2026年11月16日,华为云在“行业AI梦工厂”发布并开源了昇腾原生具身世界模型CloudRobo-WM1.2。该模型在RoboTwin 2.0与LiberoPro 2.0两个具身智能评测基准中均位列第一。华为云还开放了训练框架、WAM昇腾算力最佳实践等配套能力。对通信与科技产业而言,这一消息不仅意味着技术上的突破,更展示了国产算力底座、世界模型、工具链与机器人本体及行业场景在同一技术叙事中的融合,标志着具身智能的竞争从单点模型能力转向“云—边—端”协同和全栈工程化能力。

具身智能要走出实验室,核心在于让机器人在复杂物理环境中理解因果、预测动作后果,并以较低试错成本生成可执行动作。世界模型承担环境动态建模和预测增强表征的角色,通过对多模态信息与物理规律进行压缩和预测,为策略提供更稳定的内部表征。CloudRobo-WM1.2采用共享世界模型骨干网络实现预测增强的世界表征,并基于世界模型原生DualAct架构实现动作生成。这种深度耦合的方式有助于降低分层误差、提升动作一致性。尽管在标准化仿真任务中获得了阶段性验证,但真机泛化、长尾场景和安全可靠性仍需进一步检验。
从公开信息看,CloudRobo-WM1.2提出了五项创新:PPA多模态世界表征架构、世界模型原生DualAct架构、多粒度监督数据自适应预训练框架、本体语义保真跨具身运动建模,以及四种可按需组合的弹性推理模式。这些技术并非孤立堆叠,而是对应具身智能落地时常见的三类难题。首先是多模态物理理解难,机器人面对视觉、语言、动作与物理反馈交织的数据,单一表征难以支撑稳定预测。其次是跨本体泛化难,不同机器人本体在自由度、运动学结构和传感器配置上差异明显,模型若只适配单一本体,迁移成本高。最后是实时推理算力成本高,具身智能对时延敏感,云端大模型能力与端侧实时控制之间存在张力。四种弹性推理模式按场景组合世界模型与专家动作、联合推理与仅动作推理,为算力开销和响应时延提供可调节档位,更贴近部署现实。
