世界模型是2026年最拥挤的赛道之一。海外有谷歌、英伟达加码,国内智元、星海图、智源、腾讯、阿里相继下场,公开的国内世界模型已接近六十个。但在开源这件事上,国产阵营一直很克制——多数厂商连权重都不放。11月16日华为云的动作,改变的是这个默认设置。
当天华为云发布「行业AI梦工厂」,并开源昇腾原生的具身世界模型CloudRobo-WM1.2。评测成绩是入场券:在RoboTwin 2.0与Libero Pro 2.0两项基准中均列第一。这两项基准由国内多家高校与科研机构推出,是全球世界模型的常规考场,此前登顶者多为海外团队。华为云给出的解读是,基于国产先进算力也能训练出世界领先的具身世界模型。
模型本身有两处结构性设计。第一处是世界表征:PPA(Perceive-Predict-Act)架构把RGB视频、语义特征、深度信息与点云放进同一个框架,并引入面向未来状态的多模态预测监督。翻译成白话,模型识别出一个杯子的同时,还要回答「推它一把会往哪边动、会不会倒」这类尚未发生的问题——从描述此刻升级为推演下一秒。第二处是动作生成:DualAct双路径架构在同一个理解世界的大脑下建两条通道,World generator负责高精度动作预测,Action expert负责高效直接的动作生成,两条路径共用统一的动作监督目标。打个比方,人既有需要斟酌的精细控制,也有不假思索的膝跳反射。
工程层面还有三个针对行业痛点的设计。其一是数据:多粒度监督自适应预训练不再要求每条样本模态齐全,动作标注缺失、深度或视角不完整的数据都能进入训练,按实际具备的有效信息组织监督。这对来源杂乱的真机数据至关重要——真机采集成本在每小时500到2000元之间,丢掉一半样本等于烧钱。其二是跨本体泛化:模型保留机器人96维与人类168维运动的原生物理语义,不把它们压进统一数值空间,而是通过Embodiment条件化让同一模型学会分辨不同本体的「运动方言」。业界的教训是,把不同本体数据在数值空间直接拼接,成功率可以从98%塌到18%。其三是弹性推理:四种按需激活模式,单次推理计算量介于3.99到43.71 TFLOPS之间,相差近十一倍,研发调试用高精度模式,产线执行切快速模式。
「昇腾原生」是这场发布会真正的分量所在。世界模型是最吃算力栈的AI负载:多模态、长序列,训练与推理双向吃紧。此前全球顶级世界模型的完整训练链路,只在CUDA与TPU生态上跑通过。CloudRobo-WM1.2的基座分三层:算力层用异构计算与超节点互联支撑多模态与物理仿真,以6B参数的WAM为例,靠上下文并行、参数分片与激活重计算应对视频长序列;算网数存层做PB级多模态数据统一存储与检索,面向具身强化学习做计算通信联合调度;AI框架层中RLinf v0.4对昇腾NPU的支持大幅增强,吞吐最高提升2.78倍。
开放策略分三层,第三层最值得琢磨。第一层是模型开源:权重、后训练代码、推理代码与基础设施实践全部公开。第二层是平台开放:CloudRobo开发平台开放API、SDK、CLI与插件扩展机制,第三方模型、数据工具与训练框架都能接入。第三层是源码定向开放:训练框架工程代码与WAM昇腾算力代码库只给核心合作伙伴。前两层是普惠,第三层是筛选——把「怎么在昇腾上训出世界模型」这套方法交给少数人,这在国产世界模型阵营里还没有先例。
华为云同时披露了市场位置:昇腾云在中国具身智能市场居首,约80%的国内具身智能企业选择其算力,重点高校基本实现全覆盖。台上的三张牌——登顶的开源世界模型、开放的开发平台、跑通最高负载的国产算力基座——指向同一个判断:当世界模型的生产资料变成公共品,竞争重心会从「谁有资源训大模型」转向「谁更懂场景、谁的本体和数据更好」。真正需要观察的,是这套栈上多久能长出第一批非华为体系的标杆案例。