华为云开源 CloudRobo-WM1.2:昇腾原生具身世界模型,把「看」和「动手」合进一个模型

11 月 16 日,华为云举办具身世界模型发布会,正式发布并开源首款昇腾原生的具身世界模型 CloudRobo-WM1.2。华为云具身产品线总裁、具身智能 Lab 主任吴小东宣布,模型权重、推理与后训练代码将于 11 月 30 日向开发者开放,训练框架与 WAM 昇腾算力最佳实践也一并开放。在 RoboTwin 2.0、LiberoPro 2.0 两个具身智能评测基准中,该模型均排名第一,平均成功率分别达到 88.98% 和 81.7%。

什么是具身世界模型:让机器人先「预判」再动手

世界模型要解决的,是机器人走出实验室时最核心的一道难题:不是让它「看见」世界,而是让它预判「我动了之后,世界会怎么变」。过去的机器人系统,「看世界」和「动手」是两套独立系统,中间要靠额外的模块对接。吴小东在发布会上表示,CloudRobo-WM1.2 把「看懂物理世界」和「生成动作」放进了同一个模型——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 架构完成动作生成,直接输出机器人可执行的动作。

这样设计的好处是,机器人可以先在仿真环境里对场景变化进行预测、训练和测试,再迁移到真实硬件,降低真机试错成本。

五项创新,对准具身智能的三道坎

发布会由具身智能 Lab 首席模型专家刘流解读了架构与能力。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 World/Expert Action、Joint/Action-only 四种可按需组合的弹性推理模式。这组技术分别对应具身智能落地时的三类常见痛点。

第一道坎是「看不全」。 传统视觉过度依赖「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」。世界模型通过预测增强的表征,缓解了对瞬时画面的依赖。

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。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。华为云的多粒度监督数据自适应预训练框架,能根据数据实际具备的有效信息组织监督,而不要求模态完整。吴小东形容,新模型「既能吃粗粮,又能吃精粮,让数据的价值最大化」。

第三道坎是跨本体泛化。 单臂、双臂、轮式等不同形态的机器人,动作「语言」各不相同,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」。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。用吴小东的话说,团队不只是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。

长在 CloudRobo 平台上,生态是重点

CloudRobo-WM1.2 并非凭空出现,它生长在华为云的一站式具身智能开发平台 CloudRobo 之上。该平台以昇腾云为算力底座,2025 年 6 月发布,覆盖从数据到部署的全流程:内置「具身广场」提供预置数据、感知/规划/操作模型与仿真场景资产;通过 R2C SDK(机器人到云的通信组件)把真实机器人接入云端推理和控制;底层支持 CPU、GPU、NPU 异构算力灵活配置。开发者可在平台上完成资产管理、数据处理、模型训练、仿真调试、模型部署及真机调测。

生态数据方面,吴小东透露 CloudRobo 平台已有超过 16500 个开发者,汇聚 230 多家企业和高校,沉淀 1500 多个行业资产,覆盖工业、电力、环卫、医疗康养等场景;据发布会现场透露,已有 80% 的中国具身智能企业选择昇腾云。华为云将为每个立项成功的项目提供最高 100 万元的昇腾云算力支持,并与伙伴共建高质量行业数据集,计划在明年 Q1 持续发布新模型。

华为云的具身智能开发策略也很明确:提供算力、模型和开发平台,让合作伙伴的硬件具备智能。开源换生态,是其最快的铺路方式。

榜单第一,离产线第一还有距离

需要冷静看待的是,88.98%、81.7% 的榜单成绩来自仿真基准,距离真实产线还有一段路。真机数据昂贵、跨本体泛化有损耗、推理时延与显存开销都是硬约束,世界模型需要在环卫、工业等实际场景里一项项打磨。华安证券观点认为,物理 AI 是「AI 的下一个风口」,具备千亿至万亿级美元的市场空间,世界模型是物理 AI 的底层认知框架,具身智能则是它在真实世界的验证场景。

对机器人本体厂商、具身智能创业团队和高校研究者而言,11 月 30 日开放的权重、推理与后训练代码,加上昇腾云上的训练最佳实践,意味着可以在国产算力上更低门槛地开展具身世界模型研发——这正是这次开源最实在的价值。