华为云首发昇腾原生具身世界模型WM1.2:11月30日开放权重,双榜第一
智东西11月16日报道,今日,华为云推出其首款昇腾原生具身世界模型CloudRobo-WM1.2,并宣布于11月30日正式开放WM1.2模型权重、推理后训练代码及预训练最佳实践。
11月16日,
华为云推出首款昇腾原生具身世界模型CloudRobo-WM1.2,并计划在11月30日开放WM1.2模型权重、推理后训练代码和预训练最佳实践。
该模型靠共享世界模型骨干网络做预测增强的世界表征,动作生成走世界模型原生DualAct架构;在RoboTwin 2.0和LiberoPro 2.0两项评测里都排在第一。

华为云在现场演示了基于CloudRobo-WM1.2的机器人:真实工业场景中完成工业级搬运连续作业、轴承毛刺清洁,无人零售场景里则做了物品上架、礼物入柜等收纳任务。

会上华为云称:“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。”这里的“格局第一”应为企业自统计口径下的生态渗透率、客户覆盖度国内第一,并非第三方机构按营收口径给出的排名。
华为云同时宣布,与环卫装备龙头企业福龙马集团联合研制的智能清扫机器人已启动预售。
一、五大挑战摆在面前,华为用五项技术给机器人“补脑”
华为云具身产品线总裁/具身智能Lab主任吴小东透露,团队在行业大模型、商专车自动驾驶、具身智能行业持续尝试落地,碰到不少难题:传统视觉表征一遮挡就“半瞎”,换个视角就“懵”,动起来又变“傻”,复杂开放环境里成功率明显往下掉。

放到整体看,具身智能正从实验室走进真实物理世界,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等问题都在挡路。
针对这些难题,华为云把AI与智能驾驶领域的工程化经验拿过来,推出CloudRobo-WM1.2世界模型和CloudRobo开发平台,想做成具身智能的“硅基黑土地”。
围绕具身智能的核心挑战,CloudRobo-WM1.2搭起了五项核心技术能力:
1、PPA(Perceive-Predict-Act)多模态世界表征架构:模型不光能认出物体,还能预判物理交互会带来什么结果。RGB视频、语义特征、深度与点云被融合到一起,未来多模态预测监督也加了进来。
吴小东谈道,统一表征建模的目标是让机器人从“看得清一张图片”走到“能看懂一部4K电影”,对物理世界理解得更好。比如看到一个杯子,机器人不光知道它是什么、在哪儿,还能预判推一下它接下来怎么动、会不会倒。

2、多粒度监督数据自适应预训练框架:画漫画不必画出完整的刘德华,抓住特点就能认出来。CloudRobo-WM1.2按数据实际带有的有效信息来组织监督,不让有价值的数据因为局部缺失被丢掉,把异构数据的Scaling潜力释放出来。动作标注缺少、部分维度无效、深度缺失、相机视角不完整等数据都能兼容。
吴小东谈道,动态监督机制要让模型“既能吃粗糠,又能吃细粮”,把动作缺标注、维度无效、深度缺失的数据放在一起联合监督,让数据价值最大化。
3、世界模型原生DualAct(Dual-path Unified Expert Training)架构:“同一个懂世界的大脑,两种动作生成路径”。人身上有绕过大脑皮层的直接控制,像膝跳反射,快而直接;也有学习之后在生活中建立的条件反射,比如谈虎色变。世界模型直接输出高精度动作,实现原生机器人动作控制;动作专家基于MOT架构,也能直接高效地输出动作。双通道动作架构设计让开发者可以灵活定义动作专家尺寸,后训练效率随之提高。

4、本体语义保真跨具身运动建模:这相当于给单臂、双臂、轮式等各种形态的机器人配了一个统一动作翻译器,多本体之间的差异可以用统一语义来对齐。
吴小东提到,多本体不能简单把维度串起来,否则“千人千面”的差异就丢了;团队构造机器人翻译器,把96维机器人和168维人类运动原生语义放在一起联合训练,共享运动语言,也复用人的运动经验。
5、World/Expert Action、Joint/Action-only四种可按需组合的弹性推理模式:像点菜一样丰俭由人,按客户算力资源和推理时延来匹配。输出目标分Joint(输出未来世界+高精度动作)和Action-only(只输出动作)两类,输出头分World Action(偏重高精度输出)和Expert Action(偏重快速高效)两种,组合起来就是四种推理模式,客户可按算力、时延要求灵活搭配。

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持续演进,也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。
二、模型三层加云三层:华为云搭起具身智能“全栈底座”
顺着五大技术特点往下看,CloudRobo-WM1.2的技术架构分三层:
第一层是具身原生多模态PPA模型架构:预测增强的世界理解加上原生双路径动作,把世界理解与动作生成统一建模。
第二层做的是具身数据Scaling体系,靠有效监督弹性预训练,加上本体语义保真的跨具身运动建模,让非完备数据也能用起来,异构本体之间也能协同。第三层则是世界模型工程化推理,采用四模式弹性推理,照顾预测与动作生成的多场景需求,也算计着计算效率。
华为云还搭了一套基于云原生的全栈具身技术端到端昇腾云计算平台,分三层。
最底下是算力基础设施,面向多模态与物理仿真的异构计算架构,做异构算力融合和超节点互联,视频长序列训练则靠上下文并行、参数分片、激活重计算这些技术顶住。
往上是算网数存,围绕具身任务把数据流和计算流放一起优化,PB级多模态数据统一存储与检索,面向具身RL做计算与通信联合调度,让推理时延更稳。
再往上是AI框架,昇腾原生多模态与具身强化学习都做了加速,RLinf v0.4的昇腾NPU支持大幅增强,吞吐最高提升2.78倍。

吴小东谈道,团队与清华大学于超团队联合把RLinf强化学习框架搬上了平台,推理效率和模型训练吞吐率提升2~3倍。
三、六大工程能力,打通具身智能落地“最后一公里”
世界模型从诞生到真正落地真实世界,中间还有很长的路。吴小东谈道,华为云做了端到端工具链,开发者能在平台上简单开发自己的模型和应用。

从模型推理到真实物理作业,CloudRobo凝练出六大工程能力,支撑具身智能从实验室走向千行百业的规模化落地。
1、仿真使能行业冷启动:高保真物理仿真、极端工况合成、Real2Sim2Real迁移,把真机数据采集成本降下来。
2、云原生训模型:昇腾多模态训练与强化学习原生加速、弹性算力调度、WAM/VLA/VLN统一开发工具链。
3、星闪鸿蒙生态集成:高并发R2C网关支持1K+本体并发保活,GB级模型分钟级热更新。
4、R2C跨本体快适配:小时级接入,统一多本体数据与动作接口,模型能力可以在不同机器人之间复用。
5、持续学习进化RSI架构:把作业数据回流、奖励评估、真机强化学习与策略迭代串成闭环。
6、安全可靠运行:风险感知、自主恢复、任务编排、端边云协同,守住具身智能的安全底线。

围绕具身智能,华为云搭起的是一套“技术深耕+开放赋能+生态共建”三位一体的打法,吴小东对此作了说明:核心技术上继续加码,让模型不断迭代;算力侧以昇腾云为底座,把模型和工具链向产业伙伴全面开放;再借助生态力量联合打造行业方案,推动具身智能在各行各业加快规模落地。

结语:世界模型竞赛升温,机器人开始学会想与做
放眼全球,具身世界模型正从单纯预测环境,走向预测与动作生成一体化。各条技术路线都在回答同一个问题:怎么让机器人真正理解物理规律,再把这种理解变成可执行的动作。
华为云这次布局的不同之处,是把世界模型和昇腾算力、数据工具链、仿真训练、机器人部署平台打通,再用开放权重吸引产业伙伴。接下来的行业竞争,不只看榜单排名,还要看跨本体泛化、真实场景成功率和部署成本。谁能率先跑通从模型能力到规模化交付的闭环,谁才真正握住产业化的主动权。