一台机器人可以在所有仿真测试里拿满分,却在真实车间里因为摄像头被挡住一角、视角变了就卡住。华为云 11 月 16 日在杭州的发布会上,正是从这个问题开场:某些研究测试里,视角一变,模型在某项任务上的准确率从 62.72% 掉到 7.62%。它给出的答案叫 CloudRobo-WM1.2——公司称的首个昇腾原生具身世界模型,当天发布并开源。
世界模型改变了什么
今天量产的大多数机器人仍跑在视觉识别流程上:看见物体、分类、执行排练好的动作。华为云具身产品线总裁、具身智能实验室主任吴小东在会上把话说得很直:传统视觉表征在摄像头被遮挡时失明,物体移动时混乱,角度变化时迷失。
世界模型走了另一条路。它不只识别镜头前有什么,而是预测机器人动作之后场景会怎么变——杯子被抓时往哪摆,托盘边缘会不会撞上手臂,力怎么通过物体传递。华为云把这形容为从"看一张静态照片"变成"看一部正在播放的 4D 动作片"。
CloudRobo-WM1.2 把这套思路打包成五项核心技术:
- PPA 多模态世界表征——把感知、预测、动作统一进一个模型,让机器人先预判自己动作的物理结果再执行。
- DualAct 架构——世界模型原生输出高精度动作,另设一个专家通道做高效低延迟控制,开发者可按需调整动作专家的规模。
- 多粒度自适应预训练——训练框架围绕每个数据集实际包含的信息组织监督信号,缺深度、缺动作标注、缺机位的数据不再被丢弃。
- 跨本体动作建模——用一套共享的"动作翻译器"覆盖单臂、双臂和轮式机器人,让一个模型服务不同形态。
- 四种弹性推理模式——World/Expert Action 与 Joint/Action-only 的组合,团队可按算力和延迟预算选择。
发布背后的数字
这个模型在 RoboTwin 2.0 和 LiberoPro 2.0 两个常用具身仿真基准上都排第一。华为云还披露:它称 80% 的中国具身智能公司如今在昇腾云上开发,今年 6 月推出的 CloudRobo 平台已聚集超过 16500 名专业开发者、230 多家公司和高校。
首席模型专家刘流在会上讲了数据这门账。采集有效的真机数据每小时约 500 至 2000 元(约合 70 至 280 美元),1 万小时可用数据就要花去约 70 万至 280 万美元。团队从约 8000 小时预训练数据起步,后来扩到约 27500 小时,来自 20 个数据源、33 种机器人本体。
训练跑在国产昇腾算力上,而非英伟达显卡——华为云把这次发布定位成从视频、三维几何到动作序列的完整世界模型流水线都能在中国自己的芯片上跑通的证明。
开着两扇门的开源
开源公告有个不常见的双层结构。模型权重、推理代码和后训练代码公开,个人开发者今天就能复现和扩展。训练框架和适配昇腾的 WAM 算力代码库——也就是针对昇腾硬件调优的工程实践——先向核心伙伴开放。华为云还宣布了算力资助和行业数据集共建计划,并配上一个具体产品:与环保装备企业福龙马联合开发的下一代智能清扫机器人当天开启预售,完整发布会定在 12 月的上海。会上点名的生态伙伴包括上市公司亿嘉和、拓斯达、福龙马、软通动力、凌云光,以及 Galaxea、Youibot、Standard Robots 等初创公司。吴小东说,华为云做的是基础层,不是终端,伙伴应该能"带着硬件来,带着模型走"。
关键要点
- 华为云发布并开源 CloudRobo-WM1.2,称是首个昇腾原生具身世界模型。
- 在 RoboTwin 2.0 与 LiberoPro 2.0 两个仿真基准上排名第一。
- 核心思路是预测动作带来的场景变化,含 PPA、DualAct、跨本体建模等五项技术。
- 真机数据每小时约 500 至 2000 元(约合 70 至 280 美元),预训练数据从约 8000 小时扩到约 27500 小时。
- 权重与推理代码公开,训练框架先向核心伙伴开放;福龙马清扫机器人当天预售。
诚实的局限
- 仿真基准第一不等于产线第一;长尾真实场景、云到端传输延迟、硬件安全余量都还需要大规模实机测试,榜单测不到。
- 排名是华为云自己公布的,未经独立审计。
- 开源是部分的:昇腾调优的训练框架先给核心伙伴,圈外团队能跑模型,却无法完整复现训练流程。
- "80% 中国具身智能公司用昇腾云"是厂商对自己平台的披露,是信号,不是市场审计。
普通人现在能做什么
- 看榜单之前先看它测什么:这两个基准考的是桌面操作和仿真,任何部署决定前都该补自己的实机验证。
- 想试就先用公开的权重和推理代码,拿自己机器人的一段素材做小规模微调,最快能验证跨本体说法是否成立。
- 盯住 12 月福龙马的发布会:那是第一个商业部署信号,清扫机器人在不可控户外环境下的表现,会给世界模型路线带来仿真之外的证据。