11月16日,华为云召开发布会,正式发布并开源昇腾原生具身世界模型CloudRobo-WM1.2。
华为云方面表示,这款模型在RoboTwin 2.0、LiberoPro 2.0两个具身智能评测基准中均排名第一。
华为云具身产品线总裁、具身智能Lab主任吴小东在演讲中宣布,11月30日,模型权重、推理与后训练代码将向开发者开放,模型预训练阶段的最佳实践则对客户和伙伴定向开放。
将机器人“看”和“动手”合成一个模型
CloudRobo-WM1.2是华为云“行业AI梦工厂”推出的具身世界模型。
据华为云方面介绍,其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,实现了世界模型原生动作生成。
发布会上,吴小东表示,过去的机器人模型,“看世界”和“动手”是两套系统,中间要靠额外的模块对接。WM1.2则把“看懂物理世界”和“生成动作”放进了同一个模型,直接输出机器人可以执行的动作。
其表示,目前具身智能普遍存在几个行业级难题。一是传统视觉太依赖“当前画面里看得见的东西”,一旦信息不完整或场景变化,性能就会明显掉档。“一遮挡就瞎,一动起来操作运动的物体就变傻,角度一变就变懵”。
第二道坎是数据。真机有效数据被业内视为不可绕过的“金标准”,但成本高达每小时500元至2000元。新的采集手段纷纷涌现,数据依然稀缺,大量视频、动作、传感器数据因为动作标注缺失、部分维度无效、深度信息不全而被丢弃。
华为云表示,针对这个问题,CloudRobo-WM1.2采用多粒度监督数据自适应预训练框架,可以根据数据实际具备的有效信息组织监督,而不是要求模态完整。
吴小东形容,“我们的模型既能吃粗粮,又能吃精粮,让数据的价值最大化。”
第三道坎则是跨本体泛化。不同形态的机器人(单臂、双臂、轮式)动作“语言”不同,简单在数值层面混合多本体数据,轻则“数据越多越差”,重则“换硬件就崩盘”。
华为云表示,CloudRobo-WM1.2的做法是保留机器人96维、人类168维的原生物理语义,通过Embodiment条件化让共享模型区分不同机器人的运动语言。
吴小东说,团队“不想简单地把不同机器人的维度串起来”,而是构造了一个“机器人的翻译器”,让人的运动经验也能为世界模型所用。
![]()
华为云发布并开源昇腾原生具身世界模型CloudRobo-WM1.2。大会供图
模型为何开源?
“模型厂商、机器人公司,包括像华为这样的云厂商,基础模型能力比较强、AI人才密度比较大。但一旦进入行业,垂类数据是缺失的,行业专业知识非常强,场景碎片化程度很高,从能用到好用可用,周期也非常长。如同爬喜马拉雅山南坡,没有一个人能够独立地把很多行业全部打穿。”吴小东在发布会上表示。
他还说,先进制造企业手里有场景、有数据、有几十年积累的专业知识,但这些“无法被蒸馏进通用模型”。
“我发布这个好模型,目的不是为了跟我们的伙伴竞争,我们是希望把昇腾上的最佳实现贡献出来,让更多伙伴和客户在昇腾云上高质高量地训好他们的模型。”
发布会上,吴小东还宣布,11月30日,WM1.2的权重、推理与后训练代码将开放,模型预训练阶段的最佳实践将对客户和伙伴定向开放。据其披露,CloudRobo平台上线一年多,已聚集超过1.6万余个专业开发者。
他同时透露,世界模型将持续升级,VLA、VLN等导航模型全系列迭代,明年一季度会发布新的模型。
值得注意的是,华为云还在发布会上披露,昇腾云目前在具身智能市场格局中已位列中国第一,80%的中国具身智能企业已选择昇腾云,重点高校基本全覆盖。
其表示,CloudRobo具身智能平台目前已汇聚超16,500个专业具身开发者、230多家企业和高校,沉淀1,500余项行业资产,覆盖工业、电力、环卫、医疗康养等落地场景。
“华为云通过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。”
各家厂商抢滩具身世界模型赛道
实际上,近年来,随着具身机器人赛道走红,具身世界模型也逐渐成为一个“热词”,海外巨头与国内厂商纷纷下场发力。
英伟达(NVDA.US)是最早将“世界模型”产品化的公司之一。其Cosmos系列在2026年完成了多轮迭代:6月发布全模态开源世界基础模型Cosmos 3,7月推出40亿参数的Cosmos 3 Edge轻量版,主打边缘设备本地推理与机器人控制。
11月CoRL大会上,英伟达进一步推出基于Cosmos的GR00T 2世界动作模型,用10万小时人类第一视角数据训练灵巧操作能力。
谷歌DeepMind走的是另一条路。2026年10月发布的Genie 4定位为“可实时操控、可听、可推理的动态模拟世界”,核心突破在实时交互式模拟的逼真度和原生音频生成,并已与Gemini 4 Argon协同,在Apptronik的Apollo人形机器人上演示了任务规划与模拟执行的结合。
李飞飞的World Labs则以Atlas切入,9月发布、11月在CoRL上完整阐述,定位是“统一的生成与重建世界模型”,核心价值在将真实场景快速转化为可交互的仿真训练环境,用几张手机照片或一段视频,就能生成机器人可以进入试错的3D场景,直指具身智能“仿真场景搭建成本高”的痛点。
Atlas目前不开源,只向少数合作伙伴开放早期试用。此外,Runway于11月12日开源了Praxis-1世界动作模型(Apache 2.0协议),在英伟达RoboLab排行榜上位列开源端到端策略第一,以27B参数在1200个episode上取得46.2%成功率,超过了Cosmos 3 Nano的36.8%。开源阵营又多了一个有分量的参与者。
聚焦国内赛道,极佳视界是2026年最大黑马。其GigaWorld-1在WorldArena评测中登顶,成为唯一综合得分突破60分的具身世界模型,成绩超过谷歌、英伟达和阿里;3月完成约15亿元融资,4月再获15亿,估值超百亿,被称为“国内首个世界模型独角兽”。
极佳视界的路径是“世界模型+数据引擎+本体”的全栈布局,2025年11月已发布自研双臂移动机器人Maker H01,并启动规模化量产交付。它不满足于只做模型层,而是试图用世界模型驱动从数据生成到本体落地的闭环。
腾讯在2026年7月WAIC期间发布了Hy-Embodied-RxBrain-1.0具身世界认知模型,将“会推理”与“会想象”统一,同时开源了VLM基座和VLA模型,并升级了Tairos具身智能开放平台。腾讯Robotics X实验室与宇树、智元、越疆(02432.HK)等本体厂商建立了场景合作,定位同样是“不做本体、做大脑与平台”。值得注意的是,腾讯Robotics X负责人张正友对“世界模型”的定义持审慎态度,认为行业“还没有统一技术方案”,RxBrain“在某种意义上已经是世界模型”。
商汤旗下大晓机器人是另一个密集出手的玩家。2025年12月发布国内首个开源商业应用的世界模型“开悟”3.0,2026年3月开源4B系列的Kairos 3.0,6月推出全屋三维可交互世界模型Kairos-HomeWorld并同步开源30万套中国真实住宅平面图数据集,11月进一步发布“悟能”具身智能平台,以“开悟”世界模型为核心引擎。
蚂蚁集团(06688.HK)旗下灵波科技则在2026年1月连续四天开源了空间感知、VLA、世界模型LingBot-World和具身世界模型LingBot-VA,构建了一套完整的开源具身开发套件。此外,星海图的Fast-WAM、智元的GE-2等也相继进入这一赛道。
特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.