低车企在智能驾驶算法验证环节对海量真实道路数据的依赖，加速高阶智驾系统的研发与落地效率。

SimOne4.0发布：融合Cosmos 3实现真实场景到海量泛化场景的指数级扩展

SimOne4.0仿真平台基于“重建+生成”的底层仿真架构，具备了基于真实数据快速构建高保真神经场景的能力。该架构让真实道路采集的数据，不再只是用于回放的视频素材，而是能够重建为可运行、可编辑、可交互的数字资产。

架构逻辑拆解：“重建”与“生成”协同

“重建+生成”架构包含两个核心阶段。重建阶段将真实场景数据转化为高保真神经场景数字资产，使其具备可运行、可编辑、可交互的属性。生成阶段则借助Cosmos世界模型，在保持物理一致性的基础上自动扩展多样化合成数据。

融合Cosmos 3实现泛化生成

此次发布的SimOne4.0融合了Cosmos 3，使重建的神经场景可无缝借助Cosmos世界模型进行泛化生成多样化的合成数据。这种设计在保持物理一致性的基础上，能够自动扩展天气、光照、交通参与者、行为模式以及长尾事件组合。

“从一个真实场景到海量可泛化场景资产的指数级扩展，大幅提升真实数据的利用效率和训练价值。”——平台技术说明

专业名词解读：神经场景与Cosmos世界模型

神经场景指通过神经网络重建的高精度虚拟环境，能够保留真实场景的几何与语义细节。Cosmos世界模型是一种用于场景泛化生成的模型，可基于重建资产自动生成多种环境条件与事件组合，无需人工逐一配置。

• 重建阶段产出：可运行、可编辑、可交互的数字资产
• 生成阶段产出：包含不同天气、光照、交通参与者及行为模式的合成数据
• 应用目标：提升真实道路采集数据的利用效率与训练价值

SimOne4.0集成NVIDIA Cosmos 3，实现“一次采集、多轮生成”数据闭环

基于NVIDIA Cosmos 3场景泛化能力，用户通过SimOne4.0平台可一站式调用该模型，无需自建世界模型推理栈。这一集成将过去“一次采集、一条数据、一次使用”的模式，演进为“一次采集、多轮生成、持续训练”的全新数据闭环，放大真实数据的价值密度，使其成为可持续增值的数据资产。

数据闭环机制拆解

传统模式中，采集到的每条数据在使用一次后即失去复用价值。SimOne4.0结合Cosmos 3的场景泛化能力，允许对同一份真实采集数据进行多轮生成——即基于原始场景衍生出多种变体，并用于持续训练。这种闭环使得原始数据不止步于单次消耗，而是转化为可迭代增长的资产。

“一次采集、多轮生成、持续训练”——素材中描述的闭环核心逻辑：采集→泛化生成→训练→再生成。

专业名词释义

• Cosmos 3场景泛化：一种能够基于已有场景数据自动生成多样化场景变体的模型，无需人工构建每条新场景。
• 世界模型推理栈：指用于模拟环境物理规律、感知与预测的完整计算链路，通常需要自建。SimOne4.0通过集成Cosmos 3，用户可直接调用已封装的推理能力。
• VLA（视觉-语言-动作）模型：融合视觉、语言理解与动作决策的AI模型，常用于机器人、自动驾驶等领域。素材中提及的NVIDIA Alpamayo系列即属此类。

面向VLA与世界模型的闭环仿真支持

面向VLA与世界模型的闭环仿真需求，SimOne4.0已深度支持NVIDIA Alpamayo系列VLA推理模型的闭环仿真验证。这意味着用户在仿真环境中可对VLA模型进行迭代测试，无需脱离SimOne4.0平台即可完成从数据生成到模型验证的全流程。

这一整合使得采用Cosmos 3与Alpamayo的用户能够在一个平台上完成数据采集、场景泛化、模型训练与仿真验证，降低了多工具拼接的复杂度。

SimOne4.0与NVIDIA Alpamayo 1.5完成VLA推理模型闭环仿真测试

一套基于SimOne4.0高保真闭环仿真体系、面向NVIDIA Alpamayo 1.5视觉-语言-动作（VLA）推理模型的测试方案已对外公布。该方案旨在解决VLA模型在动态交互环境中“感知—推理—决策—执行”完整循环的验证难题。

VLA模型对仿真环境提出的新要求

与感知与规划模块相互独立的传统自动驾驶模型不同，VLA模型需要持续进行多模态输入融合与因果推理。这要求仿真环境具备高真实性、强交互性与闭环能力，否则无法支撑模型的规模化迭代。

相比传统模型中感知和规划模块相互独立，VLA模型需要在动态交互环境中持续完成“感知—推理—决策—执行”的完整循环，对仿真环境的真实性、交互性和闭环能力提出了更高要求。

Alpamayo 1.5的核心能力

Alpamayo 1.5基于NVIDIA Cosmos平台构建，可处理多摄像头视频、导航输入及行车场景信息，输出车辆行驶轨迹，并同时生成因果链推理过程。这一设计使模型不仅输出控制指令，还能记录决策背后的逻辑路径。

SimOne4.0的支撑角色

SimOne4.0通过高置信度的感知仿真能力与高保真闭环仿真体系，为Alpamayo提供海量神经场景用于自动化测试。这些场景覆盖复杂路口、连续交互、长尾风险场景，支撑模型在因果推理能力上的持续验证与迭代优化。

• 复杂路口：包含多方向车流、信号灯、行人等动态元素。
• 连续交互：模拟车辆与周围交通参与者的多轮博弈。
• 长尾风险场景：诸如突发障碍、恶劣天气、非标道路等低频高损场景。

业内分析人士指出，这一闭环仿真方案降低了VLA模型在真实道路测试中的安全风险与成本，有望加速VLA技术在量产层面的落地节奏。

SimOne4.0发布：支持VLA模型场景理解与决策逻辑自然语言验证

新一代仿真平台SimOne4.0正式推出，其核心能力聚焦于通过自然语言对VLA（视觉-语言-动作）模型进行场景理解、行为推理与决策逻辑验证。这一进展旨在帮助开发者将评估重点从“模型是否做对”转向“模型为什么这样决策”，从而构建更具可解释性的AI安全验证体系。

以自然语言驱动AI推理过程的可解释性

SimOne4.0不仅支持传统的感知、规划与控制能力验证，还引入了基于自然语言的交互评估机制。开发者可以通过自然语言向模型提出场景理解问题、行为推理请求或决策逻辑追问，从而获取模型在特定驾驶或操作情境下的推理过程。

“让AI推理过程更加可解释、可验证、可优化，为高阶智能驾驶和具身智能系统构建更加可信的安全验证体系。”——SimOne官方表述

这一机制将AI的决策黑箱转变为可追溯的推理链条，使得模型在复杂环境下的每一次动作选择都能被人类理解和审查。

VLA模型验证的逻辑拆解

VLA模型在智能驾驶与具身智能领域扮演着核心角色，其运行流程通常包含三个环节：首先，“视觉”模块感知周围环境；其次，“语言”模块对场景进行语义理解与推理；最后，“动作”模块根据推理结果执行具体操作。SimOne4.0通过自然语言验证功能，直接作用于“语言”推理环节，使开发者能够检验模型在理解场景后，其决策逻辑是否符合安全预期。

全栈基础设施打通物理AI落地路径

根据官方规划，SimOne4.0将持续围绕物理AI时代演进方向，构建覆盖数据、世界生成、模型训练、闭环推理、强化学习与安全验证的全栈基础设施。其目标在于打通物理AI从虚拟训练到实体作业的“最后一公里”，最终助力AI安全、高效地进入真实物理世界。