从海量真实工业数据到上千个可学习的工业世界，探索工业智能的 Scaling Law
过去十年，Scaling Law 几乎定义了人工智能的进步路径。
更多数据、更大的模型和更强的算力，共同推动大语言模型跨越一个又一个能力临界点。
但当 AI 从互联网进入工厂，决定下一轮智能跃迁的核心资源已经发生变化。
大语言模型依靠互联网文本完成预训练，而工业智能真正需要学习的，是订单如何转化为生产计划，设备如何响应控制信号，机器人如何协同执行任务，质量异常如何发生，以及一个决策最终如何影响交付、成本、质量与生产效率。
这些数据从来不存在于公开互联网中。
它们沉淀在真实工厂的业务系统、生产系统、设备终端、工业网关、摄像头、机器人和传感器中，是物理世界最稀缺、也最具价值的数据资产之一。
近日，群体智能世界模型公司超脑未来与工业互联网及产业智能平台企业微品致远宣布，双方将围绕工业世界模型，共同建设覆盖真实数据、智能算力、世界模型和工厂落地的基础设施。
双方希望建立的，并不是一次普通的软件接口合作，而是一条从真实工业数据出发，经过世界生成和模型训练，再回到真实工厂完成验证与执行的工业智能数据飞轮。
这场合作试图回答一个关键问题：
能否将工厂里一次真实发生的生产过程，转化为上百乃至上千个物理一致、任务完整、可直接用于模型学习的工业世界？
多机器人协同制造场景。工业世界模型不仅需要理解单台设备，还需要统一建模工位、物料、机器人、生产节拍和任务之间的动态关系。
超脑未来：让一个世界模型驱动多个工业机器人
超脑未来是一家专注于群体智能和世界模型的基础模型公司，致力于构建覆盖感知、理解、预测、协同、执行与持续学习的物理世界统一智能系统。
公司核心团队由具身智能科学家、世界模型研究人员和机器人系统工程团队组成，持续推进世界模型底层架构、多智能体端到端预训练、异构机器人接入和真实场景部署。
超脑未来自主研发的 WorldDreamer 系列模型，面向的不再是“一脑一机”的单机器人智能，而是多个机器人、设备与智能体共享同一个世界模型，并在统一世界状态下完成任务理解、未来预测、联合决策和协同执行。
最新一代 WorldDreamer V4 被定义为面向群体智能体的世界动作基础模型，即 Shared World-Action Model。
其核心技术链路包括：
多模态输入 Camera / Sensor / Robot State → 共享世界状态 Shared Latent World State → 未来世界预测 World Prediction → 多智能体联合动作生成 Joint Action Generation
与传统机器人模型分别控制单台设备不同，WorldDreamer 试图建立一个统一的物理世界认知层，将机械臂、协作机器人、移动底盘、AMR、四足机器人、人形机器人、无人机、商业服务机器人和其他异构本体，组织为可以统一理解和协同调度的智能执行节点。
一个模型，需要同时回答：
工厂当前正在发生什么？
多个设备接下来可能进入什么状态？
为了实现生产目标，哪些机器人应该行动？
不同机器人之间如何分工？
现场发生变化后，整个系统如何重新规划？
围绕这一目标，超脑未来已经形成从机器人接入、云端推理、任务执行、数据回流、数据治理、模型训练到评测部署的完整工程闭环。
其长期愿景是：
一个模型，理解整个世界；一个大脑，驱动所有形态；多个机器人，在同一个世界中协同行动。
One World，One Model。mi
工业机器人和自动化产线构成世界模型在工厂侧的重要执行节点。WorldDreamer 的目标，是让不同本体在统一世界状态下完成协同决策。
微品致远：工业互联网时代的产业智能基础设施
微品致远之所以成为这场合作中的关键参与者，在于其长期深耕工业互联网、产业大数据、边缘计算和智能制造，并在大量真实工业场景中形成了从数据采集、系统连接到生产执行和经营决策的完整能力。
微品致远是国家级专精特新“小巨人”企业、国家规划布局内重点软件企业、广东省产业大数据及人工智能工程技术中心依托单位，同时拥有 CMMI 最高成熟度等级认证，并与华为、阿里等头部科技企业建立了广泛的产业合作。
经过长期服务流程制造、离散制造及复杂工业场景，微品致远已经形成从工业现场、生产执行、供应链协同到经营决策的完整产业智能体系。
其智臻平台覆盖：ERP 企业资源计划、MES 制造执行系统、SCM 供应链管理、WMS 仓储管理、QMS 质量管理、EAM 设备资产管理、生产安全与能源管理、财务、研发与人力管理、企业经营驾驶舱。
在此基础上，微品致远进一步构建了 AI 决策引擎、工业 IoT 平台、虚拟数字员工、Copilot、OCR 视觉识别、智能排产、预测性维护和数字孪生等能力。
这意味着，微品致远并不仅是一家提供工业软件的企业，而是一家以真实工业数据为底座、以算法和 AI 为驱动、以工业场景落地为核心能力的产业智能平台企业。
流程制造场景中的设备、工艺、物料和环境状态共同构成连续变化的工业世界，为世界模型训练提供真实的时序数据基础。
海量真实工业数据，是微品致远最重要的战略资产
AI 时代，工业企业的竞争壁垒已经不只是部署了多少套系统，更在于这些系统是否能够持续产生完整、连续、可关联的数据。
凭借长期积累的产业覆盖能力，微品致远沉淀了大量多模态、跨系统、跨层级的真实工业场景数据。
这些数据不是彼此孤立的设备信号或业务表格，而是贯穿以下过程的完整工业因果链：
市场需求 → 生产计划 → 物料组织 → 现场执行 → 质量结果 → 经营反馈
这些工业数据主要包括以下类型。
订单与经营数据
包括客户需求、销售预测、报价、合同、订单、交期、发货、回款、成本、利润和经营指标。这些数据定义了工厂最终要实现的业务目标。
产品与工艺数据
包括物料主数据、产品结构、EBOM、MBOM、SBOM、工艺路线、工序参数、标准工时、工装设备、质检标准和ECN工程变更记录。这些数据描述了一件产品应该如何被制造。
生产计划与执行数据
包括MPS主生产计划、MRP/MRRP物料需求、产能负荷、缺料风险、计划排程、工单、工序、领料、报工、完工入库、插单和生产进度。这些数据记录了生产任务如何从计划进入现场执行。
供应链与仓储数据
包括采购需求、供应商报价、采购订单、交期、ASN预收货、来料质检、入库、出库、调拨、库存、批次、序列号、库位、条码、波次和拣选路径。这些数据描述了物料如何在供应链和工厂内部流动。
设备与工业物联网数据
包括机台、工装、PLC、工业网关、设备运行状态、启停记录、故障代码、点检、巡检、维保、备件、OEE、异常预警和设备全生命周期履历。这些数据构成了机器理解工业设备状态的基础。
质量与追溯数据
包括IQC来料检验、IPQC过程检验、FQC成品检验、OQC出货检验、SPC统计过程控制、合格率、缺陷类型、不良批次、返工、整改、质量成本和供应商质量评分。这些数据将生产动作与最终质量结果建立起因果联系。
视频、传感与安全数据
包括摄像头视频、电表、能耗、温度、湿度和环境传感数据，以及烟火、安全帽、人员离岗、危险区域进入和安全隐患记录。这些数据为工业世界模型提供视觉、空间和环境状态。
人员与现场作业数据
包括班组、排班、人员权限、移动报工、设备点检、质量检验、异常拍照、整改过程和审批记录。这些数据完整记录了人与设备、人与流程、人与机器人之间的协作关系。
这些数据同时覆盖业务层、系统层、设备层、空间层和视觉层，并且拥有明确的任务目标、执行动作和结果反馈。
这正是训练工业世界模型最需要、同时也是公开互联网最不可能提供的数据。
连续生产线中的视频、设备状态、物料流转和生产节拍数据，可以共同用于异常预测、任务规划和生产调度优化。
微品致远本身已经具备完整的产业智能能力
在海量真实工业数据基础上，微品致远已经构建起覆盖感知、分析、预测、决策与执行的智能化能力。
在生产环节，微品致远通过MRP/MRRP、产能负荷分析和AI动态排产，综合订单交期、设备能力、物料状态和工艺约束进行智能计划。
在仓储环节，平台能够完成AI智能上架、波次优化、库位推荐、多仓调拨和最优拣选路径规划。
在设备环节，平台通过工业IoT、状态监测、移动点检、故障知识库、OEE分析和预测性维护，将设备管理从被动维修升级为主动预测。
在质量与安全环节，平台能够通过SPC、质量动态预警和AI视觉识别，实时发现烟火、安全帽佩戴、人员离岗、连续不合格批次等风险。
在经营决策环节，微品致远构建了报价、计划、采购和ECN变更四大模拟引擎，能够在执行前预测不同方案对利润、成本、交期和生产秩序的影响。
此外，微品致远还通过VDH虚拟数字员工、Copilot、Text-to-SQL、OCR智能录入和知识库问答，将AI能力直接嵌入企业日常经营与生产过程。
此次与超脑未来合作，不是为微品致远“增加一个AI功能”，而是将其已经形成的产业智能能力，与WorldDreamer的世界生成、多智能体预测和群体协同能力进一步融合，共同构建面向下一代工业智能的基础设施。
AI Infra合作：超脑向微品采购工业数据与算力
数据与算力将成为双方战略合作的第一层基础。
根据合作规划，超脑未来将向微品致远采购经企业授权、治理和标准化处理的真实工业数据，以及配套的训练、推理和边缘算力服务。
微品致远将依托其工业互联网平台、产业数据底座、工厂服务体系和云原生技术架构，完成工业数据采集、协议适配、清洗、脱敏、标注、统一时间戳和业务语义对齐。
超脑未来则围绕WorldDreamer工业版，建立工业世界模型所需要的多模态训练标准，将微品致远沉淀的工业数据进一步组织为：
D = {视频、传感器、世界状态、机器人动作、业务事件、质量结果、奖励信号}
在算力架构上，双方将共同建设“中心训练、工厂推理、边缘执行”的三级AI Infra体系：
- 中心训练算力承担WorldDreamer工业版的预训练、后训练和大规模工业世界生成；
- 工厂私有算力承担企业数据处理、模型推理、数字孪生和智能决策；
- 边缘算力承担视觉识别、设备预警和多机器人低时延协同；
- 微品致远负责工业场景中的算力集成、系统部署、资源管理和长期运维；
- 超脑未来负责WorldDreamer模型训练、推理服务和群体智能运行时。
双方由此形成从工业数据供给、算力基础设施、模型训练到工厂部署的完整AI Infra合作。
WorldDreamer工业版将部署进入微品致远的工业场景
双方合作的第二层，是在微品致远覆盖的工业场景中规模化部署WorldDreamer工业版。
不同于传统ERP和MES，WorldDreamer工业版不仅记录一张工单已经流转到哪里，更能够理解工厂当前正在发生什么、预测接下来可能发生什么，并决定多个机器人、设备和智能体应该如何协同完成任务。
它将重点回答三个问题：
- 当订单、设备、物料和人员状态发生变化，工厂接下来会发生什么？
- 为了实现交期、成本、质量和安全目标，整个系统应采取什么策略？
- 多台机器人、设备和智能体应该如何分工、协作并动态重规划？
WorldDreamer 工业任务演示
视频链接：https://ocnp8o47bxy6.feishu.cn/wiki/JREdwVDSbiaZRok6bIGce84injo
机器人以第一视角完成“从蓝色货架取出黑色长条配件，并将其放置到不锈钢工作台工装上”的连续任务，呈现目标识别、空间定位、路径规划、抓取、运输和放置的完整任务链路。
WorldDreamer工业版将采用逐级进入生产闭环的方式落地。
第一阶段是观察模式。模型持续读取生产、设备、视频、机器人和质量数据，形成对整个工厂世界状态的实时理解。
第二阶段是建议模式。模型针对排产、物料配送、设备异常、质量风险和机器人调度给出最优决策。
第三阶段是闭环模式。WorldDreamer根据生产目标自主分解任务，向MES、WMS和机器人调度系统输出决策，并根据现场变化实时重规划。
首批场景将优先选择具备明确闭环和可量化指标的任务。例如：订单下发后，系统自动组织仓储机器人完成物料配送，协调机械臂执行生产，由视觉智能体完成质检，并在发现异常后触发返工、补料或重新排产。
在这个过程中，WorldDreamer控制的不再是一台孤立的机器人，而是一组拥有不同本体、不同能力和不同任务的工业智能体。
WorldDreamer成为微品致远系统中的工业大脑
双方合作的第三层，是将WorldDreamer作为工业世界模型和多智能体决策引擎，部署在微品致远的系统中后台。
微品致远已经具备覆盖感知、业务协同、智能分析和现场执行的产业智能体系。WorldDreamer的加入，将进一步赋予这一体系对整个工业世界进行统一建模、未来预测和群体协同的能力。
双方将形成明确分工：
- 智臻平台定义生产目标、业务流程和约束；
- WorldDreamer构建实时工业世界状态；
- 模型预测不同策略可能产生的未来结果；
- WorldDreamer进行多机器人任务分解、协作规划和异常重规划；
- 决策通过MES、WMS、QMS和EAM进入执行系统；
- 执行结果回流至智臻平台和WorldDreamer训练体系。
这将使微品致远已经形成的产业智能平台进一步升级为能够理解、预测并自主组织整个工业世界的智能基础设施。
联合解决方案将保留WorldDreamer的模型品牌和技术边界，并以“智臻工业大脑，Powered by WorldDreamer”等形式面向客户交付。双方还将围绕模型授权、推理服务、工厂实施、边缘算力和持续运维建立联合商业模式。
WorldDreamer将一条真实数据生成上千条真实可用的工业数据
双方最具战略价值的合作，是利用WorldDreamer的视频与世界生成能力，打开工业场景的Scaling Law。
工业智能长期面临真实数据稀缺的问题。设备故障、物料短缺、安全事故、极端插单和复杂质量缺陷虽然具有极高的训练价值，却无法在真实产线上被反复制造。
WorldDreamer将改变这种数据生产方式。
以微品致远沉淀的一条真实生产轨迹为基础，WorldDreamer可以生成上百乃至上千条真实可用的工业场景数据，并在保持设备能力、空间结构、工艺流程和业务规则一致的前提下，对场景进行系统化扩展：
- 生成不同订单规模、生产节拍和交付周期；
- 生成不同物料位置、库存水平、SKU和工艺参数；
- 生成不同机器人数量、本体结构和任务分工；
- 生成插单、缺料、设备故障和机器人失效；
- 生成不同类型的质量缺陷、安全异常和环境变化；
- 生成不同调度策略对应的效率、成本、质量和能耗结果；
- 生成多摄像头、多视角、多机器人同步的工业视频与动作轨迹。
这些数据不是简单的视频变体，而是包含视频、传感器状态、机器人动作、工业事件、质量结果和奖励信号的完整工业世界轨迹，可以直接用于WorldDreamer工业版的预训练、后训练、强化学习和基准测试。
这意味着，微品致远的一条真实工厂数据，不再只拥有一次训练价值，而是可以通过WorldDreamer演化为一个完整的工业场景族。
真实工业数据由此从有限资源，转化为可以持续生成、持续训练、持续增值的新型生产资料。
双方还将建立工业Scaling Law体系：随着真实工业数据、生成数据、训练算力、模型参数和智能体数量持续增长，WorldDreamer在任务成功率、异常泛化、生产效率、质量控制和多机器人协同等方面的能力将不断提升。
这将是工业AI第一次获得类似大语言模型时代的数据扩张能力。
工业数据真正的价值，在于形成闭环
大语言模型的突破建立在互联网级文本数据之上，但工业世界不存在一个可以直接下载的“物理世界互联网”。
物理世界数据必须通过机器人、设备、传感器和业务系统持续采集；必须与动作和结果建立因果关系；还必须在真实生产中不断接受验证。
因此，超脑未来与微品致远的合作，本质上是在共同建设一个工业世界的数据生产系统：
工厂产生真实数据。
WorldDreamer 将真实数据扩展为大量可控工业世界。
真实数据与生成数据共同推动模型训练。
训练后的模型重新进入工厂，提高生产效率和协同能力。
更高效的生产过程继续产生更多高价值真实数据。
这条飞轮一旦建立，微品致远智能化运营的每一家工厂、每一条产线和每一个机器人，都将成为工业世界模型新的数据节点。
对于微品致远而言，这意味着其由产业智能平台进一步升级为工业世界模型时代的数据与AI基础设施；对于超脑未来而言，这意味着WorldDreamer获得规模化进入真实工业世界的数据、算力和落地网络；对于制造企业而言，世界模型和群体智能将不再停留在实验室，而是成为可以部署、验证和持续进化的生产力。
超脑未来创始人表示：
“LLM吃掉了互联网文本，超脑将吃掉物理世界数据。微品致远拥有工业互联网时代最稀缺的资产——海量、真实、连续并且带有业务结果的工业数据；WorldDreamer则能够把一次真实生产演化为上千个真实可用、可以训练的工业世界。双方要共同建立的，不是一项软件功能，而是工业世界模型的数据、算力与落地基础设施。”
从互联网Scaling Law到工业Scaling Law，AI正在跨越虚拟世界与物理世界之间最重要的一道边界。
未来，工业数据不仅来自已经发生的生产，也将来自世界模型持续生成、学习并最终付诸行动的无数个工业世界。
One World，One Model。
热门跟贴