国产算力在具身智能这条线上的位置,正在从「能不能跑通」变成「能不能训出第一」。华为云 11 月 16 日发布的昇腾原生具身世界模型 CloudRobo-WM1.2,在 RoboTwin 2.0 和 LIBERO-Pro 2.0 两项具身智能评测中,平均成功率分别为 88.98% 与 81.73%,均排在第一位。
更重要的是后续动作:华为云计划在 11 月 30 日开放该模型的权重、推理代码和后训练代码。后训练代码一起放出来,意味着别的机器人团队想让模型学一门新手艺,不必从零搭训练链路,接上自家数据就能调试。
所谓「昇腾原生」,指的不是把模型搬到昇腾芯片上跑通,而是从模型架构、训练框架到核心算子、推理部署,都围绕具身模型的特点做软硬件协同优化。这条链路覆盖世界模型预训练、强化学习,一直到机器人真机执行。
模型侧做了三件事。 第一件是让机器人更懂物理。常规模型能识别杯子、定位杯子的空间位置,但学到的大多只是特定视角下的外观特征;一旦涉及「推一下杯子,它会滑动还是倾倒」这类物理交互预判,误差就明显放大,物体遮挡、视角变化、动态运动时更甚。华为云采用 PPA(Perceive-Predict-Act,感知—预测—动作)多模态世界表征架构,把感知、预测与动作放在同一阶段联合训练,同步接入 RGB 视频、DINO 语义特征、深度与三维点云多类信号。
第二件是处理「数据凑不齐」的现实。具身数据的动作标注、深度、相机视角经常缺项,华为云在预训练时用多粒度监督掩码,把缺失或无效部分从损失计算里划掉,让大量不够完美的异构数据能进入训练,而不是因为局部缺失就丢掉整条样本。官方给出的成本对照是:真机采集数据约 500 至 1000 元每小时,存量有效数据仅百万小时量级,而头部厂商判断的需求是亿小时级。
第三件是动手能力。场景理解与动作生成采用双路径协同的 DualAct 架构:一条是 action expert 动作专家分支,直接生成动作,适合对响应速度要求高的任务;另一条依托世界模型骨干 world generator,在理解场景的同时预测未来状态,精度更高,适合需要考量物理变化的精细任务。两条路用同一套动作目标训练,专家规模可按任务调整。
跨本体是个硬骨头。 单臂、双臂、轮式机器人结构差异巨大,操控逻辑各不相同,但同类任务背后的动作意图是共通的。华为云的做法是保留机器人 96 维、人类运动 168 维各自的原生状态表征,再用本体标记区分运动接口——理解物体和场景的部分一起学,怎么动则按各自结构自主适配。目前训练数据已扩到 2.75 万小时,接入 20 个数据源、33 种本体。
推理侧给了四种弹性模式:World 或 Expert Action,配合 Joint 或 Action-only,可自由组合。研发调试要精度,可以把未来画面和动作一起算;现场干活要速度,只算下一段动作即可。最重的一档计算量约是最轻一档的 11 倍,按任务挑算力。
昇腾这一侧改的是显存与流水线。 以 7B 参数的世界动作模型为例,仅参数、梯度和优化器状态就要吃掉约 112GB 显存,长视频带来的额外开销还没算。华为云把数据处理与模型计算拆开,前者交给鲲鹏,后者由昇腾 NPU 承担;多张昇腾卡通过超节点高速互联,长视频序列拆开算,模型参数分着存,部分中间结果等到用时再重算,用多几步计算换显存空间。
数据管道的账也很直观:两路各 4Mbps 的视频,录 8000 小时,压缩后就约 28.8TB。训练时要反复读取、解码、抽帧,还要把画面对上同一时刻的机器人轨迹。华为云把视频、关节状态、末端轨迹、底盘与任务标签统一存储,按一次完整操作建索引,常用数据提前缓存,后一批数据提前预读,避免算力空等。
强化学习环节,华为云与清华大学于超团队把开源具身强化学习框架 RLinf 接到昇腾上。一个改动很有意思:一组 LIBERO 测试里模型一次给 10 步动作,第 10 步才需要看新画面,那前 9 步的画面就无需逐帧渲染,物理仿真照常步步推进、奖励照常计算,在动作规划周期内省掉渲染开销。加上把归一化、旋转位置编码等重复运算接到 NPU 融合算子,官方称适配后相关推理效率与训练吞吐有约 2 至 3 倍提升;RLinf 公布的测试中,GR00T N1.5 与 N1.6 单位时间内可算出的动作增加 195% 至 278%,StarVLA 的训练调用吞吐提升 186% 至 240%。
真机验证由第三方完成:5 种机器人本体、13 项操作任务,从转旋钮、双臂连续交接到玩具入篮,CloudRobo-WM1.2 的平均成功率比第二名高 23 个百分点。一个细节能说明它记住的不是固定轨迹——插头插入后意外滑脱时,模型会依据新观测画面动态调整动作并重试插接。
落地侧,华为云用 R2C(Robot to Cloud)接入不同机器人,现场画面与状态上传、模型算出的动作下发,近距离无线通信可结合星闪降低延迟。平台 CloudRobo 留了 API、SDK、CLI 与插件接口,让模型方、本体厂商与制造企业能在同一个项目里协作。官方披露,具身智能专区自 6 月上线以来已与 230 多家企业及高校合作,吸引超 1.65 万名开发者,积累 1500 多项行业资产;产业侧与福龙马合作无人环卫、与亿嘉和联合发布配网带电作业机器人、与山河智能推进矿山场景,触角延伸至 20 多个行业。
需要保留的判断是:榜单成绩与「国产算力足够训具身模型」是两件事。前者已经由公开评测给出,后者还要看 11 月 30 日开源之后,外部团队拿这套代码在自有数据上跑出的结果。开源的真正考验不在下载量,而在有没有人用它训出榜单之外的真机能力。