华为云11月16日发布并开源了昇腾原生具身世界模型CloudRobo-WM1.2,A股机器人板块当日有所活跃。这一模型的技术路线与训练底座,为观察国产算力如何切入具身智能产业提供了一个具体切口。
CloudRobo-WM1.2与传统视觉识别模型的关键差异在于预测能力。华为云具身产品线总裁、具身智能Lab主任吴小东解释,传统视觉表征在摄像头被遮挡、拍摄角度变化或操作运动物体时,机器人任务成功率会明显下降。杯子放入托盘这类动作,机器人需要判断的不只是杯子在哪,还包括杯子的空间姿态、运动状态以及抓取过程中可能发生的碰撞与移动。仅依赖当前画面,机器人很难提前判断动作结果。吴小东提及,部分研究测试中,模型面对视角变化时准确率会从62.72%降至7.62%。
CloudRobo-WM1.2采用PPA多模态世界表征架构,将环境感知、未来状态预测和动作生成纳入统一模型。机器人不仅要识别眼前物体,还要预测执行动作后环境的变化,并据此调整行动。据华为云介绍,该模型在RoboTwin 2.0、LiberoPro 2.0两项具身智能评测基准中均排名第一。

训练数据昂贵是具身智能落地的另一道坎。大语言模型可以消化海量互联网文本,具身智能则需要包含运动轨迹、关节状态、视觉信息及物理交互过程的数据。有效真机数据采集成本约为每小时500元至2000元,按此估算,采集1万小时有效真机数据的成本在500万元至2000万元之间。企业投入资金采集数据后,还未必能全部用于训练。
华为云具身智能Lab首席模型专家刘流指出,现有数据来源复杂,有的缺少深度信息,有的缺少完整动作标注,还有的存在视频与动作不同步问题。如果训练框架要求所有数据包含完整视觉、几何和动作信息,大量已有数据会被直接丢弃。CloudRobo-WM1.2采用多粒度监督数据自适应预训练框架,根据各类数据实际包含的信息开展训练。缺少深度信息或动作标注的数据,模型仍可利用其中有效的视觉或其他模态信息学习,由此提高已有数据的利用效率,减少对新增真机数据的依赖。刘流披露,该模型早期使用约8000小时预训练数据开展实验,目前数据规模已扩展至约2.75万小时,接入20个数据源及33种机器人本体。
模型基于国产昇腾算力完成训练,是此次发布中受到外界关注的一条线索。具身智能世界模型需要同时处理视频、三维几何、动作序列等多种数据,对计算性能、数据处理、算子适配和训练框架都提出较高要求。长序列视频、多模态数据联合训练和机器人强化学习过程中,算力平台的适配效率直接影响模型训练成本和研发周期(883436)。基于昇腾算力在两项公开评测中取得排名,展示了国产算力支撑复杂多模态模型研发的能力。这条路径能否在更大规模训练中保持效率优势,仍取决于后续算子优化与生态适配的推进节奏。
华为云披露的产业数据提供了另一个观察维度。目前已有80%的中国具身智能企业选择昇腾云,生态伙伴既包括亿嘉和(603666)、拓斯达(300607)、福龙马(603686)等A股上市公司,也涵盖节卡、千寻、星海图、优艾智合、斯坦德、睿尔曼机器人等未上市企业。其CloudRobo具身智能平台已汇聚超过16500名专业开发者、230多家企业和高校,覆盖工业、电力、环卫、医疗康养等场景。

福龙马(603686)与华为云的合作已有合同口径披露。今年9月,福龙马(603686)公告与华为云签署环卫自动驾驶技术开发合同,合同金额2亿元,期限3年,围绕3吨级、6吨级车型以及清扫、洗扫场景开展研发,由华为云研发和部署环卫自动驾驶系统。华为云与福龙马(603686)联合研制的下一代智能清扫机器人已启动预售。更早之前,华为云还与亿嘉和(603666)、拓斯达(300607)、优艾智合等企业开展合作,涉及电力巡检、工业搬运等场景。

华为云自研模型与合作伙伴之间是否形成竞争,是发布会上被提及的问题。吴小东的回应是,华为云投入具身智能模型研发并非为了与伙伴竞争,而是希望将昇腾云上的技术实践开放出来,帮助更多企业训练和部署自己的模型。这一表态能否在商业合作中持续兑现,取决于华为云在模型开源与生态伙伴商业利益之间的实际平衡。
从技术验证到规模落地,具身智能还有多道关卡。机器人在复杂环境中的物理理解能力不足、训练数据昂贵、不同机器人之间难以实现能力迁移、模型推理成本较高,这些制约因素并未因单一模型的发布而消失。CloudRobo-WM1.2在两项评测中排名第一,说明特定基准上的能力已经建立,但评测环境与真实产线、环卫路面之间的差距,仍需场景数据和部署反馈来填补。华为云披露的80%企业选择率,口径为选择昇腾云的中国具身智能企业占比,这一比例能否转化为持续的训练与部署需求,要看合作伙伴能否在具体场景中跑通商业模型。
CloudRobo-WM1.2与传统视觉识别模型的关键差异在于预测能力。华为云具身产品线总裁、具身智能Lab主任吴小东解释,传统视觉表征在摄像头被遮挡、拍摄角度变化或操作运动物体时,机器人任务成功率会明显下降。杯子放入托盘这类动作,机器人需要判断的不只是杯子在哪,还包括杯子的空间姿态、运动状态以及抓取过程中可能发生的碰撞与移动。仅依赖当前画面,机器人很难提前判断动作结果。吴小东提及,部分研究测试中,模型面对视角变化时准确率会从62.72%降至7.62%。
CloudRobo-WM1.2采用PPA多模态世界表征架构,将环境感知、未来状态预测和动作生成纳入统一模型。机器人不仅要识别眼前物体,还要预测执行动作后环境的变化,并据此调整行动。据华为云介绍,该模型在RoboTwin 2.0、LiberoPro 2.0两项具身智能评测基准中均排名第一。

图 1:统一模型中感知预测动作三步流程
训练数据昂贵是具身智能落地的另一道坎。大语言模型可以消化海量互联网文本,具身智能则需要包含运动轨迹、关节状态、视觉信息及物理交互过程的数据。有效真机数据采集成本约为每小时500元至2000元,按此估算,采集1万小时有效真机数据的成本在500万元至2000万元之间。企业投入资金采集数据后,还未必能全部用于训练。
华为云具身智能Lab首席模型专家刘流指出,现有数据来源复杂,有的缺少深度信息,有的缺少完整动作标注,还有的存在视频与动作不同步问题。如果训练框架要求所有数据包含完整视觉、几何和动作信息,大量已有数据会被直接丢弃。CloudRobo-WM1.2采用多粒度监督数据自适应预训练框架,根据各类数据实际包含的信息开展训练。缺少深度信息或动作标注的数据,模型仍可利用其中有效的视觉或其他模态信息学习,由此提高已有数据的利用效率,减少对新增真机数据的依赖。刘流披露,该模型早期使用约8000小时预训练数据开展实验,目前数据规模已扩展至约2.75万小时,接入20个数据源及33种机器人本体。
模型基于国产昇腾算力完成训练,是此次发布中受到外界关注的一条线索。具身智能世界模型需要同时处理视频、三维几何、动作序列等多种数据,对计算性能、数据处理、算子适配和训练框架都提出较高要求。长序列视频、多模态数据联合训练和机器人强化学习过程中,算力平台的适配效率直接影响模型训练成本和研发周期(883436)。基于昇腾算力在两项公开评测中取得排名,展示了国产算力支撑复杂多模态模型研发的能力。这条路径能否在更大规模训练中保持效率优势,仍取决于后续算子优化与生态适配的推进节奏。
华为云披露的产业数据提供了另一个观察维度。目前已有80%的中国具身智能企业选择昇腾云,生态伙伴既包括亿嘉和(603666)、拓斯达(300607)、福龙马(603686)等A股上市公司,也涵盖节卡、千寻、星海图、优艾智合、斯坦德、睿尔曼机器人等未上市企业。其CloudRobo具身智能平台已汇聚超过16500名专业开发者、230多家企业和高校,覆盖工业、电力、环卫、医疗康养等场景。

图 2:选择昇腾云的具身智能企业名单
福龙马(603686)与华为云的合作已有合同口径披露。今年9月,福龙马(603686)公告与华为云签署环卫自动驾驶技术开发合同,合同金额2亿元,期限3年,围绕3吨级、6吨级车型以及清扫、洗扫场景开展研发,由华为云研发和部署环卫自动驾驶系统。华为云与福龙马(603686)联合研制的下一代智能清扫机器人已启动预售。更早之前,华为云还与亿嘉和(603666)、拓斯达(300607)、优艾智合等企业开展合作,涉及电力巡检、工业搬运等场景。

图 3:昇腾具身合作的关键时间线
华为云自研模型与合作伙伴之间是否形成竞争,是发布会上被提及的问题。吴小东的回应是,华为云投入具身智能模型研发并非为了与伙伴竞争,而是希望将昇腾云上的技术实践开放出来,帮助更多企业训练和部署自己的模型。这一表态能否在商业合作中持续兑现,取决于华为云在模型开源与生态伙伴商业利益之间的实际平衡。
从技术验证到规模落地,具身智能还有多道关卡。机器人在复杂环境中的物理理解能力不足、训练数据昂贵、不同机器人之间难以实现能力迁移、模型推理成本较高,这些制约因素并未因单一模型的发布而消失。CloudRobo-WM1.2在两项评测中排名第一,说明特定基准上的能力已经建立,但评测环境与真实产线、环卫路面之间的差距,仍需场景数据和部署反馈来填补。华为云披露的80%企业选择率,口径为选择昇腾云的中国具身智能企业占比,这一比例能否转化为持续的训练与部署需求,要看合作伙伴能否在具体场景中跑通商业模型。
