华为云定档发布具身世界模型,仿真成功率冲上98.35%

如果一台刚出厂的机械臂要在流水线上抓取形状不规则的零件,按照以往的做法,工程师得把它搬到真实车间里,一遍遍试错、撞击、调整参数。在物理世界里,机器人每一次失误,代价往往是损坏昂贵的零件甚至折断机械臂本体。能不能让机器人先在虚拟世界里撞上几万次,把所有的失误和力道摸透了,再走上真实的生产线?

2026年11月12日,华为云宣布将在11月16日正式发布首款昇腾原生的具身世界模型 CloudRobo WM1.2。所谓世界模型,可以理解成装在机器人脑子里的一套虚拟沙盘。它让机器人面对眼前的场景时,先在脑海中推演自己的动作会引发什么物理变化,等有了把握再去动手。但仔细观察华为云的打法会发现,这个技术背后藏着这家云厂商格外清晰的产业边界:有三样东西,它明确选择不碰。

图1

一、不碰实体硬件:为什么坚持把铁疙瘩留给伙伴

第一个明确不碰的,是机器人的物理躯体。

早在2025年6月发布具身智能平台 CloudRobo 时,华为常务董事、华为云计算董事长就公开强调,华为云不做机器人本体,而是把硬件本体交给合作伙伴,华为云的目标是让一切联网的本体都成为具身智能机器人。这次即将推出的 WM1.2,依然被严格安置在这一边界之内。

在具身智能行业里,做实体机器人是一件极重且极慢的苦差事。电机的寿命、关节的扭矩、外壳的磨损,每一样都需要数年时间的工业打磨。更麻烦的是,不同场景需要的机器人形态千差万别:工厂车间里要的是带轮子的底盘加上抓取力强的重型机械臂,变电站巡检要的是防尘防雨的特种设备,家庭或商贸场景则可能需要更灵巧的双足或轮式人形结构。如果一家技术公司试图把所有形态的硬件全部揽下,战线势必会被拉得过长。

华为云选择退后一步,只提供云端大脑与算法底座。从公开的生态名单来看,站在它身边的伙伴包括拓斯达、亿嘉和、软通动力、凌云光等上市公司,以及星海图、优艾智合、斯坦德机器人、帕西尼等企业。在拓斯达的工厂案例中,双方协同部署了轮式人形机器人,适配工厂生产搬运,打通料箱扫码、物料搬运、路径规划到料箱码垛的全流程;在亿嘉和的合作中,双方在2026年9月发布新一代配网带电作业机器人 Z200Pro,把云边端协同推向电厂、输电、变电和配电的全流程巡检。

把繁琐的机械加工、本体制造留给深耕具体场景的伙伴,华为云自己则专注做软件平台和云端算力调度。硬件卖得再多,终究是一锤子买卖;但只要这些联网设备每天都在运行,背后对云端推演和数据训练的调用就不会停歇。

二、不碰单机死磕:把真机摔打搬进云端沙盘

第二个明确不碰的,是在单台设备上做孤立死磕。

具身智能走向真实物理世界,长期面临五类公认的难题:多模态物理理解困难、世界认知与动作生成耦合困难、异构数据难以规模化利用、跨机器人本体泛化难,以及实时推理算力成本高。过去很多机器人之所以像笨拙的人偶,是因为它们只能沿着写死的固定路线行进,或者按见过的样本依样画葫芦;一旦环境光线变化、物体摆放角度稍微歪了一点,机器人就会当场卡壳。

世界模型要解决的正是这种死板。华为云具身智能实验室首席模型专家刘流在发布会上的议题,明确聚焦于面向机器人操作的多模态世界模型。世界模型的核心任务,是让机器人具备预判能力:如果我的手指往前移动2厘米,那个脆弱的玻璃杯会晃动还是倒下?在动手之前,这个动作已经在虚拟沙盘里推演过了。

图2

但这种高精度的物理推演,仅靠机器人身上搭载的小算力芯片根本跑不动。华为云没有让单台设备去死磕本地计算,而是把整个训练和推演链路搬到了云端平台。2026年6月,华为云上线了行业AI梦工厂的具身智能专区,专门提供数据合成、模型开发和仿真验证平台。在华为云的官方产品页上,已经列出了开箱即用的15款以上仿真机器人、40个以上高精度三维重建环境,以及涵盖100个以上场景、100万条数据的仿真导航数据集。

在细致入微的物理操作上,华为云通过自研的力控模型展示了五项典型技能:螺丝锁付、黑板擦拭、插座插接、U盘插接以及方块入盒。在插座插接和螺丝锁付这类极度依赖手感的任务里,模型融合了多视角图像、机械臂状态与六维力历史数据,可以在插入失败时自主尝试调整角度,实现恒力柔顺作业。在国际通用的机器人仿真基准测试 Libero 上,专区内的双系统模型成功率已经达到98.35%。把成千上万次物理碰撞从真实车间转移到云端沙盘,机器人的研发试错成本被大幅压缩。

三、不碰算力孤岛:绑定昇腾原生的生态护城河

第三个明确不碰的,是脱离自身芯片体系的算力孤岛。

在官方宣传与海报中,WM1.2 最核心的标签是四个字:昇腾原生。这意味着这款模型从底层架构设计、数据预训练,一直到后续的云端微调与实时推理,完全基于华为自研的昇腾处理器生态打造,而不是在其他通用算力芯片上训练完成后再做二次搬运。

这种软硬结合的选择,在当下的大模型产业格局中显露出完全不同的商业路径。2026年11月14日,OpenAI 再次解散了其独立机器人团队,研究人员被分流并入通用多模态核心研究部门。随着通用大模型 GPT-6 Astra 的发布,OpenAI 倾向于认为通用智能可以直接接管物理机器人的决策策略,不需要再为机器人单独做一套专用大脑。

然而,工业制造和特种作业场景的现实逻辑大不相同。机器人要在流水线上实现毫秒级反应、高精度装配,企业对数据安全、自主算力供应链以及部署成本有着严苛要求。IT桔子数据显示,截至2026年11月12日,年内国内具身智能一级市场已发生投融资事件648起,金额达到1237.11亿元,远超2025年全年的387起和399.51亿元;中商产业研究院预测,2026年中国具身智能市场规模将突破10904亿元。如此庞大的产业需求,不可能完全悬浮在空中。

在北京市2026年11月11日发布的具身智能3年行动方案中,官方明确提出到2028年新增建设总规模超过5万P的具身智能专用算力集群,并采集超过100万小时高质量真实数据。当各地的制造园区、变电设施和物流枢纽加速引入机器人时,昇腾原生意味着企业可以直接调用华为云遍布全国的昇腾云算力中心。开发者可以通过命令行工具或 Python 开发工具包,直接调用平台提供的11项结构化技能包,贯通工作空间、资产管理、数据清洗和模型评测。

图3

这场90分钟的线上发布会,从吴小东发布模型、刘流拆解架构,到丁志彬介绍生态共建,最后以多方签约收尾。整个流程与其说是一场新技术的汇报,不如说是一次产业同盟的集结。

当全球顶尖的人工智能实验室还在为通用多模态模型能否包打天下激烈争论时,国内的产业走廊里,轮式底盘和多关节机械臂已经忙碌在流水线与机房之中。华为云不碰硬件本体,不碰单机死磕,不碰算力孤岛,把最重的机械留给制造厂商,把最繁琐的碰撞推演留在自己的云端服务器里。具身智能的真正落地,或许并不取决于机器人外形做得多么像人,而取决于它在撞碎零件之前,能否在脑海里的沙盘中先把真实的世界算清楚。

Logo

DAMO开发者矩阵,由阿里巴巴达摩院和中国互联网协会联合发起,致力于探讨最前沿的技术趋势与应用成果,搭建高质量的交流与分享平台,推动技术创新与产业应用链接,围绕“人工智能与新型计算”构建开放共享的开发者生态。

更多推荐