具身智能被视为人工智能进入物理世界的重要载体,但真实场景落地仍被多重结构性门槛拖慢。多模态物理理解是其中一项难题:视觉模型依赖可见像素,遇到遮挡、视角切换和物体运动时表现明显下滑,遮挡下检测F1值可从68%降至28%,视角分布外变化时准确率甚至会从62.72%降到7.62%。
华为云“行业AI梦工厂”发布并开源昇腾原生具身世界模型CloudRobo-WM1.2,试图从模型架构和算力底座两端回应这些难题。昇腾云在国内具身智能算力市场处于前列,已覆盖80%的具身智能企业,重点高校实现全覆盖;华为云还与环卫装备企业福龙马联合推出新一代智能清扫机器人,并启动预售。
另一组矛盾集中在世界认知与动作生成的衔接。紧耦合能保留物理直觉,却难以达到机器人实时控制的时延要求;松耦合压低延迟,又必须借助额外机制弥补执行成功率。真机数据成本高企,每小时约500至2000元,跨机器人本体还存在动作语义错位,世界模型推理也带来显存和时延开销,这些因素叠加成产业化壁垒。
CloudRobo-WM1.2没有采用把世界模型与动作模块简单拼接的方式,而是走原生一体化路线。其PPA多模态世界表征架构把静态视觉识别推进到4D动态物理理解:模型识别类别和位置之外,还会预判物体被交互后的运动轨迹及物理结果,以增强遮挡和视角变化场景下的稳定性。
DualAct双路径动作架构设置两条输出通路:一条由世界模型直接给出高精度动作,保留完整物理认知;另一条由动作专家输出高效指令,适配低时延需求。开发者可按场景切换,在性能与效率之间取舍。多粒度监督预训练框架让标注残缺的异构数据也能参与训练,减少存量数据因局部缺失被闲置;本体语义保真技术则在语义层对齐不同机器人的动作逻辑,缓解跨本体训练中“数据越多效果越差”的问题。四种可组合弹性推理模式让用户依据算力条件和时延要求配置,世界模型的使用门槛从高配专属转向按需适配。
模型背后的算力支撑来自昇腾云的全栈优化。其市场位置并非只由算力规模决定,而是围绕具身场景做端到端调整:底层推进异构算力融合,训练环节加速长序列视频,中层优化具身任务的算网协同,上层提升强化学习框架吞吐。这一体系使国产算力能够支撑规模化训练。华为云将CloudRobo-WM1.2全面开源,配套工具链与技术实践同步开放,并提出持续投入、全面开放、共建共享三项承诺。其角色定位是具身智能的“硅基黑土地”,而非垂直场景机器人厂商。
开源顶尖世界模型降低了行业研发起点;基于国产算力的原生优化,则减少具身智能训练对海外算力的依赖风险。开放的算力底座与开源基础模型结合,更容易在不同场景中形成多样化创新,推动生态扩张。
技术能否成立还要看商业场景。华为云与福龙马联合研发的智能清扫机器人启动预售,是这套技术体系从实验室走向商用的一个实际进展。模型能力只是第一步,从仿真测试到真机稳定作业仍需跨越工程化断层。CloudRobo的六大工程能力包括高保真仿真与Real2Sim2Real迁移,用于行业冷启动并降低真机试错成本;R2C跨本体适配可在小时级完成接入,把模型能力复用到不同硬件平台;持续学习架构则连接作业数据回流与模型迭代,使机器人在真实场景中持续更新。
华为云选择“基础模型+工程能力+行业伙伴”的落地方式,不直接从零切入硬件,而是以技术和算力赋能行业龙头,并借助合作伙伴的场景积累推进部署。福龙马新一代智能清扫机器人已进入预售阶段,CloudRobo配套工具链与技术实践同步开放。











