广告
加载中

华为云发布CloudRobo具身世界模型的同时也打出了三张底牌

科技异端 2026-11-18 09:06
科技异端 2026/11/18 09:06

邦小白快读

EN
全文速览

华为云发布并开源具身世界模型CloudRobo-WM1.2,在RoboTwin 2.0、Libero Pro 2.0两项评测中均列第一,是国产算力上训练出的世界领先模型。

1.能拿到什么: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;开发平台开放API、SDK、CLI与插件扩展机制,可从下载权重一路走到复现与二次训练。

2.技术看点:PPA架构把RGB视频、语义特征、深度信息与点云放进同一框架,还要预判推一把杯子会往哪边动;DualAct双路径分别负责精细预测与快速生成;多粒度监督让模态不全的数据也能用;Embodiment条件化保留96维机器人与168维人类运动语义;弹性推理四模式单次算力3.99至43.71 TFLOPS,相差近十一倍。

3.生态底数:80%的中国具身智能企业选择昇腾云,重点高校基本全覆盖,核心伙伴还可定向获得训练框架工程代码与昇腾算力代码库。

这次发布本质是一次技术品牌的定调:用评测第一的开源模型立标杆,用深度开放立生态身份。

1.品牌叙事:华为云把具身智能比作硅基黑土地,一场发布会摆出三张明牌——登顶的开源世界模型、高度开放的开发生态、国产算力扛起最高负载的成色验证。

2.差异化标签:昇腾原生意味着核心算子、训练框架到模型架构在国产算力上整链协同优化并真正跑通,是CUDA与TPU之外首个对外开放的完整开发栈。

3.开放即营销:模型开源面向普通开发者做普惠,源码定向开放面向核心伙伴做筛选,三个承诺坚定投入、全面开放、共建共享,把一次发布会变成一场长跑。

4.竞争逻辑变化:世界模型的生产资料变成公共品后,比拼从谁有资源训大模型,转向谁更懂场景、谁的本体与数据更好,生态半径由平台方圈定。

对寻找增长市场与合作机会的卖家,这次开放既是入场券,也是风险提示。

1.机会提示:模型与工具链开源,开发者可低成本复现与二次训练;本体厂商、行业方案商能在公开基座上做上层创新,不必重复造轮子;六大工程能力覆盖仿真冷启动、统一训练工具链、星闪鸿蒙接入、跨本体快适配、持续学习与安全运行,可直接接入做交付。

2.合作方式:普通开发者拿模型与平台两层,核心伙伴另获训练框架工程代码与昇腾算力代码库,门槛本身就是筛选。

3.风险提示:单一算力底座的传导风险——英伟达GR00T 2发布两天后创始人辞任CEO,以其路线为基座的架构被迫重估排期;国内闭源负循环也让开发者拿不到可复现起点。

4.硬约束:真机数据一小时500至2000元,跨本体数据在数值空间直接拼接成功率可从98%塌到18%,落地必须靠语义对齐与按场景换挡。

对本体制造与产线侧,文章给出的是一张可对接的工程清单。

1.本体设计要求:保留机器人96维与人类168维的原生物理语义,用Embodiment条件化让同一共享模型分辨不同形态机器人的运动方言,单臂、双臂、轮式底盘可放进同一训练池,共用知识又不互相污染。

2.产线接入:星闪鸿蒙生态集成通过高并发R2C网关支持1000台以上本体并发保活,GB级模型可分钟级热更新,R2C跨本体快适配做到小时级接入。

3.降本路径:高保真物理仿真、极端工况合成与Real2Sim2Real迁移负责行业冷启动,降低真机数据依赖;真机数据掺入10%便能显著拉升成功率。

4.算力成本:四模式弹性推理按场景换挡,单次推理3.99至43.71 TFLOPS,产线时效可只花3.99,不必让每台机器人为最贵方案买单。

具身智能的客户痛点已被量化,解决方案也几乎逐条对上。

1.痛点清单:遮挡下关键目标检测从68%跌到28%,3D检测mAP从35.6滑到20.9;固定机位模型遇高位视角正确率从62.72%坠至7.62%;模型对位置理解近满分0.97而对速度仅0.42,物理推理正确率仅19%,IntPhys 2上几乎无模型过60%而人类达96.44%;跨本体数值拼接成功率98%到18%;单次决策几百毫秒到数秒,渲染未来影像吃掉近20 GiB显存。

2.对应方案:PPA多模态世界表征引入未来状态预测监督;DualAct双路径兼顾精细控制与快速反射;多粒度监督自适应预训练兼容模态残缺数据;Embodiment条件化替代数值空间硬拼;四模式弹性推理按预算与时延换挡。

3.服务机会:平台API、SDK、CLI与插件机制可承载第三方模型、数据工具与训练框架,围绕复现、适配、部署形成服务链条。

对平台型玩家,最有价值的是开放结构与生态教训。

1.平台最新做法: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,是整体开发环境的开放,而非只放权重。

2.分层招商与筛选:模型开源面向所有开发者,训练框架工程代码与昇腾算力代码库定向开放给核心合作伙伴,最深的开放留给最紧密的伙伴,生态半径由平台方亲手圈定。

3.运营支撑:三层基座即算力层异构计算与超节点互联、算网数存层PB级多模态存储检索、AI框架层RLinf v0.4对昇腾NPU支持实现最高2.78倍吞吐,再加六大工程能力,把从模型到产线的路预先铺进云里。

4.风向规避:只开源权重而不附带数据与工具链,模型下载下来跑不通、改不动、训不起,开源沦为发布会噱头;单一算力底座的波动会原样传导,需以确定性换生态黏性。

这是一份关于国产具身世界模型的产业样本。

1.产业新动向:国内公开世界模型已达59个,全球公开入场公司55家,谷歌、英伟达、智元、星海图、智源、腾讯、阿里相继下场,共识是让机器人先理解世界再做动作决策。

2.新问题:卡点是感知方式、数据效率与系统架构三处地基;深度绑定、拆开跑、分层设计三条路线无一能低成本同时兑现判断质量与反应速度;模态齐全度卡得太死会让存量视频、轨迹与传感器记录沉睡,数值空间直接拼接已被实践证伪,可行路径是语义层面对齐。

3.商业模式之辨:海外开源先锋靠算力、芯片与仿真栈变现,模型免费为底层业务引流;国内模型本身即产品与融资叙事,开源等于亲手拆护城河,加之缺少平台型变现角色,形成不开源—迭代慢—更依赖闭源叙事的负循环。

4.启示:昇腾原生整链跑通相当于国产算力的最高强度公开验收,若开发者迁移成立,具身智能或成国产算力与CUDA正面交锋的新战场,创新重心从资源转向场景与数据。

返回默认

声明:快读内容全程由AI生成,请注意甄别信息。如您发现问题,请发送邮件至 run@ebrun.com 。

我是 品牌商 卖家 工厂 服务商 平台商 研究者 帮我再读一遍。

Quick Summary

Huawei Cloud has released and open-sourced the embodied world model CloudRobo-WM1.2, ranking first on both RoboTwin 2.0 and Libero Pro 2.0; it is a world-leading model trained on domestic compute.

1. What you get: model weights, post-training code, inference code, and infrastructure best practices are all public; the development platform opens APIs, SDKs, CLI, and a plugin extension mechanism, enabling users to go from downloading weights to reproduction and secondary training.

2. Technical highlights: the PPA architecture places RGB video, semantic features, depth information, and point clouds into a single framework, and must also predict which way a cup will move when pushed; DualAct's dual pathways handle fine-grained prediction and fast generation respectively; multi-granularity supervision allows data with incomplete modalities to be used; Embodiment conditioning preserves 96-dimensional robot and 168-dimensional human motion semantics; elastic inference in four modes ranges from 3.99 to 43.71 TFLOPS per inference, nearly an 11x difference.

3. Ecosystem base: 80% of Chinese embodied intelligence companies choose Ascend Cloud, coverage at key universities is essentially complete, and core partners can also obtain targeted access to training framework engineering code and Ascend compute codebases.

This launch is essentially a positioning statement for the technology brand: use a top-ranked open-source model to set a benchmark and deep openness to establish an ecosystem identity.

1. Brand narrative: Huawei Cloud frames embodied intelligence as silicon-based black soil; a single launch event lays out three clear cards—an open-source world model that tops the rankings, a highly open development ecosystem, and proof that domestic compute can carry the highest workloads.

2. Differentiation label: Ascend-native means core operators, training frameworks, and model architectures are optimized collaboratively across the entire chain on domestic compute and genuinely run through; it is the first fully open development stack beyond CUDA and TPU.

3. Openness as marketing: open-sourcing the model serves ordinary developers with broad access, while targeted source-code openness screens core partners; the three commitments—firm investment, full openness, and co-building and sharing—turn a launch event into a long run.

4. Changing competitive logic: once the means of production for world models become a public good, competition shifts from who has the resources to train large models to who better understands scenarios and whose embodiment and data are better, with the platform defining the radius of the ecosystem.

For sellers seeking growth markets and partnership opportunities, this openness is both an entry ticket and a risk warning.

1. Opportunity signals: open-source models and toolchains let developers reproduce and conduct secondary training at low cost; embodiment makers and industry solution providers can innovate on top of a public foundation without reinventing the wheel; six engineering capabilities cover simulation cold start, a unified training toolchain, SparkLink/HarmonyOS integration, rapid cross-embodiment adaptation, continual learning, and safe operation, and can be directly integrated for delivery.

2. Partnership modes: ordinary developers get the model and platform layers, while core partners additionally receive training framework engineering code and the Ascend compute codebase; the threshold itself is a screening mechanism.

3. Risk warning: transmission risk from a single compute base—two days after Nvidia released GR00T 2, its founder resigned as CEO, forcing architectures based on its route to reassess schedules; the domestic closed-source negative cycle also leaves developers without a reproducible starting point.

4. Hard constraints: real-robot data costs RMB 500–2,000 per hour; directly concatenating cross-embodiment data in numerical space can drop success rates from 98% to 18%; deployment must rely on semantic alignment and scenario-based switching.

For embodiment manufacturing and production lines, the article provides an engineering checklist that can be directly connected.

1. Embodiment design requirements: preserve the native physical semantics of 96 dimensions for robots and 168 dimensions for humans; use Embodiment conditioning so the same shared model can distinguish the motion dialects of robots with different forms; single-arm, dual-arm, and wheeled chassis robots can be placed in the same training pool, sharing knowledge without mutual contamination.

2. Production-line integration: SparkLink/HarmonyOS ecosystem integration supports concurrent keep-alive for more than 1,000 embodiments through a high-concurrency R2C gateway; GB-scale models can be hot-updated in minutes; R2C rapid cross-embodiment adaptation enables hour-level integration.

3. Cost-reduction path: high-fidelity physical simulation, synthetic extreme-condition data, and Real2Sim2Real transfer handle industry cold start and reduce dependence on real-robot data; adding 10% real-robot data can significantly raise success rates.

4. Compute cost: four-mode elastic inference switches by scenario, with per-inference compute from 3.99 to 43.71 TFLOPS; production-line latency can use only 3.99, so every robot need not pay for the most expensive option.

The customer pain points of embodied intelligence have been quantified, and the solutions align almost point by point.

1. Pain point list: key target detection under occlusion falls from 68% to 28%, and 3D detection mAP drops from 35.6 to 20.9; fixed-camera models see accuracy fall from 62.72% to 7.62% at high viewpoints; models score nearly perfect 0.97 on position understanding but only 0.42 on speed, with physical reasoning accuracy at only 19%; on IntPhys 2, almost no model exceeds 60% while humans reach 96.44%; cross-embodiment numerical concatenation drops success from 98% to 18%; single decisions take hundreds of milliseconds to seconds, and rendering future frames consumes nearly 20 GiB of GPU memory.

2. Corresponding solutions: PPA multimodal world representation introduces future-state prediction supervision; DualAct's dual pathways balance fine control and fast reflexes; multi-granularity supervision adaptive pretraining accommodates data with missing modalities; Embodiment conditioning replaces hard concatenation in numerical space; four-mode elastic inference switches by budget and latency.

3. Service opportunities: platform APIs, SDKs, CLI, and plugin mechanisms can host third-party models, data tools, and training frameworks, forming a service chain around reproduction, adaptation, and deployment.

For platform players, the most valuable elements are the open structure and ecosystem lessons.

1. Latest platform practice: the CloudRobo development platform opens APIs, SDKs, CLI, and plugin extension mechanisms; third-party models, data tools, and training frameworks can all connect. This is openness of the overall development environment, not merely releasing weights.

2. Tiered recruitment and screening: model open source is available to all developers, while training framework engineering code and the Ascend compute codebase are selectively opened to core partners; the deepest openness is reserved for the closest partners, and the platform itself defines the radius of the ecosystem.

3. Operational support: the three-layer foundation comprises the compute layer's heterogeneous computing and super-node interconnection, the compute-network-data-storage layer's PB-scale multimodal storage and retrieval, and the AI framework layer's RLinf v0.4 support for Ascend NPUs delivering up to 2.78x throughput; together with six engineering capabilities, it pre-paves the path from model to production line into the cloud.

4. Avoiding headwinds: open-sourcing weights without data and toolchains means downloaded models cannot run, cannot be modified, and cannot be trained—open source becomes a launch-event gimmick; fluctuations in a single compute base transmit directly, so ecosystem stickiness must be secured through certainty.

This is an industry sample of a domestic embodied world model.

1. New industry developments: the number of publicly disclosed world models in China has reached 59, with 55 companies globally entering the field; Google, Nvidia, AgiBot, Galaxea, BAAI, Tencent, and Alibaba have successively joined, with a consensus that robots should first understand the world before making action decisions.

2. New problems: the bottlenecks lie in three foundations—perception modality, data efficiency, and system architecture; none of the three routes—deep coupling, decoupled execution, and layered design—can simultaneously deliver judgment quality and reaction speed at low cost; overly strict requirements for modality completeness leave existing video, trajectory, and sensor records dormant; direct concatenation in numerical space has been empirically disproven, and the viable path is alignment at the semantic level.

3. Business model debate: overseas open-source pioneers monetize through compute, chips, and simulation stacks, using free models to drive traffic to underlying businesses; in China, models themselves are products and financing narratives, so open-sourcing amounts to dismantling one's own moat; combined with the lack of a platform-type monetization role, this creates a negative cycle of not open-sourcing—slower iteration—greater reliance on closed-source narratives.

4. Implications: Ascend-native full-chain execution amounts to the highest-intensity public validation of domestic compute; if developer migration takes hold, embodied intelligence may become a new battlefield for direct confrontation between domestic compute and CUDA, with the focus of innovation shifting from resources to scenarios and data.

Disclaimer: The "Quick Summary" content is entirely generated by AI. Please exercise discretion when interpreting the information. For issues or corrections, please email run@ebrun.com .

I am a Brand Seller Factory Service Provider Marketplace Seller Researcher Read it again.

本次华为云打出的三张牌,给具身智能行业带来了一些新的可能性。

2026年,具身世界模型成了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、阿里相继下场。各家路线略有差异,但共识已经形成:让机器人先理解世界,再做动作决策。有行业媒体梳理显示,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。

11月16日,华为云“行业AI梦工厂”发布并开源昇腾原生的具身世界模型CloudRobo-WM1.2,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,实现了世界模型原生动作生成,在RoboTwin 2.0、Libero Pro 2.0两项评测中均列第一。这两项基准分别由多家国内顶级高校与科研机构推出,是行业内公认的世界模型考场,全球的顶级模型都曾在此同台竞技、并轮流登顶。按华为云的说法,这份成绩单意味着:基于国产先进算力,也可以训练出世界领先的具身世界模型。

本次发布会同时宣布:CloudRobo-WM1.2的模型开源,训练框架工程代码与WAM昇腾算力代码库则面向核心合作伙伴定向开放。前者的诚意是普惠,后者的门槛是筛选——这种深度的开放策略,在国产世界模型阵营里还没有先例。对普通开发者而言,这次能拿到的,除了最新最强的世界模型,还有从复现到二次训练的完整起点;被选中的核心伙伴,则进一步握有在国产算力上训练世界模型的完整工程方法。

“昇腾原生”四个字是本次发布会最值得关注的亮点之一。世界模型是当前最吃算力栈的AI负载,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。而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,等于给国产算力做了一次最高强度的公开验收。华为云同时透露,华为昇腾云在具身智能市场格局中国第一,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。

华为云的一场发布会,摆出了三张明牌:一张是新晋登顶的开源具身世界模型,一张是高度开放的具身智能开发生态,最后一张是国产算力基座扛起最高负载的成色验证。而这三张明牌的组合,让华为云提出的“硅基黑土地”的意象有了具体的形状。

世界模型的瓶颈

过去一年多,具身智能在舆论场的热度几乎没有降过。融资、发布会、Demo视频,一轮接一轮抬高外界预期。但如果把演示画面暂停,去翻几份模型的基准测试成绩单,看到的是另一幅景象。

最直接的短板在视觉。目前主流的视觉系统擅长描述“此刻镜头里有什么”,却不擅长在信息残缺时做出判断。遮挡一来,关键目标检测的得分立刻从68%跌到28%;在中等程度的相机遮挡下,3D检测的mAP从35.6滑到20.9,超过四成精度凭空蒸发。计数任务上,视觉语言模型平均退步6.28%,个别模型的错误率冲到32.5%。

镜头位置挪动同样致命。习惯固定机位的模型遇到高位视角等变化,正确率即从62.72%坠至7.62%,与盲眼作答相差无几;即便用完全视角多样性去训练,也只有34.35%。

更深层的短板藏在对运动的理解里。有模型对物体位置的理解能力接近满分(0.97/1),但对“速度”的理解能力很弱(仅0.42/1)。这就直接导致了其物理推理正确率仅为19%。即使人为干扰其速度编码后,它的输出变化不足5%。在IntPhys 2基准上,几乎所有模型都没摸到60%的及格线,而人类受试者则普遍可以达到96.44%。

感知之外,认知与行动之间的接缝同样粗糙。让模型“想清楚”和让机器人“来得及做”,眼下是两件互相拉扯的事:深度绑定的方案保住了物理直觉,响应速度却够不上实时控制的门槛;拆开跑的方案把延迟压进几十毫秒,又得靠额外的对齐模块去填补成功率缺口;折中的分层设计两头兼顾,代价是整套系统的复杂度与协同成本同步抬升。三条技术路线,没有一条能以低成本兑现判断质量和反应速度。

模型能力瓶颈的背后,压着一块共同的基石:数据。真机数据在业内被视作无可替代的标尺,投入产出比惊人,掺入10%便能显著拉升成功率。然而其采集成本在一小时500到2,000元之间,来源五花八门,完整标注更难批量完成。训练管线若对模态齐全度卡得太死,存量的海量视频、动作轨迹和传感器记录就只能在硬盘里沉睡。谁能先把这批“不合规”的数据喂进训练,谁就握住了别人没有的弹药。

数据难题还会被硬件差异进一步放大。同一套动作指令,换一台机器人执行,含义就偏了。把不同本体的数据在数值空间里直接拼接,实测结果相当难看:成功率可以从98%直接塌方到18%,在个别极端案例中强行统一接口,成功率只剩个位数。数值层面的粗暴合并,实践中已被证伪,可行的路径是要在语义层面对齐动作。

最终,这一切都还要过算力这一关。世界模型推演未来的速度,与机器人实时响应的要求之间,差着一到两个数量级。单次决策耗时从几百毫秒到数秒不等,渲染一段未来影像要吞掉接近20 GiB显存。这已经不是工程优化能抹平的差距,而是必须在架构层面正面处理的时延断层。

把这几层串起来,卡住具身智能的,不是模型规模再上一个台阶,而是感知方式、数据效率和系统架构这三处地基。

CloudRobo-WM1.2的解法

如果说前文那些基准测试成绩描述的是整个行业的共同困境,那么CloudRobo-WM1.2端出来的五项技术能力,几乎可以逐条对号入座。

在视觉感知方面,PPA(Perceive-Predict-Act)多模态世界表征架构将RGB视频、语义特征、深度信息与点云揉进同一框架,并引入面向未来状态的多模态预测监督。实际效果上,模型识别出一个杯子的同时,还要回答“推它一把会往哪边动、会不会倒”这类尚未发生的问题。感知系统被迫从“描述此刻”升级为“推演下一秒”。而预判物理交互结果,正是真正理解物理规则而非只是记住物理状态的重要标志。

在动作生成方面,DualAct(Dual-path Unified Expert Training)世界原生双路径动作架构,在同一个理解世界的大脑下构建起两条动作生成路径:World generator世界骨干负责高精度的动作预测,Action expert动作专家负责高效直接的动作生成——好比人既有需要斟酌的精细控制,也有不假思索的膝跳反射。两条路径采用统一的动作监督目标,让世界模型的认知能力与机器人的动作生成,在同一个学习体系里结合。

在数据利用方面,CloudRobo-WM1.2的多粒度监督数据自适应预训练框架不再要求每条样本模态齐全,而是按手头数据实际具备的有效信息来组织监督。动作标注缺失、部分维度无效、深度信息或相机视角不完整的数据均可被兼容,不必丢弃。对行业里来源五花八门的海量存量数据来说,这种“有什么用什么”的训练姿态,直接决定了异构数据能否跑出规模效应。

在跨本体泛化方面,CloudRobo-WM1.2保留了机器人96维与人类168维运动的原生物理语义,没有把它们压进一个统一数值空间;转而通过Embodiment条件化,让同一个共享模型学会分辨不同形态机器人各自的“运动方言”。单臂、双臂、轮式底盘的数据由此可以放进同一个训练池,既共用知识,又不互相污染。

在算力优化方面,四模式按需激活的弹性推理,像点菜一样匹配不同的算力预算与时延容忍度:研发调试阶段用全面高精度模式(Joint+World Action),换取可解释性;在线执行阶段切到快速高效模式(Action-only+Expert Action),换取部署效率。这个弹性有量化的注脚:四种模式的单次推理计算量介于3.99到43.71 TFLOPS之间(华为云口径),高低相差近十一倍——同一套模型,为实验室的精度可以花43 TFLOPS,为产线的时效可以只花3.99。时延断层未必能一次填平,但至少可以先按场景换挡,不必让每一台机器人都为最贵的方案买单。

这五项核心技术共同支撑CloudRobo-WM1.2在世界建模、动作生成、数据规模化学习和工程部署方面的持续演进,为具身智能从模型研究走向复杂物理场景应用提供技术基础。

最深度的一次开放

国产世界模型普遍不开源,多数厂商连权重都不放,开发者拿不到可复现、可二次训练的起点。多项第三方报告也把开源生态缺失列为国产赛道与海外之间最大的差距。

开源生态的缺失,根子上是生意结构的问题。海外的开源先锋,Meta、英伟达这类公司,其商业化基础都不是模型本身:前者靠算力和服务,后者靠芯片和仿真栈,模型免费是为底层业务引流的手段。

而国内的世界模型公司则恰恰相反:模型本身就是产品,就是融资叙事的核心,开源等于亲手拆护城河。整个赛道处在能力快速爬坡期,训练配方和数据配方是最敏感的商业机密,谁先开源,谁就先被同行拿来打榜对标。

同时,开源生态还需要有人长期投入基础设施运营。国内少部分开源厂商,放出来的也大多只有权重和推理代码,训练数据不随附、工具链不配套、算力适配要开发者自己啃,模型下载下来跑不通、改不动、训不起,开源成了发布会的噱头,没能长成生态。

再加上这批模型厂商里此前缺少能从生态里赚到钱的平台型角色,动力就更弱,于是形成一个负向循环:不开源,开发者无从参与;开源不深,社区反馈少,迭代慢;迭代慢,又更需要靠闭源叙事维持估值。

CloudRobo-WM1.2这一次的发布,把开放生态做到行业之前从未有过的深度。

它的开放分三层。第一层,模型开源:评测第一的WAM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,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、训练框架都可以接入,这是一套整体开发环境的开放。

而第三层的开放最值得关注,也最值得琢磨:源码定向开放,即面向核心合作伙伴定向开放训练框架工程代码与WAM昇腾算力代码库。这一层目前没有同行做过——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,交给了被选中的少数人,它是整个开放策略里最锋利的一笔。

开放之外,华为云还给出了三个承诺。坚定投入:持续深耕具身智能模型核心技术,不断推出具有行业竞争力的具身智能模型。全面开放:持续开放模型、工具链及技术实践,依托昇腾云算力与云原生基础设施,助力产业伙伴高效率地开发与训练具身智能模型。共建共享:以平台连接模型厂商、本体厂商与行业伙伴,共建行业解决方案,加速具身智能在千行百业的规模化落地。三个承诺回应的是同一个疑问——世界模型的竞争是一场长跑,华为云把自己放进了跑道,而不是只办一场发布会。

对开发者而言,三层开放改变的是角色任务,只是起点不同:普通开发者从前两层拿到的,是从下载权重到接入工具链的完整起点,复现、改造、二次训练都有据可依;核心合作伙伴则多一条路——把“怎么在昇腾上训出世界模型”用在自家机器人与场景上。

对整个具身行业而言,创新的重心发生了转移。当世界模型的生产资料变成公共品,竞争就从“谁有资源训大模型”转移到“谁更懂场景、谁的本体和数据更好”,本体厂商、行业方案商都能在公开基座上做上层创新,不必再各家重复造轮子。同时,开发者每在昇腾上完成一次训练,国产算力生态就厚一分。三层开放实际上是在替整个行业修一条从想法到落地的最短路径,而第三层的门槛,让这条路径同时是一道筛选:最深的开放留给最紧密的伙伴,生态的半径由华为云亲手圈定。

昇腾原生的含金量

现行顶级世界模型的训练与推理负载,几乎全部压在谷歌TPU与英伟达CUDA生态上,国产算力至今没有一套能完整跑通世界模型的栈。

我们为什么急需一套建在国产算力基建上的顶级世界模型?

刚过去的这一周恰好给了答案。11月9日,英伟达在机器人学习大会上发布GR00T 2,全球具身智能开发者刚刚确认,自己的模型、数据和工具链都长在同一套生态上。两天后,这家公司的创始人辞任CEO,所有以英伟达路线为基座的架构,都不得不随之重估自己的排期。没有谁做错了什么,单一算力底座的固有属性本就如此:政策、人事乃至叙事的风吹草动,都会原样传导给地上的人。

而具身智能的集中还在加速,模型、数据、仿真、部署正收拢进同一个生态,开发者的训练管线、数据格式与工具链每多运行一天,与这套生态的咬合就深一分,日后想换轨,代价只会更大。对中国的机器人产业来说,把最高强度的训练需求留在自己的算力基建上,意义就落在“确定性”三个字里,也正是“昇腾原生”的含金量。

这套基座并非凭空而来。华为云在AI与智能驾驶领域积累了多年工程化实践,CloudRobo的底座延续的是同一条路线。世界模型被普遍视为AI负载的金字塔尖:多模态、长序列,训练与推理双向吃紧,跑通它,是对一套算力栈最苛刻的检验。

CloudRobo-WM1.2的基座分三层。算力层,异构计算架构与超节点互联支撑多模态与物理仿真,以6B参数的WAM为例,用上下文并行、参数分片、激活重计算的组合应对视频长序列训练。算网数存层,PB级多模态数据统一存储与检索,面向具身强化学习做计算与通信的联合调度。AI框架层,RLinf v0.4对昇腾NPU的支持大幅增强,实现最高2.78倍的吞吐提升。

基座之上,华为云还补上了从模型到产线的那段路。六大工程能力各管一段:高保真物理仿真、极端工况合成与Real2Sim2Real迁移负责行业冷启动,把对真机数据的依赖降下来;云原生训练提供WAM/VLA/VLN统一工具链;星闪鸿蒙生态集成通过高并发R2C网关支持1000台以上本体并发保活,GB级模型可以分钟级热更新;R2C跨本体快适配做到小时级接入;持续学习RSI架构打通作业数据回流、奖励评估与真机强化学习的循环;安全可靠运行覆盖风险感知、自主恢复与端边云协同。

三层基座和六大工程能力是从具身智能的负载倒推着造出来的。算力层的超节点与并行策略解决长序列训练,算网数存层接住PB级数据洪流,AI框架层为具身强化学习提速。而训完之后,仿真冷启动、统一工具链、星闪鸿蒙接入、跨本体适配、持续学习与安全运行,把从模型到产线的路全部铺完。具身智能全周期最难啃的工程问题,都被预先做进了云里。所谓“昇腾最亲和”,就是别家的算力可能是捎带支持具身,而昇腾这套体系是为具身而生。

改写行业的基础

本次华为云打出的三张牌,给具身智能行业带来了一些新的可能性。华为云这次发布的是首个对外开放的、CUDA生态之外的完整开发栈,假如开发者迁移成立,具身智能会成为国产算力与英伟达正面交锋的新战场,而开发者的选择,正是模型能力、开放生态和基座平台要真正争夺的东西。

注:文/科技异端,文章来源:钛媒体(公众号ID:taimeiti),本文为作者独立观点,不代表亿邦动力立场。

文章来源:钛媒体

广告
微信
朋友圈

FAQ回顾

CloudRobo-WM1.2是什么模型?

CloudRobo-WM1.2是华为云于2026年11月16日发布并开源的昇腾原生具身世界模型,采用共享世界模型骨干网络和世界模型原生DualAct架构,实现预测增强的世界表征与原生动作生成;在RoboTwin 2.0、Libero Pro 2.0两项评测中均列第一。

具身世界模型当前主要面临哪些技术瓶颈?

主要在感知、数据与系统架构三处:视觉系统在遮挡、视角变化下精度大幅下降;对运动速度理解弱,物理推理正确率低;认知与行动之间存在时延接缝;真机数据采集成本每小时500到2000元,异构数据与跨本体差异会导致成功率从98%跌到18%;世界模型推理耗时数百毫秒到数秒,渲染未来影像需近20 GiB显存。

华为云CloudRobo-WM1.2的开放程度如何?

开放分三层:第一层开源模型,公开评测第一的WAM核心模型权重、后训练代码、推理代码及基础设施最佳实践;第二层开放CloudRobo开发平台API、SDK、CLI与插件扩展机制;第三层面向核心合作伙伴定向开放训练框架工程代码与WAM昇腾算力代码库,这一层在同行中尚无先例。

昇腾原生对国产具身智能和算力生态意味着什么?

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,是对国产算力栈的高强度公开验收。华为云透露,华为昇腾云在中国具身智能市场格局中排名第一,80%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;这为把最高强度训练需求留在本土算力基建提供了确定性。

华为云为具身智能从模型到产线提供了哪些工程能力?

华为云提供六大工程能力:高保真物理仿真、极端工况合成与Real2Sim2Real迁移负责行业冷启动;云原生训练提供WAM/VLA/VLN统一工具链;星闪鸿蒙生态集成通过R2C网关支持1000台以上本体并发保活,GB级模型可分钟级热更新;R2C跨本体快适配实现小时级接入;持续学习RSI打通数据回流、奖励评估与真机强化学习;安全可靠运行覆盖风险感知、自主恢复和端边云协同。

这么好看,分享一下?

朋友圈 分享

APP内打开

赞 +1
+1
微信好友 朋友圈 新浪微博 QQ空间
关闭
收藏成功
发送
/140 0