本月开源。
作者 |三北
编辑 |心缘
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。
该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架构实现世界模型原生动作生成,在RoboTwin 2.0、LiberoPro 2.0评测中均位列第一。
现场,华为云展示了基于CloudRobo-WM1.2的机器人完成工业级搬运连续作业、轴承毛刺清洁等真实工业场景实验,以及在无人零售场景中完成了物品上架、礼物入柜等收纳任务。
会上,华为云透露:“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”应该是企业自身统计口径下的生态渗透率、客户覆盖度国内第一,不是第三方机构营收口径。
同时,华为云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。
01.
直面五大挑战
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,其团队一直在行业大模型、商专车的自动驾驶、具身智能行业尝试落地,看到了很多挑战:比如传统视觉表征一遮挡就“半瞎”,一换视角就“懵”,一动起来就变“傻”,在复杂开放环境中的成功率会明显下降。
整体来说,具身智能正从实验室走向真实物理世界,面临多模态物理理解困难、世界认知与动作生成的耦合难、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多重挑战。
面对这些挑战,华为云基于在AI与智能驾驶领域的工程化实践,推出CloudRobo-WM1.2世界模型与CloudRobo开发平台,试图打造具身智能的“硅基黑土地”。
CloudRobo-WM1.2围绕具身智能核心挑战,构建了以下五大核心技术能力:
1、PPA(Perceive-Predict-Act)多模态世界表征架构:模型不仅识别物体,还能预判物理交互结果。它融合RGB视频、语义特征、深度与点云,引入未来多模态预测监督。
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”到“能看懂一部4K电影”,更好理解物理世界。例如,机器人看到一个杯子,不仅知道它是什么、在哪里,还能预判推它下一步会怎样运动、是否会倾倒。
2、多粒度监督数据自适应预训练框架:就好像画漫画不需要画出完整的刘德华,只需要体现他的特点即可辨识。CloudRobo-WM1.2根据数据实际具备的有效信息组织监督,避免有价值数据因局部缺失被丢弃,释放异构数据Scaling潜力。动作标注缺少、部分维度无效、深度缺失及相机视角不完整等数据都可被兼容。
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、深度缺失的数据联合监督,最大化数据价值。
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”。类似人有不经过大脑皮层的直接控制(膝跳反射),快速高效直接,也有经过学习之后在生活中建立的条件反射(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;基于MOT架构,动作专家也可实现直接高效动作输出。双通道动作架构设计,可以支持开发者灵活定义动作专家尺寸,提高后训练效率。
4、本体语义保真跨具身运动建模:相当于为单臂、双臂、轮式等各种形态机器人提供统一动作翻译器,多本体差异化可以统一语义。
吴小东提到,多本体不能简单把维度串起来,否则会丢失“千人千面”的差异;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联合训练,共享运动语言并复用人的运动经验。
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,按需匹配客户算力资源和推理时延。其支持Joint(输出未来世界+高精度动作)、Action-only(只输出动作)两类输出目标,以及World Action(偏重高精度输出)、Expert Action(偏重快速高效)两种输出头,形成四种可组合的推理模式。客户可以根据算力、时延要求灵活组合。
总的来说,五项核心技术共同支撑CloudRobo-WM1.2在世界建模、动作生成、数据规模化学习和工程部署方面的持续演进,为具身智能从模型研究走向复杂物理场景应用提供技术基础。
02.
模型三层+云三层:
华为云搭起具身智能“全栈底座”
沿着五大技术特点继续深挖,CloudRobo-WM1.2技术架构分为三层:
第一层,具身原生多模态PPA模型架构:预测增强世界理解+原生双路径动作,统一建模世界理解与动作生成。
第二层,具身数据Scaling体系:有效监督弹性预训练+本体语义保真跨具身运动建模,解决非完备数据利用与异构本体协同。
第三层,世界模型工程化推理:四模式弹性推理,适配预测与动作生成的多场景需求及计算效率。
同时,华为云打造了基于云原生的全栈具身技术端到端昇腾云计算平台,分为以下三层:
算力基础设施:面向多模态与物理仿真的异构计算架构,异构算力融合、超节点互联,通过上下文并行、参数分片、激活重计算等技术应对视频长序列训练。
算网数存:围绕具身任务的数据流与计算流协同优化,PB级多模态数据统一存储与检索,面向具身RL的计算与通信联合调度,提升推理时延稳定性。
AI框架:昇腾原生多模态与具身强化学习加速,RLinf v0.4昇腾NPU支持大幅增强,实现最高2.78倍吞吐提升。
吴小东谈道,团队与清华大学于超团队联合把RLinf强化学习框架上到平台,推理效率与模型训练吞吐率提升2~3倍。
03.
六大工程能力
打通具身智能落地“最后一公里”
世界模型从诞生到最终落地真实世界还有很长的距离,吴小东谈道,华为云打造了端到端工具链,让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凝练六大工程能力,支撑具身智能从实验室走向千行百业规模化落地:
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,降低真机数据采集成本。
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,实现模型能力跨机器人复用。
5、持续学习进化RSI架构:打通作业数据回流、奖励评估、真机强化学习与策略迭代闭环。
6、安全可靠运行:风险感知、自主恢复、任务编排、端边云协同,保障具身智能安全底线。
吴小东提到,华为云围绕具身智能构建“技术深耕+开放赋能+生态共建”三位一体战略:持续投入核心技术推动模型迭代升级,依托昇腾云算力全面开放模型与工具链赋能产业伙伴,汇聚生态优势共建行业解决方案,加速具身智能在千行百业的规模化落地。
04.
结语:世界模型竞赛升温
机器人开始学会想与做
从全球来看,具身世界模型正从单纯的环境预测走向预测与动作生成一体化。不同技术路线都在回答如何让机器人真正理解物理规律,并将理解转化为可执行的动作。
华为云此次的差异化布局,在于将世界模型与昇腾算力、数据工具链、仿真训练和机器人部署平台打通,并通过开放权重吸引产业伙伴。
接下来,行业竞争将不只看榜单排名,更要看跨本体泛化、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主动权。
热门跟贴