华为云CloudRobo打通具身智能链路,昇腾960DT显存带宽规划9.6TB/s
具身智能从实验室走向工厂,最大的拦路虎往往不是模型不够聪明,而是算力贵、适配难、真机部署慢。华为云推出CloudRobo平台和昇腾原生世界模型,试图把数据、训练、仿真和真机部署串成一条线。通过统一接入协议和云端算力调度,让不同团队能复用已有的工程资产,不用每家都从头买卡、从头踩坑。文章梳理了这套方案如何解决显存瓶颈、长
别再把时间耗在买卡和配环境上
具身智能这行当眼下有个怪现象:实验室里机器人被教得有模有样,搬到工厂现场却掉了链子。换条机械臂,先前练出来的本事所剩无几;换个场景,数据得重新采、参数得重新调。

工程账更让人头疼。算力买多少合适?买少了训练得排队,买多了搁着吃灰。数据格式各家不同,换台设备接口就得重写。这些活不直接产生价值,可每家公司都躲不掉。

11月16日,
华为云推出昇腾原生具身世界模型CloudRobo-WM1.2。两天后在上海高层论坛上,华为云把话讲明了:具身智能研发,有些环节没必要家家从头干。

思路并不复杂。算力、存储、网络适配这些底层的事,交给云平台统一承担。往上一层,CloudRobo平台把数据、训练、仿真和真机部署串成一条链。懂算法的伙伴出算法,懂现场的伙伴出场景,跑通的工具和方法沉淀下来,下一个项目接着用。

听着像说了很多年的“生态”。可具身智能重硬件、重现场,能不能落地才是硬指标。

算力不是买回来就完事,得让它转起来

AI应用从简单问答走到Agent,再走到具身智能,算力需求一路指数级往上蹿。华为昇腾芯片产品管理专家钱鑫源给了一组数字:Agent任务的Token消耗量,是普通问答的100到1000倍。

具身智能还要更吃算力。教机器人抓个杯子,看着不过几秒钟的动作,放到仿真训练里却牵扯大量视频流、关节位置数据和动作记录。仿真软件得先算出物理反馈,训练程序才能调模型。仿真结果出不来,训练只能干等;数据搬运跟不上,算力卡就空转。

显存带宽是个典型卡点。训练长视频时,计算单元要反复从显存里取数据。带宽不够,好比发动机马力足、油管却细,算力再猛也施展不开。华为昇腾960DT芯片规划把显存带宽提到9.6TB/s,针对的正是这个瓶颈。

单卡跑顺了,多卡集群又冒出麻烦。一段长视频拆给几张卡处理,只要有一张卡显存先爆,其余卡也得跟着停。华为云做了长序列并行优化,尽量把不同模态的显存负载摊匀,还提前预取下一批训练数据,把等待时间压下来。

对工程师来说,这些优化意味着实验能多跑几轮,夜也能少熬几个。更实在的是,华为云打算安排专项团队帮伙伴做昇腾云适配,把框架里没有现成实现的算子调好。前一家踩过的坑,后一支团队就能绕开走。
CloudRobo:把断掉的链路接上
仿真里得分挺高,真机上一伸手就偏,这在具身智能开发中是常态。毛病可能藏在数据采集、模型训练、仿真验证或真机部署的任何一环。每次都从头排查,效率实在低。
CloudRobo平台要做的,就是把这条链路接通。
先说数据。各款机器人的采集方式不一样,数据格式也不统一。CloudRobo用R2C协议和SDK统一接入,支持PB级多模态数据的管理和快速索引。平台目前已积累超过100万条导航轨迹、5万多条操作轨迹。换一种采集方式,只调映射就行,不用推倒重来。
再是模型和评测。平台汇集30多款第三方模型、30多项评测指标,即将开源的CloudRobo-WM1.2世界模型也会入驻。团队可以先拿现成模型试手,再按具体任务微调。万一机器人抓取成功率掉了,工程师沿用原来的评测环境,分别调数据和模型,问题源头很快能定位。
还有仿真与真机的衔接。CloudRobo支持导入URDF文件,机械臂可以先在虚拟世界里练。仿真中筛出容易失败的场景,生成数据补回训练,真机试错的成本和风险能降下不少。
运行管理这块,云端管长程规划和后续训练,边缘侧管多机调度和实时控制。机器人碰上异常,现场先处置,同时把出错前后的画面和轨迹记下来,方便后面优化。端云协同这套架构,实时性保住了,持续迭代的能力也留着。
上海交大具身智能微专业的学生就是个现成例子。30名学生靠着CloudRobo,从仿真一路做到真机,对比学了Diffusion、ACT等模型,还有学员在首届CloudRobo大赛里拿了第二名。对学生来说,搭环境的时间省了,能更快接触真实任务;对企业来说,这意味着研发流程走向标准化。
组队干活:让经验变成资产
具身智能要落地,平台之外还得有懂行的伙伴。华为云找了几家典型企业,各啃各的场景难题。
亿嘉和盯的是高空带电作业。其Z100机器人累计交付400多台,年作业超8万次。与华为云联手开发的Z200Pro,目标是让机器人自己判断更多现场环境,少靠人工遥操作。据披露,新方案作业时长能压到30分钟以内,效率提升约30%。
国地中心正共建异构机器人虚实融合训练场,把真实采集和仿真合成的数据打通,摸索数据集开放和统一评测。大晓机器人在零售、安防等场景完成了从0到1的落地,打算把动作和任务流程攒成技能库,免得类似需求再从头折腾。杭州天宽则专注端云协同巡检,优化多机器人调度。
各家伙伴选的切口并不一样,可往深里看,走的是同一条路:数据怎么处理、模型怎么适配、仿真工具怎么搭、训练怎么调优,这几样通用本事被串到一起,一点点攒成能反复调用的家底。
华为云“行业AI梦工厂·具身智能专区”上线5个月,合作的企业和高校已经超过230家,技术资产积累到1500多项。伙伴的产品和联合方案,借云商店这些渠道推给了更多客户。一款仿真工具要是在好几个项目里都用得上,开发团队才有劲头一直维护下去,机器人企业也能少在重复开发上耗时间。
钱上的支持华为云也拿了:具身智能专项,单个伙伴最高200万元;AI行业解决方案专项,单个方案最高100万元。
结语
具身智能打到今天,比的已经不是能不能把活干成一次,而是天天干都得稳,换个场景照样能把本事使出来。
模型得训得起,真机得跑得稳,成本还得算得清。哪一关松了,都走不远。华为云的路子,是把那些又繁琐、又重复、又烧钱的工程环节做成标准件、搬到云上,开发者好把心思放在真正要创新的地方。
这条路未必是唯一的,但好歹让行业多了一个少折腾的选择。