AWS、インフラ構築ツール Amazon SageMaker HyperPod と NVIDIA Cosmos 3 を統合──物理 AI モデルファクトリの構築を効率化
Nvidia のオムニモーダル基盤モデル Cosmos 3 と SageMaker HyperPod を組み合わせ、合成データ生成からポリシーモデル学習までのパイプラインを単一の GPU ノードプールで運用可能にする。
リリース: 2026-09-04 · 読了 5 分記事の要約
1. 核心（What）
- AWS は Amazon SageMaker HyperPod と Amazon EKS 上で NVIDIA Cosmos 3 を用いた物理 AI モデルファクトリを構築する手順を公開した。
- NVIDIA Cosmos 3 は、動画、画像、アクション、音声を単一のトークンストリームとして処理する Mixture-of-Transformers（MoT）設計を採用している。
- モデル群には 16B の Cosmos3-Nano、64B の Cosmos3-Super、および 4B の Cosmos3-Edge の各 Tier が用意されている。
- 対応する GitHub リポジトリ（awsome-distributed-ai）にてインフラテンプレートやジョブマニフェストが提供されている。
2. 影響（Why）
- GPU グッドプットの最大化: ステージごとに異なる GPU キャパシティを別個にプロビジョニングする手間をなくし、同一の永続的な GPU ノードプールで時分割処理を行うことで、リソースの遊休時間を最小化する。
- オムニモーダル統合による実装コスト圧縮: 単一のトランク構造でフォワードダイナミクス、インバースダイナミクス、ポリシー実行の 3 モードを切り替えられるため、個別モデルのパイプライン連携にかかる開発コストを大幅に抑制できる。
3. 根拠・詳細（How）
- Mixture-of-Transformers（MoT）構造の採用: 各レイヤーで推論を担当する Reasoner と生成を担当する Generator の 2 つのエキスパートをデュアルストリームアテンションで結合し、生成プロセスを常に Reasoner の出力に接地させる。
- 推論時の非対称な処理最適化: トレーニング時は全デノイズスケジュールとビデオデコードを実行する一方、ロボット上でのデプロイ時はデノイズステップ数を削減し、ビデオデコードをスキップしてアクションのトークンのみを関節位置へ変換する。
4. 展望・課題（Next）
- パブリックリポジトリを通じた実装拡大: awsome-distributed-ai リポジトリをベースにした各種ワークロードの検証が進められ、実運用環境への適用事例の蓄積が予定されている。