11 月 16 日下午,华为云在线上发布会上推出并开源了昇腾原生的具身世界模型 CloudRobo-WM1.2。据报道,官方称该模型在 RoboTwin 2.0、LiberoPro 2.0 两项双手机器人操作评测基准上均排名第一。同时,CloudRobo 平台这次把"具身广场"和 R2C SDK 一起摆到了台面上——不是再放一段机器人叠衣服的视频,而是给了开发者一条从本体接入到模型下发的完整链路。

一、世界模型到底是什么,和 VLA 差在哪

过去两年做具身智能的团队,主流路线是 VLA(Vision-Language-Action,视觉-语言-动作模型)。它的思路很直接:把当前画面和语言指令喂进模型,模型直接吐出一串动作,然后在真机上执行。工程上很好理解——有数据就训练,训完就 rollout,失败了继续收数据。

问题也在这:VLA 学的是"看到什么就做什么"的响应式映射,模型并不显式地知道"我这么做之后世界会变成什么样"。抓一个纸杯和抓一个铁杯,在像素上看着差不多,力学上完全不同。

世界模型补的就是这一层。它不直接输出动作,而是先在模型内部"预演":如果我这样动,接下来几帧画面、物体的位置和姿态会怎么变,会不会打滑、会不会碰倒旁边的箱子。预演完了再挑一条最稳的路径去执行。

据报道,WM1.2 用的是共享世界模型骨干网络,加上所谓"世界模型原生"的 DualAct 架构,动作生成直接长在世界模型的表征上,而不是先渲一段视频、再从视频里反推动作。这个区别听起来很学术,实际影响是推理时延和动作精度——视频生成那条路太慢,也没法保证生成出来的画面在物理上说得通。

在 RoboTwin 2.0 的公开排行榜上,2026 年 11 月 15 日新增了一行 CloudRobo-WM 的 co-train 结果,标注为 95.28 / 82.68%。这里提醒一句:看榜单要看清设定,"co-train"意味着用了联合训练策略,跟纯 zero-shot 的分数不是一回事,不同行之间不能直接横向比。

二、变了什么,没变什么

变了的部分:

  • 算力底座换成了国产。 这次强调"昇腾原生",训练链路跑在昇腾上,不是拿别家的卡训完再搬到国产环境里做推理。

    • 模型开源,平台收口。 模型权重开放,但接入、仿真、部署、监控仍然留在 CloudRobo 平台上。这是典型的"开源换生态"打法。
    • 接口标准化。 R2C(Robot to Cloud)协议把"机器人怎么连云"这件事定义下来了,官方口径是软硬件解耦、新本体适配从"周级"缩短到"小时级"。
      没变的部分:
  • 数据依然是瓶颈。 世界模型能在仿真里预演,但仿真里的摩擦系数、光照、材质,和真实产线永远有差距。真机数据该采还得采。

    • 换场景就掉点。 这个行业公认的问题没有被解决:固定工位上成功率可以很高,换个物件、挪一下位置,成功率就往下走。
    • 本体仍然是硬门槛。 模型再强,关节、电机、减速器、力控不行,动作照样做不出来。

三、对开发者意味着什么

如果你在机器人厂商做集成,或者在行业里做交付,这次发布里最值得看的不是模型分数,是那套接入流程:

  1. 机器人通过 R2C SDK 接入,平台侧创建机器人实例、下发配置文件,设备状态变成"在线";
    1. 在"具身广场"里挑预置的感知 / 规划 / 操作模型和仿真场景资产,先做仿真验证;
    1. 用预置模型做真机调测,数据回流;
    1. 模型一键部署到边缘或端侧,后续可以换模型、换技能而不动本体。
      这条链路的价值在于:以前每个项目都要重新搭一遍数据采集、标注、训练、仿真、下发,现在至少有一家把流水线做成了产品。据报道,CloudRobo 从 2025 年 6 月首发、2026 年 6 月升级公测到现在,已经与 30 多家行业伙伴、20 多家本体厂商合作,亿嘉和、拓斯达这类做电力巡检、工业机器人的公司在生态名单里。

几个要提前想清楚的坑:

  • benchmark 第一不等于你的产线能跑。 公开基准是标准化的桌面级操作任务,你的场景是油污、震动、光照变化、节拍要求,两回事。POC 一定要用自己的物料做。
    • 协议绑定。 R2C 是华为定义并开放的协议,接了它就是接进了这家的生态。以后要换云、换模型平台,迁移成本得提前算。
    • 数据出域。 制造业和电力行业的现场数据往往不允许出机房,这时候公有云形态就不适用,得看私有化部署能力和交付案例。
    • 开源 license 和商用边界。 权重开源不等于随便商用,具体条款要读原文,别拿宣传口径当合同。

四、写世界模型思路的最小示例

世界模型的核心不是某个 API,而是"先预演、再决策"这个循环。下面这段纯 numpy 的代码可以直接跑,用随机采样 + 模型内 rollout 的方式选动作,是 MPC(模型预测控制)的极简版,能帮你理解为什么世界模型要多一步:

import numpy as np

rng = np.random.default_rng(0)
STATE_DIM, ACT_DIM, HORIZON = 4, 4, 5   # demo 里让动作与状态同维,方便直接相加

# 占位:真实场景里这里是训练好的世界模型网络推理
def world_model(s, a):
    return s + a
def reward(s, a):
    return -np.linalg.norm(s - 1.0)   # 越接近目标状态分越高
def plan(state, n_samples=200):
    best_a, best_r = None, -np.inf
        for _ in range(n_samples):
                a = rng.normal(0, 0.3, size=(HORIZON, ACT_DIM))
                        s, total = state.copy(), 0.0
                                for t in range(HORIZON):      # 在模型里预演,不碰真机
                                            s = world_model(s, a[t])
                                                        total += reward(s, a[t])
                                                                if total > best_r:
                                                                            best_a, best_r = a[0], total
                                                                                return best_a
state = np.zeros(STATE_DIM)
for _ in range(10):
    a = plan(state)
        state = world_model(state, a)     # 真机上:执行动作并读回新状态
        print(state)
        ```
注意这段代码和华为云没有任何关系,只是个思路示意。它说明的是:世界模型把一个"反应式"问题变成了"带预测的规划"问题,代价是推理时要多算几遍。这也是为什么这类模型对端侧算力和推理框架的要求比 VLA 更高。

## 五、一句话总结

具身智能这一轮的热闹,本质上是把大模型那套"数据—训练—部署"的工程方法,搬到了机器人上。谁把这条流水线做得最顺、最便宜,谁就能先吃到行业订单。模型榜单会一直被刷新,但产线上那台机器今天能不能稳定干满八小时,才是交付时真正被问到的问题。

你怎么看"机器人上云"这件事——是降低门槛,还是又多了一层绑定?评论区聊聊。

Logo

鲲鹏昇腾开发者社区是面向全社会开放的“联接全球计算开发者,聚合华为+生态”的社区,内容涵盖鲲鹏、昇腾资源,帮助开发者快速获取所需的知识、经验、软件、工具、算力,支撑开发者易学、好用、成功,成为核心开发者。

更多推荐