华为云发布并开源昇腾原生具身世界模型WM1.2

华为云发布并开源昇腾原生具身世界模型WM1.2

2026年11月16日下午,华为云CloudRobo具身世界模型发布会在线上召开。华为云“行业AI梦工厂”正式发布并开源昇腾原生的具身世界模型CloudRobo-WM1.2,由华为云具身产品线总裁、具身智能Lab主任吴小东发布,具身智能Lab首席模型专家刘流对架构和能力进行了解读。这款模型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架构直接输出高精度机器人动作,在RoboTwin 2.0、LiberoPro 2.0两个评测基准中均排名第一。发布会同时宣布开放训练框架与WAM昇腾算力最佳实践,并披露华为昇腾云在中国具身智能市场格局中位居第一,已有80%的中国具身智能企业选择昇腾云。

发布会的三张明牌

把这场一个半小时的发布会拆开看,华为云实际摆出了三张牌: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住最高强度训练负载的成色验证。

先看成绩单。RoboTwin 2.0与LiberoPro 2.0分别由国内多家顶级高校与科研机构推出,是全球具身世界模型轮流登顶的公开考场。CloudRobo-WM1.2在两个基准中同时位列第一,按华为云的说法,这份成绩的意义在于: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。发布前的公开报道还提到,该模型在仿真任务中的成功率冲上了98.35%这个量级。

第二张牌是开放。除开源模型权重、后训练与推理代码外,华为云宣布将训练框架、WAM昇腾算力最佳实践等一并开放,面向行业伙伴、模型厂商、本体厂商和最终客户,帮助他们在昇腾云上更高效地开发世界模型与应用。其中训练框架工程代码与WAM昇腾算力代码库面向核心合作伙伴定向开放,这种把模型架构、计算框架、核心算子与国产算力协同优化方法整体交出去的做法,在国产具身智能阵营里还没有先例。

第三张牌落在“昇腾原生”四个字上。世界模型是当前最吃算力栈的负载之一,多模态、长序列、训练与推理双向吃紧。此前全球顶级世界模型的完整训练链路,基本只在英伟达CUDA与谷歌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,整条链路在国产算力上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。华为云同时披露,昇腾云在中国具身智能市场排名第一,80%的中国具身智能企业选择了昇腾云,重点高校基本实现全覆盖。

世界模型为什么是具身智能的关键拼图

要理解这次发布的分量,得先回答一个问题:机器人为什么需要世界模型。

主流的视觉语言动作模型更像熟练工:看到相似场景,凭经验直接给出动作,速度快,但材质、遮挡、堆叠一变,就容易给出“看着合理、物理上危险”的解。行业测试数据也印证了这一点:遮挡一来,关键目标检测得分可以从68%跌到28%;相机视角一变,部分模型的正确率从62.72%坠至7.62%;对物体速度这类动态物理量,有的模型理解得分只有0.42,物理推理正确率仅19%。

世界模型的思路不同:先在“脑内沙盘”里推演动作会引发什么物理变化,再决定手往哪放。机器人接到指令后,模型先预测接下来一秒多的画面变化,再倒推出让画面变成那样的关节动作。世界模型承担环境动态建模和预测增强表征的角色,通过对多模态信息与物理规律的压缩和预测,为策略提供更稳定的内部表征,那层推演可以被检查、被反驳,不只是黑箱输出。

但把这套思路做成产品,要跨过三道坎:多模态物理理解难、跨本体泛化难、实时推理算力成本高。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门槛;拆开跑的方案把延迟压进几十毫秒,又要靠额外对齐模块填补成功率缺口。这三道坎,正好对应CloudRobo-WM1.2的五项技术创新。

五项创新如何对号入座

感知:PPA多模态世界表征架构

PPA(Perceive-Predict-Act)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。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。感知系统从“描述此刻”升级为“推演下一秒”,而预判物理交互结果,正是理解物理规则而非只是记住物理状态的标志。

动作:世界模型原生DualAct架构

这是本次发布的核心。DualAct(Dual-path Unified Expert Training)在同一颗理解世界的大脑下构建两条动作生成路径:世界骨干World generator负责高精度的动作预测,动作专家Action expert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动作生成在同一学习体系里结合,直接由共享骨干输出高精度动作,降低了分层方案里规划与执行之间的误差累积。

数据:多粒度监督数据自适应预训练框架

真机数据一小时采集成本在500到2000元之间,而行业里存量的海量视频、动作轨迹和传感器记录,往往因为模态不齐全就被丢弃。这个框架不再要求每条样本模态齐全,而是按数据实际具备的有效信息组织监督:动作标注缺失、深度不完整的数据均可兼容。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。

泛化:本体语义保真跨具身运动建模

同一套动作指令换一台机器人执行,含义就会偏移,业内有过把不同本体数据在数值空间直接拼接、成功率从98%塌方到18%的教训。该建模方式保留机器人96维与人类168维运动的原生物理语义,通过Embodiment条件化让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、轮式底盘的数据可以放进同一个训练池,共用知识而不互相污染。

部署:四种弹性推理模式

World/Expert Action、Joint/Action-only四种模式可按需组合:研发调试用全面高精度模式换取可解释性,在线执行切到快速高效模式换取部署效率。按华为云口径,四种模式的单次推理计算量介于3.99到43.71 TFLOPS之间,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。

和海外两条路线摆在一起看

过去一周,具身世界模型赛道格外热闹:11月9日英伟达发布GR00T 2,11月11日Runway把Praxis-1权重挂上Hugging Face并采用Apache 2.0许可,两天后华为云跟进开源。三条路线一个共同点是让机器人先理解世界再做动作决策,但开放程度与技术侧重差异明显。

模型 发布时间 技术路线 参数规模 评测表现 开放情况
CloudRobo-WM1.2(华为云) 2026年11月16日 共享世界模型骨干加原生DualAct,直接输出动作 含6B WAM规格 RoboTwin 2.0、LiberoPro 2.0均第一 模型权重、后训练与推理代码开源,训练框架与昇腾算力实践定向开放
GR00T 2(英伟达) 2026年11月9日 世界动作模型,基于Cosmos,先预测未来画面再出动作 约2B 约43.6万小时混合数据训练,五次演示任务达95% 权重与训练方案计划2026年12月开源
Praxis-1(Runway) 2026年11月11日 27.2B混合专家世界动作模型,视频与动作同路输出 272亿 RoboLab-120成功率46.2%,世界动作模型类别第一 Apache 2.0,权重与代码均可商用

表格里最值得看的是开放一列。GR00T 2的开源还停在计划,Praxis-1的许可最宽松但配套生态围绕CUDA,CloudRobo-WM1.2则把权重、代码、训练框架与国产算力最佳实践打包放出。对中国的机器人团队来说,这意味着从复现到二次训练有了完整起点,而且是跑在昇腾上的起点。

基座与生态:不做本体的底座逻辑

华为云在2025年6月发布CloudRobo具身智能平台时就明确:不做机器人本体,把本体交给伙伴,目标是让一切联网的本体都成为具身智能机器人。这次发布延续同一逻辑,把世界模型的开发能力向产业链上下游开放。从公开生态名单看,拓斯达、亿嘉和、软通动力、凌云光、星海图、优艾智合等企业站在它身边:拓斯达协同部署轮式人形机器人打通工厂搬运全流程,亿嘉和2026年9月联合发布配网带电作业机器人Z200Pro,双方把云边端协同推向电力巡检检修场景。

基座分三层:算力层以异构计算架构与超节点互联支撑多模态与物理仿真,6B参数的WAM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;算网数存层承接PB级多模态数据统一存储与检索;AI框架层RLinf v0.4对昇腾NPU支持大幅增强,实现最高2.78倍的吞吐提升。基座之上还有六大工程能力,从高保真物理仿真、Real2Sim2Real迁移,到星闪鸿蒙生态下1000台以上本体并发保活、GB级模型分钟级热更新,再到持续学习与安全运行,把从模型到产线的路铺完。

行业侧的背景也在升温。据公开梳理,国内公开的具身世界模型已有59个,全球入场公司达55家。华安证券此前指出,物理AI被视为AI的下一个风口,具千亿至万亿级美元市场空间,世界模型是物理AI的底层认知框架,具身智能则是其行动层。当模型生产资料变成公共品,竞争重心就从“谁有资源训大模型”转向“谁更懂场景、谁的本体和数据更好”。

发布会前后的一条时间线

回看节奏,这次发布早有铺垫。11月12日,华为云宣布定档,公开报道称这款模型在仿真任务中的成功率冲上98.35%;11月16日14时直播开始,14时50分进行正式的发布与开源环节。议程之外,业界的关注点一直集中在两处:开源的范围有多大,以及昇腾能否撑住世界模型这类金字塔尖的负载。发布会对此给出的答案是:权重全开、实践开放、算力跑通,三件事一次说清。

普通开发者的上手路径

对想跟进的开发者,一条务实的路径是:先在开源仓库拉取权重与推理代码,用四档推理中的轻量模式在自有本体上跑通最小闭环;再借助多粒度监督框架把自有场景的存量视频与非标注数据喂进微调;需要精度时切换高精度模式对比效果。相比过去只能对着论文复现的世界模型项目,这条路径的每一步都有官方工具链支撑,试错成本显著降低。

冷静看待:仿真登顶之后是真机大考

需要保持一份清醒。RoboTwin 2.0与LiberoPro 2.0毕竟是标准化仿真基准,仿真登顶不等于真机泛化。长尾场景、安全可靠性、与具体产线的工程磨合,都需要时间检验。钛媒体等媒体的评论也指出,具身智能此前在舆论场的热度一轮轮抬高预期,但演示画面之外,视觉遮挡、运动理解、数据成本、推理时延这些地基问题依然真实存在。CloudRobo-WM1.2的五项创新是对这些问题的正面回应,而不是一次性终结。

另一个观察点是开放的实际成色。权重全开源、框架定向开放的分层策略,普惠与筛选并存:普通开发者拿到从下载权重到接入工具链的完整起点,核心伙伴则握有在国产算力上训练世界模型的完整工程方法。开源之后社区能否活跃、第三方能否在昇腾上真正复现成绩,才是这套开放策略的最终考卷。华为云给出的三个承诺——坚定投入、全面开放、共建共享,对应的正是这场长跑的耐力问题。

可以确定的是,具身智能的竞争已经从单点模型能力,转向算力底座、世界模型、工具链、本体与行业场景的全栈工程化能力之争。这次发布第一次把这条完整链路搬到了CUDA生态之外的国产算力上,其后续走向值得持续跟踪。华为云具身智能Lab首席模型专家刘流在解读环节强调,五项创新不是孤立堆叠,而是围绕多模态物理理解、跨本体泛化与实时推理成本三类现实难题逐条设计;这也提示后来者,世界模型的竞争不再是参数规模的竞赛,而是表征、数据、架构与算力四条线的综合工程较量。

从实验室到千行百业还差哪几步

即便技术侧五项创新齐备,世界模型要真正走进工厂、电站和仓储现场,中间仍有几段路要走。首先是数据回流:机器人上岗后产生的作业数据如何高效回收、评估并用于持续学习,决定模型能不能越用越强,华为云的持续学习架构试图打通回流、奖励评估与真机强化学习的循环,但实际效果要看运行数据。其次是安全兜底:产线环境里一次误动作的代价可能是损毁设备甚至伤及人员,风险感知与自主恢复能力必须先于规模部署成熟。第三是成本账:四档弹性推理降低了单次决策的算力开销,但云端大脑加端侧控制的组合,对网络时延、边缘算力的整体成本仍需按场景细算。

对行业格局而言,这次发布还有一层信号意义。此前国产具身智能团队大多把模型挂在英伟达生态上训练,工具链、数据格式与算力底座逐日咬合,切换成本随时间累积。如今有了跑通的世界模型链路,团队至少多了一个选项,竞争的天平不再完全系于单一生态。

常见问题

CloudRobo-WM1.2是什么?

华为云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与原生DualAct架构,直接输出高精度机器人动作,在RoboTwin 2.0、LiberoPro 2.0两个评测基准中均排名第一。

什么是具身世界模型?

一类让机器人先在内部推演动作将引发的物理变化、再决定执行策略的模型。它承担环境动态建模和预测增强表征的角色,是物理AI的底层认知框架,区别于凭经验直接输出动作的主流视觉语言动作模型。

DualAct架构解决了什么问题?

它在同一共享骨干下构建两条动作路径:世界骨干负责高精度动作预测,动作专家负责高效直接的动作生成,统一监督目标让认知与执行在同一体系结合,降低分层方案的误差累积,兼顾判断质量与响应速度。

这次开源开放了哪些内容?

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;训练框架与WAM昇腾算力最佳实践一并开放,其中训练框架工程代码与昇腾算力代码库面向核心合作伙伴定向开放。

它的评测成绩有多可信?

RoboTwin 2.0与LiberoPro 2.0由国内多家顶级高校与科研机构推出,是全球具身世界模型公认的同台考场,登顶含金量较高;但两者均为仿真基准,真机泛化与长尾场景仍待检验。

它与英伟达GR00T 2、Runway Praxis-1有何不同?

三者同属世界模型路线。GR00T 2约2B参数、计划2026年12月开源;Praxis-1为272亿参数混合专家、采用Apache 2.0许可;CloudRobo-WM1.2的差异化在于昇腾原生全栈链路与双基准登顶,且开源与算力实践配套放出。

昇腾云在中国具身智能市场的地位如何?

华为云在发布会上披露,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。

开发者和企业该如何跟进?

普通开发者可从开源权重与推理代码起步,在昇腾云上复现与二次训练;本体厂商与行业客户可接入CloudRobo平台与配套工具链做场景适配;有意深度定制的团队可关注核心合作伙伴定向开放通道。

THE END
喜欢就支持一下吧
点赞47 分享
评论 抢沙发
头像-知了AI
欢迎您留下宝贵的见解!
提交
头像-知了AI

昵称

取消
昵称表情代码快捷回复

    暂无评论内容