华为云开源昇腾原生具身世界模型CloudRobo-WM1.2,亮出三张牌
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...
2026年,具身世界模型这条赛道已经挤满了人,算得上人工智能行业最热闹的方向之一。
国外有谷歌、英伟达接连押注;国内智元、星海图、智源、腾讯、阿里也纷纷入场。路线各不相同,但大家已经认准一件事:先让机器人看懂世界,再谈动作决策。有行业媒体统计,国内公开的世界模型达到59个,全球公开入场的公司有55家。
11月16日,华为云“行业AI梦工厂”把昇腾原生的具身世界模型发布并开源。
这场发布会同时公布了多项内容:
“昇腾原生”是本次发布会最受关注的地方之一。世界模型眼下最吃算力栈,此前全球顶级世界模型的完整训练链路,只在英伟达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。
华为云这场发布会摆出的三张明牌是:新晋登顶的开源具身世界模型、高度开放的具身智能开发生态,以及国产算力基座扛起最高负载的成色验证。三张牌凑在一起,让华为云提出的“
世界模型的瓶颈
过去一年多,具身智能在舆论场上的热度基本没降过。融资、发布会、Demo视频一轮接一轮,把外界预期越抬越高。可要是把演示画面按个暂停,翻几份模型的基准测试成绩单,看到的完全是另一幅景象。
最明显的短板在视觉。现在主流的视觉系统擅长说清“此刻镜头里有什么”,一旦信息残缺就做不出判断。遮挡一来,关键目标检测的得分马上从68%掉到28%;相机处于中等程度遮挡时,3D检测的
镜头位置一变同样要命。习惯固定机位的模型碰上高位视角这类变化,正确率从62.72%直接跌到7.62%,跟蒙眼答题差不多;就算拿完全视角多样性去训练,也只到34.35%。
更深一层的问题出在对运动的理解上。有的模型对物体位置的理解接近满分(0.97/1),对“速度”的理解却很弱(仅0.42/1)。结果就是物理推理正确率只有19%。人为干扰它的速度编码后,输出变化不到5%。在
感知之外,认知和行动之间的接缝也很粗糙。让模型“想清楚”和让机器人“来得及做”,眼下这两件事互相拉扯:深度绑定的方案守住了物理直觉,响应速度却达不到实时控制的门槛;拆开跑的方案把延迟压到几十毫秒,又得靠额外的对齐模块补上成功率缺口;折中的分层设计两头都想要,代价是系统复杂度和协同成本一起往上走。三条技术路线,没有一条能低成本同时兑现判断质量和反应速度。
模型能力卡壳的背后,压着同一块基石:数据。
数据难题还会被硬件差异继续放大。同一套动作指令,换一台机器人来做,含义就偏了。把不同本体的数据在数值空间里直接拼接,实测结果很难看:成功率能从98%塌到18%,个别极端案例里强行统一接口,成功率只剩个位数。数值层面粗暴合并,实践中已经被证伪,可行的做法是在语义层面对齐动作。
算力这关终究绕不过去。世界模型推演未来,速度上和机器人实时响应差了一到两个数量级。单次决策要花几百毫秒到数秒,渲染一段未来影像,显存占用接近20 GiB。这种时延断层,靠工程优化已经填不平,只能在架构层面正面应对。
把这几层串起来看,卡住具身智能的并非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
前面那些基准测试成绩讲的是整个行业的共同困境,CloudRobo-WM1.2端出的五项技术能力,几乎能一条条对上号。
在视觉感知方面,
在动作生成方面,
在数据利用方面,CloudRobo-WM1.2采用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都能兼容,不用丢掉。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,直接决定异构数据能不能跑出规模效应。
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
在算力优化方面,四模式按需激活的弹性推理能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。这种弹性有量化的注脚:四种模式的单次推理计算量介于3.99到43.71
这五项核心技术一起支撑CloudRobo-WM1.2在世界建模、动作生成、数据规模化学习和工程部署上的持续演进,为具身智能从模型研究走向复杂物理场景应用打下技术基础。
最深度的一次开放
国产世界模型大多走闭源路线,连权重都鲜有厂商愿意放出,开发者手里没有可复现、可二次训练的起点。多项第三方报告同样指出,开源生态缺位是国产赛道与海外之间最大的一道坎。
说到底,生态缺位的根源在生意结构。海外那些开源先锋,Meta、
国内世界模型公司的情况正好反过来:模型本身即产品,也是融资故事的核心,开源无异于自己动手拆掉护城河。何况整条赛道正处在能力快速爬坡的阶段,训练配方和数据配方都是最敏感的商业机密,谁先开源,谁就先被同行拿去打榜对标。
开源生态还得有人长期做基础设施运营。国内少数开源厂商放出来的,大多也只有权重和推理代码,训练数据不跟着给、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,开源沦为发布会的噱头,没能长成生态。
这批模型厂商里,此前又缺少能从生态里赚到钱的平台型角色,动力自然更弱,负向循环由此形成: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,就更要靠闭源叙事撑住估值。
这次CloudRobo-WM1.2的发布,把开放生态推到了行业此前没有过的深度。
开放一共分三层。第一层是模型开源:评测第一的
第三层最值得关注,也最值得琢磨:源码定向开放,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。这一层同行目前没人做过——模型架构、计算框架、核心算子与国产算力的协同优化方法,交到了被选中的少数人手里,是整个开放策略里最锋利的一笔。
除了开放,华为云还拿出三个承诺。投入上不含糊:具身智能模型的核心技术会一直做下去,持续推出在行业里有竞争力的模型。开放上不设限:模型、工具链、技术实践都持续对外开放,算力依托昇腾云,基础设施走云原生,帮产业伙伴把具身智能模型的开发和训练做得更快。共建共享方面:平台把模型厂商、本体厂商和行业伙伴连起来,一起做行业解决方案,让具身智能在各行各业加快规模落地。这三个承诺其实都在回答同一个问题:世界模型是场长跑,华为云选择站上跑道,而不是开一场发布会就走。
三层开放对开发者来说,变的是各自的任务,起点本来就不一样:普通开发者从前面两层拿到的东西,是从下载权重到接入工具链的完整起点,复现、改造、二次训练都有依据;核心合作伙伴还多一条路,把“怎么在昇腾上训出世界模型”搬到自家机器人和场景里去用。
放到整个具身行业看,创新的重心已经换了地方。世界模型的生产资料一旦成了公共品,比拼的就不再是“谁有资源训大模型”,而是“谁更懂场景、谁的本体和数据更好”,本体厂商和行业方案商都能在公开基座上做上层创新,不用各家再重复造轮子。开发者在昇腾上每完成一次训练,国产算力生态就厚一层。三层开放说到底是在替行业修一条从想法到落地的最短路径,而第三层的门槛又让这条路带上筛选的意味:最深的开开放给最紧密的伙伴,生态的半径由华为云自己划定。
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
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
具身智能的集中还在提速,模型、数据、仿真、部署正往同一个生态里收,开发者的训练管线、数据格式和工具链每多跑一天,跟这套生态就咬合得更紧,日后想换轨,代价只会更大。对中国机器人产业而言,把强度最高的训练需求留在自己的算力基建上,意义就落在“确定性”这三个字上,这也是“昇腾原生”的分量所在。
这套基座不是凭空冒出来的。华为云在AI和智能驾驶领域攒了多年工程化实践,CloudRobo的底座走的是同一条路子。世界模型被广泛看作AI负载的金字塔尖:多模态、长序列,训练和推理两头都吃紧,能跑通它,就是对一套算力栈最苛刻的检验。
CloudRobo-WM1.2的基座分三层。算力层靠异构计算架构和超节点互联撑起多模态与物理仿真,以6B参数的WAM为例,用上下文并行、参数分片、激活重计算这套组合来应对视频长序列训练。算网数存层做PB级多模态数据的统一存储与检索,针对具身强化学习把计算和通信联合调度起来。AI框架层,
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
三层基座和六大工程能力,是从具身智能的负载倒推着建起来的。算力层的超节点与并行策略对付长序列训练,算网数存层接住PB级的数据洪流,AI框架层给具身强化学习提速。训练完成之后,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铺好。具身智能全周期里最难啃的工程问题,都提前做进了云里。所谓“昇腾最亲和”,说的是别家算力可能只是捎带支持具身,而昇腾这套体系是专为具身而生。
改写行业的基础
华为云这次打出的三张牌,给具身智能行业添了一些新的可能。这次发布的是首个对外开放的、CUDA生态之外的完整开发栈,如果开发者迁移成立,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真正要争的东西。