华为云开源昇腾原生具身世界模型CloudRobo-WM1.2:具身智能从实验室验证迈向真实场景作业

来源:爱集微 #华为云# #具身世界模型# #开源#
1551

11月16日,华为云在线上举行的“行业AI梦工厂”发布会上正式发布并开源昇腾原生具身世界模型CloudRobo-WM1.2,发布会由华为云具身产品线总裁、具身智能Lab主任吴小东主讲,具身智能Lab首席模型专家刘流对模型架构与能力做了解读。该模型基于国产昇腾算力训练,采用共享世界模型骨干网络实现预测增强的世界表征,基于世界模型原生DualAct架构实现世界模型原生动作生成,在RoboTwin 2.0、LiberoPro 2.0两项具身智能评测基准中均排名第一。据发布会公布的数据,两项评测的平均成功率分别为88.98%和81.7%。按华为云披露的节奏,模型权重、推理与后训练代码及预训练最佳实践将于11月30日正式开放;训练框架工程代码与昇腾算力代码库,则面向核心合作伙伴定向开放。

这两项基准由多家国内顶级高校与科研机构推出,是全球顶级世界模型同台竞技、轮流登顶的“考场”。华为云对这份成绩单的解读是:基于国产先进算力,同样可以训练出世界领先的具身世界模型。

具身智能正从“实验室验证”阶段迈向“真实场景作业”阶段,这是发布会给出的产业坐标。横在中间的门槛依然清晰:一方面,大模型、世界模型、多模态感知等AI能力持续突破;另一方面,机器人进入工厂、仓库等真实环境后未必能稳定工作,它不仅要识别眼前的物体,还要判断物体运动的方向、预判操作后的变化,并在发生意外时调整动作。公开数据显示,关键目标检测的识别得分会在画面遮挡情形下从68%跌至28%;仅在固定或受限视角下训练的模型,遇到高位视角等分布外变化时,准确率会从62.72%降至7.62%;在IntPhys 2物理推理基准上,现有模型均未超过60%,而人类多数可达96.44%。吴小东把传统视觉表征的短板概括得很直接:一遮挡就“半瞎”,一换视角就“懵”,一动起来就变“傻”。归纳起来,具身智能走向真实物理世界面临五大挑战:多模态物理理解困难、世界认知与动作生成耦合难、异构数据难以规模化利用、跨机器人本体泛化难、实时推理算力成本高。

CloudRobo-WM1.2针对性地构建了五项核心技术。其一,PPA多模态世界表征架构:融合RGB视频、语义特征、深度与点云,引入未来多模态预测监督,模型不仅能识别物体,还能预判物理交互结果,用华为云的比喻,是从“能看懂静态照片”到“能看懂一场正在发生的4D动作电影”。其二,世界模型原生DualAct架构:采用双通道动作设计,一条VideoDiT世界骨干负责高精度场景与动作预测,一条ActionDiT动作专家分支负责轻量化、低延迟的动作输出,世界模型可以直接输出高精度动作,动作专家也能基于MOT架构直接高效输出,开发者可灵活定义动作专家尺寸以提高后训练效率;面对复杂任务,模型同时预测未来环境和动作,做更充分的判断,面对简单高频操作则省去部分预测过程直接输出动作,这一设计对应的是真实操作中难以回避的算力成本问题。其三,多粒度监督数据自适应预训练框架:根据数据实际具备的有效信息组织监督,动作标注缺失、部分维度无效、深度缺失及相机视角不完整的数据都可兼容,释放异构数据的规模化利用潜力。其四,本体语义保真跨具身运动建模:为单臂、双臂、轮式等不同形态机器人提供统一的“动作翻译器”,支持多本体协同学习,增强跨本体泛化能力。其五,提供World Action、Expert Action、Joint、Action-only四种可按需组合的弹性推理模式,按需匹配算力资源与推理延迟。

这套模型不是孤立的算法权重,它落在华为云2025年6月发布的一站式具身智能开发平台CloudRobo上:以昇腾云为算力底座,覆盖从数据到部署的全流程,平台内置“具身广场”,提供预置数据、感知/规划/操作模型与仿真场景资产,并通过R2C SDK把真实机器人接入云端做推理和控制;数据侧提供PB级数据底座、百万级开箱即用数据资产,并建有全国产Real-Sim虚实数据生产与评测闭环。今年6月,华为云又在平台体系下正式发布“行业AI梦工厂·具身智能专区”。吴小东披露,平台已汇聚超16500名开发者,覆盖科研团队、机器人本体厂商与系统集成商;华为云将在明年第一季度持续发布新模型,并为立项成功的项目提供最高100万元的昇腾云算力支持。

生态开放是这次发布会的另一条主线,开放分为三层:第一层是模型开源,评测登顶的核心模型权重、后训练代码、推理代码及基础设施最佳实践全部公开;第二层是平台开放,CloudRobo开发平台开放API、SDK、CLI与插件扩展机制,第三方模型、数据工具、训练框架均可接入;第三层是源码定向开放,训练框架工程代码与昇腾算力代码库面向甄选后的核心合作伙伴开放,把模型架构、计算框架、核心算子与国产算力的协同优化方法交到少数伙伴手中。华为云同时给出三个承诺:坚定投入、全面开放、共建共享,以平台连接模型厂商、本体厂商与行业伙伴,形成算力、模型与场景协同的开放格局。落地进展已经出现:与环卫装备企业福龙马联合研制的新一代智能清扫机器人已启动预售,华为云为其提供CloudRobo开发工具链、感知与规划模型、Agentic运行平台及昇腾云算力,世界模型让设备不仅识别环境,还能对复杂动态物理空间做推演与未来状态预测;发布会现场,基于CloudRobo-WM1.2的机器人完成了工业级搬运连续作业、轴承毛刺清洁等工业场景实验,以及无人零售场景的物品上架、礼物入柜等收纳任务。

竞争维度上,2026年的具身世界模型已是人工智能行业最拥挤的赛道之一:海外谷歌、英伟达接连加码,国内智元、星海图、智源、腾讯、阿里相继入场;有行业媒体梳理,国内公开的世界模型已有59个,全球公开入场的公司达55家,各家路线有差异,但共识已经形成,即让机器人先理解世界,再做动作决策。“昇腾原生”因此被业内视为本次发布最值得关注的标签之一:此前全球顶级世界模型的完整训练链路只在英伟达CUDA和谷歌TPU生态上跑通过,昇腾原生意味着从核心算子、训练框架到模型架构在国产算力上整条链路协同优化并真正跑通。华为云同时透露,已有80%的中国具身智能企业选择昇腾云,重点高校基本实现全覆盖;需要说明的是,这一“格局第一”是企业自身统计口径下的生态渗透率与客户覆盖度,并非第三方机构营收口径。

市场基本面处在放量通道。IDC数据显示,2026年上半年全球人形机器人出货量接近2.5万台,同比增长432.1%;市场规模超过7.4亿美元,同比增长322.7%;IDC在2026年9月版预测中,将2030年全球人形机器人出货量上调至超过75万台,行业正从技术验证迈向规模化应用与商业价值验证阶段。券商研究同样把世界模型放进物理AI的框架:华安证券认为,物理AI是“AI的下一个风口”,具备千亿至万亿级美元的市场空间,世界模型是物理AI的底层认知框架,可充当理解物理规律与因果推理的“AI大脑”,具身智能则是物理AI的行动层,两者结合构成物理AI认知与行动的底层框架。

云厂商亲自下场训练具身智能的“大脑”,也绕不开与合作伙伴关系的追问:当云厂商自研具身智能模型,与原本依赖其算力和平台的模型公司之间是否存在竞争?吴小东在发布会上回应:“我们以后会不会直接变成竞争对手呢?不会。”按照他的解释,华为云持续投入具身模型研发,不是为了与合作伙伴争夺模型市场,而是希望把昇腾云上的模型训练经验和工程实践开放出来,帮助更多企业训练自己的模型。

对这份成绩单,市场上也有冷静的声音:榜单第一距离产线第一还有一段路,真机数据昂贵、跨本体泛化有损耗、推理时延与显存开销都是硬约束,模型还得在环卫、工业等实际场景中逐项打磨。从产业阶段看,世界模型正从“辅助感知组件”向“动作生成中枢”演进,把模型、工具链与国产算力工程实践一并开放,实质是拉低了使用世界模型的门槛,让硬件伙伴“带着硬件接入,带着模型离开”。未来一到两年,具身智能的竞争将更多围绕能否形成“数据采集—模型训练—部署应用—反馈优化”的闭环展开:谁能更快打通“技术—数据—工程—场景”的闭环,谁就更有机会在下一阶段竞争中占据主动;对产业参与者而言,进入下一阶段竞争的起点工具已经备齐,剩下的变量是场景验证的速度与深度。

责编: 爱集微
来源:爱集微 #华为云# #具身世界模型# #开源#
THE END

*此内容为集微网原创,著作权归集微网所有,爱集微,爱原创

关闭
加载

PDF 加载中...