个人学习小站 SIGNAL DESK 2026
LIVE --:--:--
资讯 人工智能 华为云行业AI梦工厂发布会(2026-11-16)

华为开源世界模型 CloudRobo-WM1.2,你能用到哪一层

CloudRobo-WM1.2 在 RoboTwin 2.0 与 LiberoPro 2.0 双榜第一,但开源被切成三层:权重与推理代码、平台 API、训练框架。想复现训练或换硬件做大规模实验的人,卡在第三层。这篇讲清边界、世界模型与 VLA 的分工,以及接入前的三个判断。

2026年11月18日 9 小时前 作者 站长 约 5 分钟 10 阅读

11 月 16 日,华为云在杭州的"行业AI梦工厂"活动上发布了昇腾原生的具身世界模型 CloudRobo-WM1.2,并在 RoboTwin 2.0、LiberoPro 2.0 两个仿真评测里同时拿到第一,平均成功率分别是 88.98% 和 81.7%。

媒体大多停在"双榜第一"。但对真正想用它的人来说,决定性的信息不在分数上,而在"开源"这两个字后面跟着的三个分层。这篇把三层边界、世界模型与 VLA 的分工、以及接入前该做的三个判断讲清楚。

一、开源被切成了三层,界线在第三层

华为云这次给的开放范围,官方口径是三段:

层级开放内容谁能拿到
第一层核心模型权重、后训练与推理代码、最佳实践公开
第二层平台 API、SDK、CLI、插件机制注册即可
第三层训练框架、昇腾算力代码库核心合作伙伴,定向开放

CloudRobo-WM1.2 三层开放范围示意

第一层对应的是"下载权重、跑推理、做后训练(post-training)"。这一层足够你复现榜单成绩、做 LoRA 或者全参后训练、把模型接到自己的仿真环境里。

第二层是工程便利:不用自己搭推理服务,通过云上的 API 和 SDK 调用,配合"具身广场"、R2C SDK 和虚实数据闭环,把仿真里跑出来的策略推到真机上。

第三层才是分水岭。训练框架和昇腾算力代码库不公开,只给核心合作伙伴。这意味着两件事:想从零复现它的预训练过程,你拿不到完整配方;想在非昇腾硬件上做大规模训练,官方没有为你准备优化过的路径——模型的后训练全流程是在昇腾上完成的,算子、并行策略、数据管线都按那套硬件的脾气调过。

这不是华为独有的做法,Meta 的 Llama、NVIDIA 的 GR00T 系列都只放权重和部分训练代码。差别在于:具身模型的训练代码比语言模型更依赖具体硬件与仿真栈,缺了第三层,"自己训一个"和"用别人的"之间的距离,比语言模型那边大得多。

二、世界模型和 VLA 不是一类东西

这是最容易被混淆的一层。站内之前写过 英伟达 GR00T 2 和 Praxis-1 开源,它们常被放在同一张榜上比,但做的事不一样。

  • VLA(视觉-语言-动作模型):输入画面和指令,直接输出动作序列。本质是"看到什么就做什么",训练目标是动作的准确率。
  • 世界模型:输入当前状态和候选动作,预测"接下来画面会变成什么样"。它学到的是物理演化的规律,产物是可以用于决策的未来状态。

分工也因此不同:数据不够时,用世界模型合成训练数据;策略不够准时,用世界模型做闭环评估,在虚拟环境里先把失败试出来;真机上不敢试的动作,先在模型里推演一遍。

CloudRobo-WM1.2 的 DualAct 架构把这条界线弄模糊了——它用"视频世界骨干 + 动作专家"双通道,世界模型直接输出高精度动作。官方的说法是:世界建模和动作生成不再串行,动作可以直接从世界表征里出来,延迟更低。这其实是把两类模型合成一个,代价是模型更大、对算力更敏感。

所以选型时不要问"哪个榜高",先问"我缺的是数据还是策略":缺数据,看世界模型;有数据要提精度,看 VLA 微调。

三、88.98% 和 81.7% 怎么读

两个数字都是仿真环境里的平均成功率,一个是 RoboTwin 2.0,一个是 LiberoPro 2.0,华为云在两榜都排第一。

有三点需要放在一起看才不失真:

第一,这是仿真,不是产线。 华为云自己在发布材料里承认,仿真成绩验证的是架构有效性,长尾工况泛化、端云传输时延、设备安全冗余这些问题,还得靠大规模真机测试去磨。报告中提到的落地进展也停在"实验"和"预售"阶段:与福龙马联合研制的清扫机器人启动预售,另有工业搬运、轴承毛刺清洁、无人零售收纳等场景实验。

第二,同榜可比的范围有限。 LiberoPro 2.0 榜上第二名是 75.0%,与 81.7% 差了 6.7 个百分点,在这类评测里算比较大的差距;RoboTwin 2.0 榜上第二、第三名分别是 86.47% 和 85.01%,差距就没那么明显。同一个模型在两个榜上的领先幅度差这么多,说明分数对任务分布很敏感,不能简单外推成"通用能力领先"。

第三,生态数据要看口径。 华为云称 80% 的中国具身智能企业选择昇腾云,这是企业统计口径下的渗透率,不是市场份额的同义词。IDC 的数据是另一回事:2026 年上半年全球人形机器人出货量接近 2.5 万台,同比增长 432.1%——这个增速说明需求在放量,但基数仍然很小。

四、接入前的三个判断,与三类人的行动建议

判断一:你手上有没有昇腾算力。 第一层的权重和后训练代码,理论上在哪跑都行,但官方优化过的是昇腾。如果你在 A100/H100 集群上,需要自己做算子适配和显存规划,这部分工作量官方文档不会替你承担。

判断二:你的本体在不在"动作翻译器"覆盖的形态里。 这次的核心技术之一是"本体语义保真跨具身运动建模",把单臂、双臂、轮式三类形态映射到统一的动作空间,让一个共享模型区分不同机器人的"运动语言"。四足、灵巧手、人形双臂这类更复杂的本体,跨本体迁移的损耗需要你自己实测——LingBot-Touch 那条触觉路线就说明,换一个感知模态,结论可能完全不同。

判断三:你的时延预算够不够。 官方给了四种可组合的推理模式:World Action / Expert Action 与 Joint / Action-only 两两组合。Joint 模式把世界预测和动作生成一起跑,精度高、算力重;Action-only 跳过视频预测,直接出动作,延迟低。这不是四个选项,是四个成本档位,得按你的控制频率去选。

三类人,现在该做什么

  • 高校与研究团队:第一层就够。权重加仿真环境能支撑论文级的对比实验,而且它是目前少数公开的中文团队世界模型基线,比复现国外工作省事。
  • 本体厂商:值得去谈第三层。你们的价值不在算法,而在真机数据和本体适配经验,这恰好是华为云缺的,双方有交换空间。
  • 集成商与小团队:先走第二层。用云 API 接一个场景验证 ROI,别一上来就自己部署——世界模型的显存和时延开销,不是几张消费级卡能兜住的。

回到开头那个问题:这个世界模型能不能用,答案不在 88.98%,而在你需要的是哪一层。只要推理和后训练,它现在就能用;想复现训练、想在别的硬件上做大规模实验,第三层的门还关着。开源这件事,现在比的不是谁放出的参数多,而是谁把可复现的那部分放得更彻底。

登录后可点赞、收藏与反馈。

继续阅读 NEXT

更多 →