WAIC世界模型「六小龍」同臺(tái)，這個(gè)賽道殺出一家全棧玩家

編輯｜陳陳

世界模型正在成為具身智能最擁擠的技術(shù)路口。

有人把它當(dāng)作機(jī)器人數(shù)據(jù)生成器，通過視頻模型批量制造訓(xùn)練素材；有人把它做成高保真仿真環(huán)境，用于訓(xùn)練和評(píng)估機(jī)器人策略；還有一些團(tuán)隊(duì)正繼續(xù)向前，嘗試把世界理解、未來預(yù)測(cè)與動(dòng)作控制放進(jìn)同一套模型，讓機(jī)器人在內(nèi)部推演之后直接行動(dòng)。

不同路線在今年 WAIC 迎來一次正面交鋒。

7 月 19 日，WAIC 2026 世界模型六小龍巔峰論壇在上海舉行。大曉機(jī)器人、螞蟻靈波、極佳視界、無界動(dòng)力、智元機(jī)器人、自變量機(jī)器人同臺(tái)出現(xiàn)，共同探討「驅(qū)動(dòng)物理 AI 從理解到執(zhí)行」這一議題：世界模型正驅(qū)動(dòng)物理 AI 實(shí)現(xiàn)從理解向執(zhí)行的躍遷，完成從因果推演到實(shí)體控制的閉環(huán)，攜手共啟物理 AI 的開悟時(shí)刻。

作為論壇承辦方，大曉機(jī)器人（ACE ROBOTICS）算得上是六家企業(yè)中發(fā)展速度較快的一家，被業(yè)界稱為「卷王」。

公司成立后不久便提出「以人為中心」的 ACE 具身智能研發(fā)范式，形成「環(huán)境式數(shù)據(jù)采集 — 開悟世界模型 — 具身交互」的全鏈路技術(shù)體系。

在模型層，開悟世界模型 3.0（Kairos）在四大全球權(quán)威具身智能基準(zhǔn)上全面登頂，新發(fā)布的開悟世界模型 3.1 進(jìn)一步融合生成智能、物理智能與認(rèn)知智能，構(gòu)建起了理解 — 推演 — 執(zhí)行 — 反思的全鏈路自進(jìn)化閉環(huán)。

落地上，搭載 A1 模組的機(jī)器狗已經(jīng)進(jìn)入園區(qū)巡檢、城市治理等場(chǎng)景；全新履約機(jī)器人 W1，可以完成商品揀選、裝箱和搬運(yùn)，已落地 Sense MartGo 燒賣購、快客達(dá)等客戶場(chǎng)景。

技術(shù)和產(chǎn)品推進(jìn)之外，大曉機(jī)器人在資本市場(chǎng)也保持了較快節(jié)奏。今年 2 月，公司完成由螞蟻集團(tuán)領(lǐng)投的天使輪融資；4 個(gè)月后，又完成天使 + 輪融資。至此，大曉機(jī)器人在 2026 年上半年累計(jì)融資達(dá)數(shù)億美元。

WAIC 2026 現(xiàn)場(chǎng)，大曉機(jī)器人董事長王曉剛宣布三大核心成果發(fā)布：開悟世界模型 3.1（Kairos 3.1）、環(huán)境式數(shù)據(jù)采集方案 2.0，以及覆蓋三大垂直場(chǎng)景的成套解決方案。

具身世界模型第一性原理，機(jī)器人真正需要理解什么

在數(shù)字世界里，模型預(yù)測(cè)錯(cuò)誤，可能只會(huì)生成一個(gè)不合理的詞，但在物理世界中，當(dāng)具身模型出現(xiàn)理解偏差或預(yù)測(cè)錯(cuò)誤，結(jié)果會(huì)直接轉(zhuǎn)化為錯(cuò)誤行動(dòng)，帶來真實(shí)且可能無法逆轉(zhuǎn)的代價(jià)。

如何降低這種代價(jià)？

基于這一問題，王曉剛首次系統(tǒng)闡釋了大曉對(duì)具身世界模型第一性原理的理解。

世界模型需要從冗余的多模態(tài)輸入中，提取與任務(wù)和控制最相關(guān)的高密度信息，建立能夠支持機(jī)器人行動(dòng)的控制充分狀態(tài)，并在充滿不確定性的環(huán)境中，盡可能降低智能體的行動(dòng)代價(jià)。

所謂控制充分狀態(tài)，指的是機(jī)器人完成當(dāng)前任務(wù)所必需的關(guān)鍵環(huán)境信息。機(jī)器人掌握的關(guān)鍵信息越充分，對(duì)控制狀態(tài)的理解越準(zhǔn)確，執(zhí)行過程中犯錯(cuò)的概率就越低，相應(yīng)的行動(dòng)代價(jià)也會(huì)下降。

這一判斷，也構(gòu)成了大曉世界模型技術(shù)路線的理論起點(diǎn)。

當(dāng)前，全球具身世界模型大致沿著幾類路線發(fā)展。

表征式世界模型擅長從視覺和傳感器輸入中提取抽象特征，幫助機(jī)器人識(shí)別物體、場(chǎng)景與空間關(guān)系；生成式世界模型更關(guān)注未來畫面和環(huán)境狀態(tài)的生成，可以模擬動(dòng)作發(fā)生后，世界可能呈現(xiàn)出的變化；交互式世界模型則強(qiáng)調(diào)智能體與三維環(huán)境之間的持續(xù)反饋，使模型能夠在交互過程中調(diào)整策略。

這些路線分別解決了世界理解、狀態(tài)推演和環(huán)境交互中的一部分問題。

面向真實(shí)機(jī)器人作業(yè)，單一能力很難獨(dú)立支撐完整閉環(huán)。機(jī)器人需要理解當(dāng)前環(huán)境，推演不同動(dòng)作可能帶來的結(jié)果，還需要將推演結(jié)論轉(zhuǎn)化為可執(zhí)行的動(dòng)作，并在執(zhí)行后判斷任務(wù)是否符合預(yù)期。

行業(yè)由此開始走向行動(dòng)一體化世界模型，將理解、生成和動(dòng)作預(yù)測(cè)放入統(tǒng)一架構(gòu)，使模型能夠從生成未來畫面進(jìn)一步走向預(yù)判行動(dòng)對(duì)世界造成的真實(shí)影響。

開悟世界模型 Kairos 3.1，理解 - 生成 - 預(yù)測(cè)一體化世界模型

大曉機(jī)器人發(fā)布的Kairos 3.1，正是沿著這一路線展開的系統(tǒng)化探索，其融合了生成智能、物理智能和認(rèn)知智能。

生成智能用于建立物理世界的內(nèi)部表征，使模型能夠刻畫當(dāng)前環(huán)境，并生成未來可能出現(xiàn)的狀態(tài)。物理智能負(fù)責(zé)理解動(dòng)作與結(jié)果之間的因果關(guān)系，在平行空間中推演不同動(dòng)作路徑。認(rèn)知智能則負(fù)責(zé)處理復(fù)雜指令，完成長程任務(wù)理解、步驟拆解和策略規(guī)劃。

開悟世界模型 3.1 通過原生統(tǒng)一架構(gòu)融合世界理解、內(nèi)容生成和動(dòng)作預(yù)測(cè)三項(xiàng)能力，并在此基礎(chǔ)上構(gòu)建可持續(xù)自進(jìn)化的智能閉環(huán)。

依托混合 Transformer 架構(gòu)和混合共享注意力機(jī)制，多源信息被壓縮至統(tǒng)一的隱空間，形成高密度特征表征，從而打通理解、生成和預(yù)測(cè)。

開悟世界模型端側(cè)控制本體演示：https://mp.weixin.qq.com/s/aSd-F7nPG26N74nmRlMsbw

從理解世界，到推演行動(dòng)

開悟世界模型 3.1 的核心能力，可以概括為理解、生成和預(yù)測(cè)。

首先是理解。ACE-BRAIN-0.5 作為 Kairos 3.1 的空間理解核心底座，為系統(tǒng)提供感知與認(rèn)知根基。

截至目前，ACE-BRAIN-0.5 已累計(jì)斬獲十二項(xiàng)全球基準(zhǔn)測(cè)試 SOTA，單一模型實(shí)現(xiàn)全維度能力躋身全球第一梯隊(duì)。

物理生成層面，Kairos 3.1 構(gòu)建了高保真、可交互的數(shù)字平行世界，為機(jī)器人的腦海推演提供了真實(shí)可信的仿真底座。其數(shù)據(jù)基礎(chǔ)設(shè)施包含約 30 萬套中國住宅平面圖、5000 個(gè)全屋仿真場(chǎng)景和 8700 個(gè)高質(zhì)量 3D 資產(chǎn)。每個(gè)物體均具備幾何、尺度、材料、力學(xué)和功能等物理屬性，為機(jī)器人提供大規(guī)模訓(xùn)練和測(cè)試環(huán)境。

最后是預(yù)測(cè)。機(jī)器人在真實(shí)行動(dòng)之前，可以在模型內(nèi)部生成多條候選軌跡，推演不同動(dòng)作可能帶來的結(jié)果。

這種能力讓機(jī)器人不再依賴單次嘗試。面對(duì)復(fù)雜任務(wù)，它可以先推演行動(dòng)后果，再執(zhí)行經(jīng)過篩選的策略，從而提高成功率，降低真實(shí)世界中的試錯(cuò)成本。

世界模型開始進(jìn)入機(jī)器人端側(cè)大腦

要讓世界模型真正驅(qū)動(dòng)機(jī)器人，還要解決推理速度和部署成本。

如果機(jī)器人每完成一次環(huán)境理解和動(dòng)作預(yù)測(cè)，都需要把數(shù)據(jù)上傳到云端等待返回，通信延遲和網(wǎng)絡(luò)波動(dòng)就可能影響連續(xù)作業(yè)。

Kairos 3.1 因此進(jìn)一步推進(jìn)了世界模型的端側(cè)部署。

數(shù)據(jù)顯示，在 NVIDIA Jetson Thor 平臺(tái)、BF16 精度下，Kairos 3.1 8B 平均推理延遲為 125 毫秒，推理速度達(dá)到經(jīng)典 VLA 模型水平。

最后，Kairos 3.1 還有一套狀態(tài)反思機(jī)制，如果出現(xiàn)操作失敗，系統(tǒng)會(huì)精準(zhǔn)定位問題節(jié)點(diǎn)，觸發(fā)反思機(jī)制并調(diào)用平行空間推演能力，重新生成動(dòng)作軌跡，然后再次執(zhí)行。

基于理解、生成、預(yù)測(cè)三大能力的原生一體化融合，Kairos 3.1 形成的理解拆解 - 平行推演 - 動(dòng)作輸出 - 真機(jī)執(zhí)行 - 評(píng)估反思 - 迭代進(jìn)化的完整自進(jìn)化閉環(huán)，讓機(jī)器人大腦在真實(shí)作業(yè)中持續(xù)迭代、越用越強(qiáng)。

信息密度定律，什么樣的數(shù)據(jù)才能讓機(jī)器人變聰明

世界模型對(duì)物理世界的理解，建立在高質(zhì)量數(shù)據(jù)之上。

大曉首次提出具身智能信息密度定律，并根據(jù)信息密度將具身數(shù)據(jù)劃分為 L1 至 L5 五個(gè)等級(jí)。L1 和 L2 主要包括前視單目或雙目視頻，以及文字標(biāo)注。L3 和 L4 在此基礎(chǔ)上增加了全向環(huán)境感知、手部與身體姿態(tài)估計(jì)、多場(chǎng)景覆蓋和長程任務(wù)數(shù)據(jù)。L5 進(jìn)一步加入精細(xì)的力觸覺信息、失敗后的恢復(fù)數(shù)據(jù)，以及開放環(huán)境中的連續(xù)交互數(shù)據(jù)。

大曉認(rèn)為，當(dāng)數(shù)據(jù)達(dá)到這一信息密度，模型才更有可能表現(xiàn)出跨任務(wù)泛化、自我反思和策略提升等能力。

基于這一判斷，大曉推出了環(huán)境式數(shù)采方案 2.0，由 ACE Ego Kit、ACE Data Engine 和 ACE Ego Matrix 三部分組成，分別承擔(dān)高密度信息采集、工業(yè)化自動(dòng)標(biāo)注和異構(gòu)數(shù)據(jù)統(tǒng)一等任務(wù)。

ACE Ego Kit設(shè)備采用頭、手、胸三位一體的分體式設(shè)計(jì)，用于同時(shí)捕捉第一視角環(huán)境信息、手物交互細(xì)節(jié)和全身運(yùn)動(dòng)狀態(tài)。

其中，ACE Sense Glove 將三維力觸覺感知與手部動(dòng)作捕捉集成在一副手套中，力觸靈敏度達(dá)到 0.01 牛頓，關(guān)節(jié)角誤差控制在 2 度以內(nèi)。

ACE Data Engine把連續(xù)作業(yè)轉(zhuǎn)化為可訓(xùn)練數(shù)據(jù)，該平臺(tái)具備標(biāo)注維度完整、精度較高、支持長程任務(wù)等特點(diǎn)。針對(duì)手部姿態(tài)估計(jì)困難環(huán)節(jié)，大曉提出生成式 4D 手部動(dòng)捕方法 ACE-ViDiHand，在遮擋、快速移動(dòng)和復(fù)雜動(dòng)作場(chǎng)景中取得了 0.997 的幀級(jí)準(zhǔn)確率，將誤差降低 27 倍，動(dòng)作平滑度提升 4.8 倍。

ACE Ego Matrix讓真人數(shù)據(jù)與跨本體數(shù)據(jù)能夠復(fù)用。獲得不同來源的數(shù)據(jù)后，如何完成統(tǒng)一和融合，是具身模型訓(xùn)練面臨的另一項(xiàng)挑戰(zhàn)。

真人采集數(shù)據(jù)與機(jī)器人真機(jī)數(shù)據(jù)之間，存在差異，ACE Ego Matrix 由此承擔(dān)了具身數(shù)據(jù)標(biāo)準(zhǔn)化的工作。

它通過統(tǒng)一空間坐標(biāo)、本體結(jié)構(gòu)、動(dòng)作時(shí)序和數(shù)據(jù)質(zhì)量，使真人數(shù)據(jù)和不同機(jī)器人本體產(chǎn)生的數(shù)據(jù)能夠進(jìn)入相對(duì)統(tǒng)一的表達(dá)空間，為跨本體訓(xùn)練和數(shù)據(jù)復(fù)用提供基礎(chǔ)。

基于這一數(shù)據(jù)體系訓(xùn)練的 ACE-Ego-0 模型，在 RoboCasa 和 RoboTwin 2.0 等評(píng)測(cè)中取得了領(lǐng)先結(jié)果，展示出面向不同任務(wù)和環(huán)境變化的魯棒性。

從高密度環(huán)境數(shù)據(jù)，到自動(dòng)化標(biāo)注，再到跨本體數(shù)據(jù)統(tǒng)一，大曉機(jī)器人正在建立一套完整的數(shù)據(jù)基礎(chǔ)設(shè)施。

從世界模型走進(jìn)產(chǎn)業(yè)現(xiàn)場(chǎng)

世界模型最終需要進(jìn)入真實(shí)場(chǎng)景，轉(zhuǎn)化為能夠持續(xù)工作的機(jī)器人系統(tǒng)。

大曉機(jī)器人此次帶來了三套行業(yè)解決方案，分別是面向即時(shí)零售履約的曉滿、面向酒店洗衣服務(wù)的曉新，以及面向全開放場(chǎng)景自主作業(yè)的曉途。

曉滿主要服務(wù)前置倉、閃電倉、傳統(tǒng)商超和倉店一體等業(yè)態(tài)。

該方案配套履約機(jī)器人 W1，針對(duì)即時(shí)零售 SKU 多、訂單密、節(jié)奏快以及倉儲(chǔ)空間狹窄等特點(diǎn)設(shè)計(jì)。W1 最小通行寬度僅 75 厘米，能夠在密集貨架之間移動(dòng)，并通過力控機(jī)械臂和不同末端執(zhí)行器，完成剛性商品、柔性包裝等多種物品的揀選、裝箱和搬運(yùn)。

https://mp.weixin.qq.com/s/aSd-F7nPG26N74nmRlMsbw

目前，該方案已進(jìn)入 Sense MartGo 燒賣購、快客達(dá)等客戶場(chǎng)景。

https://mp.weixin.qq.com/s/aSd-F7nPG26N74nmRlMsbw

即時(shí)零售之外，酒店洗衣也是一個(gè)高頻、剛需，卻長期依賴人工的服務(wù)場(chǎng)景。曉新覆蓋衣物收取、投放、洗滌、取出、分揀和折疊等環(huán)節(jié)，未來還計(jì)劃進(jìn)一步加入掛燙能力，形成酒店洗衣服務(wù)的全流程閉環(huán)。

借助ACE-BRAIN 0.5的空間理解、長程規(guī)劃和狀態(tài)追溯能力，機(jī)器人可以識(shí)別洗衣機(jī)艙門、旋鈕、滾筒和衣物之間的空間關(guān)系，連續(xù)執(zhí)行多個(gè)環(huán)節(jié)，并在步驟執(zhí)行失敗時(shí)重新定位問題、調(diào)整操作。

https://mp.weixin.qq.com/s/aSd-F7nPG26N74nmRlMsbw

與零售前置倉和酒店洗衣房相比，開放環(huán)境的變量更多。曉途是一套面向開放場(chǎng)景自主作業(yè)的解決方案，目標(biāo)是讓機(jī)器狗實(shí)現(xiàn)7×24 小時(shí)全天候自主運(yùn)營。目前，相關(guān)機(jī)器人已經(jīng)進(jìn)入大型場(chǎng)館和園區(qū)開展安防與設(shè)施巡檢。

從機(jī)器人的大腦，到履約機(jī)器人 W1、四足機(jī)器狗，再到商品、訂單和云端管理系統(tǒng)，大曉正在嘗試打通模型、硬件與場(chǎng)景之間的完整鏈路。

世界模型，距離真正驅(qū)動(dòng)機(jī)器人還有多遠(yuǎn)

大曉機(jī)器人沒有把世界模型單獨(dú)視為一個(gè)視頻生成產(chǎn)品，也沒有等模型訓(xùn)練完成后再尋找機(jī)器人場(chǎng)景。從項(xiàng)目開始之初，數(shù)據(jù)采集、模型架構(gòu)、端側(cè)部署和行業(yè)方案就圍繞同一個(gè)目標(biāo)展開，讓機(jī)器人在現(xiàn)實(shí)環(huán)境中理解、推演并完成任務(wù)。

不過，世界模型真正驅(qū)動(dòng)機(jī)器人的標(biāo)志，不會(huì)停留在視頻生成時(shí)長、模型參數(shù)或榜單名次上。它需要體現(xiàn)在機(jī)器人連續(xù)完成了多少真實(shí)任務(wù)，部署成本能否被客戶接受，經(jīng)驗(yàn)是否可以跨場(chǎng)景和跨本體復(fù)用。

背后更重要的變化是，世界模型產(chǎn)業(yè)正在告別單純比拼生成效果的階段。理解、生成、預(yù)測(cè)和行動(dòng)之間的邊界開始消失，模型正在進(jìn)入機(jī)器人的控制回路，接受物理世界的實(shí)時(shí)檢驗(yàn)。

對(duì)于大曉機(jī)器人來說，速度已經(jīng)幫助它拿到進(jìn)入牌桌的資格。

世界模型驅(qū)動(dòng)機(jī)器人這件事，答案不會(huì)在一年之內(nèi)就完全揭曉，但大曉機(jī)器人用 ACE 范式、Kairos 技術(shù)驗(yàn)證和曉滿、曉新、曉途的產(chǎn)業(yè)落地，至少讓大曉機(jī)器人成為這一輪世界模型路線討論中不可忽視的參與者。

正如王曉剛在演講結(jié)尾所說：大千世界，曉識(shí)萬象。

大曉希望與產(chǎn)業(yè)伙伴共同推動(dòng)物理 AI 進(jìn)入真實(shí)世界，讓具身智能逐漸成為兼具商業(yè)價(jià)值與社會(huì)價(jià)值的新型基礎(chǔ)設(shè)施。