新智元報(bào)道
編輯部
【新智元導(dǎo)讀】如今的具身智能，早已爆紅AI圈。數(shù)據(jù)瓶頸、難以多場(chǎng)景泛化等難題，一直困擾著業(yè)界的玩家們。就在WAIC上，全新具身智能平臺(tái)「悟能」登場(chǎng)了。它以世界模型為引擎，能為機(jī)器人提供強(qiáng)大感知、導(dǎo)航、多模態(tài)交互能力。
WAIC上，各家機(jī)器人的火爆，各位已經(jīng)都見證過了。
不過現(xiàn)在行業(yè)遭遇的一個(gè)重大瓶頸，就是急缺數(shù)據(jù)、訓(xùn)練效率低，讓許多機(jī)器人的性能暴漲被卡了脖子。
這樣就導(dǎo)致目前絕大多數(shù)具身智能機(jī)器人，自主解決問題的能力還比較弱。
怎么破？商湯有解。
昨天的WAIC上，商湯的具身智能平臺(tái)——悟能正式亮相！這是一場(chǎng)真正的炸裂革命。
你只需用一句自然語言描述場(chǎng)景，它就能為具身智能的訓(xùn)練生成符合物理規(guī)則、多視角統(tǒng)一、真實(shí)世界還原度極高的多視角視頻。
也就是說，商湯用自己擅長(zhǎng)的世界模型，破解了仿真數(shù)據(jù)輸出的難題，賦能各種場(chǎng)景的機(jī)器人（和機(jī)器狗）。
想象一下，你雙手緊握方向盤，腳踩油門，身臨其境地穿梭在城市街頭，光影變幻，七個(gè)攝像頭為你構(gòu)建出一個(gè)無比真實(shí)的世界。
別誤會(huì)，這不是你在玩《極品飛車》，而是你在和AI一起「開悟」！
接下來的AI，將不再是工具，而是合作者、探索者、創(chuàng)造者。此刻，就是我們一同駛向未來的起點(diǎn)。
商湯「悟能」平臺(tái)，為什么能為具身智能做到如此不可思議的賦能？讓我們來仔細(xì)看看。
四大功能，讓機(jī)器人性能再進(jìn)一步
首先，機(jī)器人的一個(gè)核心問題，就是大腦VLA。很多行業(yè)的翹楚，都在這個(gè)方向推出了自己的模型。
而對(duì)于這些領(lǐng)域，商湯既有的能力感知和多模態(tài)，就有極大的使用空間。
比如，機(jī)器人的感知、導(dǎo)航、交互，以及世界模型，都能助力于機(jī)器人構(gòu)造很好的VLA以及跟世界交互的可能性。
另外，商湯的大裝置，還能給底層提供端側(cè)和云側(cè)的核心方案。
具體來說，這個(gè)平臺(tái)提供了以下功能。
感知
做視覺感知，是商湯的一大強(qiáng)項(xiàng)。
不管是機(jī)器狗還是機(jī)器人都是帶視覺的，一個(gè)天然視覺感知，就是對(duì)世界萬物做識(shí)別和理解。
左邊為機(jī)器狗的視角，右邊為機(jī)器人的視角
而商湯在這部分的視覺能力，恰好就能完全嵌入到機(jī)器人的核心芯片當(dāng)中，因此，在端側(cè)就能處理好這種感知能力。
同時(shí)，它們也被賦能去識(shí)別場(chǎng)景中的所有物件、行人。
總之，如果在機(jī)器人行業(yè)中需要做感知，用商湯平臺(tái)就再合適不過了。它適配了大量的芯片，包括提供云和端側(cè)處理的能力。
導(dǎo)航
平臺(tái)的第二大能力，就是視覺導(dǎo)航。
目前在行業(yè)中，雖然已經(jīng)有了全自主的無人駕駛車，卻還并未出現(xiàn)全自主自動(dòng)駕駛的機(jī)器狗和機(jī)器人。
而商湯絕影，恰巧就在做全自主視覺的無人駕駛。
此前，這個(gè)團(tuán)隊(duì)已經(jīng)賦能了許多車企，做端到端的智能駕駛。
這些同樣的模塊，也可以去適配到機(jī)器狗和機(jī)器人身上。
比如，對(duì)機(jī)器狗來說，導(dǎo)航就是找到一個(gè)非車道以外的、人能行駛的路徑，規(guī)劃好路徑以后，來做好避障即可。
因此，同樣的能力可以賦能各式各樣不同的基礎(chǔ)硬件。
下面展示的，便是機(jī)器狗行進(jìn)的過程中，「悟能」實(shí)時(shí)為它做出的路徑規(guī)劃。
交互
平臺(tái)的第三大能力，就是交互工具。
現(xiàn)場(chǎng)，商湯科技董事長(zhǎng)兼CEO徐立為我們舉了一個(gè)很有意思的例子——用AI生成《長(zhǎng)安的荔枝》的PPT，然后讓機(jī)器人給我們來做講解。
這一次，機(jī)器人被調(diào)適得非常幽默，可以讓我們深刻感受到，它已經(jīng)從一個(gè)交互工具，演變成了一個(gè)交互伙伴。
只見這個(gè)機(jī)器人繪聲繪色地做起了講解，頗具個(gè)人風(fēng)格，期間還不斷爆梗：「難度大概相當(dāng)于讓你拿小靈通打王者榮耀，想想就知道有多虐！」
「那咱們來算一筆賬，按唐朝的銀子換算，一次運(yùn)輸?shù)没ǖ艚裉斓?000萬人民幣！」
注意，在這個(gè)過程中，機(jī)器人是自己翻PPT的——它很清楚地知道，自己講解的內(nèi)容是在哪一頁。甚至如果我們對(duì)它提問，它還會(huì)自己翻回去。
甚至在嘈雜環(huán)境中，它也不怕被打斷。即使中間你問它問題，它在講解完后，還會(huì)記得自己的主線任務(wù)，繼續(xù)往下講。
整個(gè)過程中都體現(xiàn)出，這個(gè)機(jī)器人有全局記憶的能力。
甚至有趣的是，上面這個(gè)功能，還可以用到機(jī)器狗上，對(duì)于形態(tài)并沒有限制。
從「開悟」，到「悟能」具身世界模型
現(xiàn)在，商湯「開悟」世界模型，已經(jīng)可以在車?yán)锷啥嘁暯且曨l。
這一點(diǎn)，可以說意義重大。原因在于，在虛擬世界里要生成很多數(shù)據(jù)去做交互，最關(guān)鍵的就是，這些數(shù)據(jù)在未來可能就是強(qiáng)化學(xué)習(xí)的一個(gè)基礎(chǔ)。
而商湯在自動(dòng)駕駛上，就已經(jīng)做到了用一句自然語言去生成一個(gè)七視角攝像頭的視頻。
可以看到，它具有很好的空間一致性。（車開過不同攝像頭時(shí)，它幾何位置的對(duì)應(yīng)，完全符合物理對(duì)空間世界的理解。）
而且，它在時(shí)序上也做到了一致性。
比如在這臺(tái)車行駛的過程中，幾次把車牌號(hào)拉出來一看，都能發(fā)現(xiàn)這個(gè)世界模型在時(shí)序上的生成是一致的。
甚至，世界模型還能做編輯。在這個(gè)過程中，可以實(shí)時(shí)做編輯替換，甚至是插入、刪除現(xiàn)實(shí)中的車。
這部分新生成的數(shù)據(jù)，可以為AI進(jìn)入現(xiàn)實(shí)世界，提供閉環(huán)交互訓(xùn)練的解決方案。
比如在自動(dòng)駕駛中，「加塞場(chǎng)景」就是典型的長(zhǎng)尾場(chǎng)景，真實(shí)數(shù)據(jù)極其稀缺，而開悟世界模型就提供了高質(zhì)量的多場(chǎng)景數(shù)據(jù)（光照、天氣、道路結(jié)構(gòu)）。
最后將所有視角的視頻結(jié)合，就仿佛在真實(shí)場(chǎng)景中開車一樣。這種交互的真實(shí)感與實(shí)時(shí)性，可以說是「極品飛車」現(xiàn)實(shí)版了。
如今，商湯進(jìn)一步把「開悟」擴(kuò)展到了具身智能領(lǐng)域，并賦予了它一個(gè)全新的名字——「開悟智能」，簡(jiǎn)稱「悟能」。
「悟能」具身世界模型，可以通過「人、物、場(chǎng)」，構(gòu)建一個(gè)4D的真實(shí)世界。
比如下面是兩張初始視角圖。給出一張具身關(guān)節(jié)模型，對(duì)它下指令「在廚房區(qū)域的架子上找東西」，它就可以生成如下的視頻，生成了關(guān)節(jié)模型的連續(xù)位姿。
同樣，如果下指令「進(jìn)入娛樂室，向右轉(zhuǎn)，然后打開通往院子的門」，模型也能立刻生成下面的視頻和連續(xù)位姿。
這些具身世界模型生成的內(nèi)容，因?yàn)榫哂袝r(shí)空一致性，就可以從多個(gè)角度去觀察。
比如動(dòng)作骨架正在完成的，是一個(gè)手動(dòng)切黃瓜的指令，而接下來，它就能同時(shí)生成一段「第一人稱」和「第三人稱」視角的機(jī)器人切黃瓜視頻。
或者，一段機(jī)器人在白天的公園里跳躍的視頻。同樣，第一、第三人稱視角都一起生成出來了。
為什么說，第一視角和第三視角相結(jié)合的世界模型如此重要呢？
要知道，機(jī)器人并不天然擁有人的直覺，也缺乏對(duì)世界的理解。而「悟能」讓機(jī)器人同時(shí)擁有第一視角和第三視角相結(jié)合的世界模型后，相當(dāng)于給它開了一個(gè)外掛。
這樣，它不僅可以通過第一視角，通過傳感器「感知」世界，捕捉到實(shí)時(shí)環(huán)境信息；還能通過第三視角開啟「上帝視角」，看到人類的肢體、骨骼是如何精妙配合、完成每個(gè)動(dòng)作的，相當(dāng)于擁有人類動(dòng)作的參考指南。
二者結(jié)合后，我們就能知道機(jī)器人看到了什么，應(yīng)該做什么動(dòng)作，由此，機(jī)器人真正像人一樣學(xué)會(huì)了舉一反三，能做更自然流暢的交互，可以做端到端的VLA了。
在以往，要靠數(shù)據(jù)采集生成這樣的視頻，需要花費(fèi)大量的時(shí)間和精力，如今卻可以飛速完成。
甚至，這個(gè)世界模型還能生成不同相機(jī)位姿的視頻，因此，我們可以不限位置，把相機(jī)放在機(jī)器人的任何位置，來模擬生成符合3D關(guān)系的4D世界真實(shí)視頻。
可以看到，以上這幾大功能，可以讓「悟能」平臺(tái)賦能各式各樣的機(jī)器人企業(yè)，讓機(jī)器人和現(xiàn)實(shí)世界交互。
比如機(jī)器狗從此不會(huì)只是巡邏和跳舞，現(xiàn)在它可以陪著小孩放學(xué)、陪著老人散步，不僅是守護(hù)者，更是貼心的陪伴者。
因?yàn)榭梢詫?dǎo)航去任何地方，它就能知道你要去哪兒，會(huì)在路上替你規(guī)避危險(xiǎn)、應(yīng)對(duì)突發(fā)，甚至還能幫你拎東西。
可以說，AI演進(jìn)的十年歷程，就是AI從感知世界，到理解世界，最終具備與真實(shí)世界交互的能力。
除了「悟能」平臺(tái)，商湯還會(huì)構(gòu)建更強(qiáng)的世界模型與空間智能，推動(dòng)AI邁入真正與物理世界交互的時(shí)代，實(shí)在是太令人期待了！
具身智能爆火，卻卡在了數(shù)據(jù)上
具身智能賽道，現(xiàn)已成為全球AI核心競(jìng)爭(zhēng)點(diǎn)之一。
不論是谷歌、英偉達(dá)等科技大廠，還是諸如Figure、SkilledAI等初創(chuàng)黑馬，對(duì)此不斷加碼研發(fā)，沖刺萬億級(jí)市場(chǎng)。
然而，具身智能機(jī)器人在應(yīng)對(duì)多變的現(xiàn)實(shí)世界，仍面臨著諸多瓶頸。
這幾天，英偉達(dá)杰出科學(xué)家JimFan對(duì)此也吐槽了一番——機(jī)器人都會(huì)跑酷和跳舞了，怎么還不能幫我遛狗呢？
他這一現(xiàn)象稱之為，機(jī)器人領(lǐng)域的mini版「莫拉維克悖論」。
這恰恰說明了，具身智能領(lǐng)域的發(fā)展，還有很多問題等待被攻克。
傳統(tǒng)機(jī)器人通常被設(shè)計(jì)為「專才」，針對(duì)特定人任務(wù)進(jìn)行優(yōu)化，缺乏應(yīng)對(duì)多變?nèi)蝿?wù)的靈活性。
舉個(gè)栗子，送餐機(jī)器人更擅長(zhǎng)在餐廳環(huán)境中導(dǎo)航和遞送食物，卻無法在工業(yè)生產(chǎn)線上工作。
這種「單一技能」的模式源于機(jī)器人硬件和算法高度定制化，導(dǎo)致不同本體難以實(shí)現(xiàn)任務(wù)遷移，即我們常說的「本體泛化」。
若要解決這一挑戰(zhàn)，核心便在于設(shè)計(jì)一個(gè)通用的「智能大腦」。
由此一來，即便是不同形態(tài)的機(jī)器人，都能共享一套算法，適應(yīng)多樣化的硬件平臺(tái)和任務(wù)需求。
有了本體泛化還不夠，具身智能如何實(shí)現(xiàn)「任務(wù)泛化」，是決定其能力的上限。
若要完成「冰箱取食材—切菜—烹飪—端上桌」的任務(wù)，長(zhǎng)序列規(guī)劃、跨模態(tài)理解，以及實(shí)時(shí)糾錯(cuò)的能力必不可少。
人形機(jī)器人Neo
當(dāng)前難題是，有時(shí)因?yàn)楣饩€變化、多步任務(wù)缺少中間狀態(tài)等，機(jī)器人就會(huì)翻車。
此外，具身智能發(fā)展另一大瓶頸，也是全行業(yè)亟待解決的問題——如何實(shí)現(xiàn)場(chǎng)景泛化。
它要求機(jī)器人在不同環(huán)境中，都能準(zhǔn)確感知、理解，并于物理世界交互。然而，場(chǎng)景泛化的前提，必須有高質(zhì)量、多模態(tài)的數(shù)據(jù)加持。
如何獲取這些數(shù)據(jù)？生成合成數(shù)據(jù)，成為了具身智能「ScalingLaw」的救命稻草。
為了應(yīng)對(duì)上述瓶頸，業(yè)界逐漸探索出多種技術(shù)路線，但尚未形成統(tǒng)一的標(biāo)準(zhǔn)。
以谷歌、Figure、PhysicalIntelligence為代表，他們主攻VLA（視覺-語言-動(dòng)作）模型，通過語言和圖像輸入，直接生成動(dòng)作。
另一種是「大小腦」架構(gòu)，將規(guī)劃和執(zhí)行分離。
最后一種便是常見的「世界模型」，目標(biāo)就是讓機(jī)器人能夠像人類一樣「理解世界」。
無論是哪種技術(shù)路線，皆需要高質(zhì)量多模數(shù)據(jù)為支撐。
這一次，商湯WAIC現(xiàn)場(chǎng)帶來的「悟能」具身智能平臺(tái)，是一個(gè)具備全棧能力的AI大腦。
不論是在感知、視覺導(dǎo)航，還是交互、生成多樣高質(zhì)數(shù)據(jù)上，「悟能」為機(jī)器人行業(yè)提供了全面的賦能。
做這件事的人，為什么是商湯？
AI刻在DNA，商湯在下一盤大棋
作為計(jì)算機(jī)領(lǐng)域的先行者，商湯的入局并非偶然，而是技術(shù)基因和戰(zhàn)略眼光的必然延伸。
多年來，這家AI公司在多模態(tài)大模型、算力基礎(chǔ)設(shè)施，以及產(chǎn)業(yè)生態(tài)各方面，有著深厚的積累。
在技術(shù)布局的過程中，商湯經(jīng)歷了從「視覺感知」到「多模態(tài)推理」的探索。
它不僅能識(shí)別棋子，還能在遮擋情況下實(shí)現(xiàn)精準(zhǔn)抓取。這一突破標(biāo)志著，商湯向物理世界交互的具身智能邁進(jìn)。
在大模型掀起的熱潮中，商湯多次迭代了「日日新大模型」，通過原生融合模態(tài)訓(xùn)練，在多模態(tài)推理和長(zhǎng)思維鏈能力上，取得了頂尖的性能。
而且，日日新早已用在傅利葉、歸墟等公司的機(jī)器人「大腦」上。
這一次，徐立又帶著最新的SenseNovaV6.5來了。
在多模態(tài)推理上，V6.5與Gemini2.5Pro不相上下；在交互性能上，多榜單刷新SOTA，并且推理成本狂降到30%。
另一方面，商湯的AI大裝置SenseCore2.0，能為其具身智能平臺(tái)提供強(qiáng)大的算力支持。
截至2024年底，商湯大裝置運(yùn)營的「總算力規(guī)模」已達(dá)23,000PetaFlops。
通過預(yù)填充和解碼分離等優(yōu)化技術(shù)，SenseCore能提升GPU利用率和推理效率，降低了模型的部署成本。
這種端云協(xié)同架構(gòu)，可以支撐從數(shù)據(jù)生產(chǎn)、模型訓(xùn)練，到仿真測(cè)試的全流程，提供了一站式解決方案。
除了底層能力的積累，商湯在生態(tài)方面也在加速布局。
商湯旗下國香資本，投資了銀河通用、眾擎、鈦虎等多家具身智能企業(yè)，覆蓋了本體、運(yùn)控、關(guān)鍵模組等全產(chǎn)業(yè)鏈環(huán)節(jié)。
龐大的具身智能「朋友圈」，能讓商湯更了解產(chǎn)業(yè)痛點(diǎn)，加速技術(shù)驗(yàn)證和迭代，進(jìn)而反哺和優(yōu)化模型算法。
在人才儲(chǔ)備上，商湯匯聚了多位頂尖行業(yè)學(xué)者，比如深度學(xué)習(xí)與計(jì)算機(jī)領(lǐng)域的專家林達(dá)華、王曉剛等等。
從技術(shù)演進(jìn)，到算力、生態(tài)、人才的全面布局，充分展現(xiàn)了商湯「三位一體」的綜合實(shí)力。
具身智能的黃金時(shí)代已悄然開啟，商湯「悟能」平臺(tái)的發(fā)布恰逢其時(shí)。
在這場(chǎng)激烈的競(jìng)爭(zhēng)中，「悟能」不僅是對(duì)商湯技術(shù)基因的延伸，更有望成為撬動(dòng)具身智能「第二增長(zhǎng)曲線」的關(guān)鍵支點(diǎn)。
未來，在智能制造、醫(yī)療護(hù)理、家庭服務(wù)等多場(chǎng)景中，具身智能蘊(yùn)藏著萬億級(jí)市場(chǎng)價(jià)值。
商湯正以王者之姿，點(diǎn)燃具身智能的引爆點(diǎn)，讓機(jī)器人成為所有人的「超級(jí)隊(duì)友」。
《鳳于九天》宣布開機(jī),原著作者卻稱不知情,并調(diào)侃自己是死了嗎
《鳳逆九天》作者：桃花依舊
愛奇藝又一部古裝甜寵劇開機(jī),女主“作天作地”,上演甜蜜愛情
第二部：《鳳逆九天》作者：周玉簡(jiǎn)評(píng)：霸氣的女主，妖孽的男主。從對(duì)立到合作到傾心，感情線一氣呵成，男強(qiáng)女強(qiáng)聯(lián)合打怪升級(jí)，最后稱霸海陸世界的故事。周玉的另一部《盜情》也很有名，文筆很好。第三部：《以眼淚，以沉默》作者：小狐濡尾簡(jiǎn)評(píng)：很喜歡謝微時(shí)和方遲之間熾熱到仿佛要燒盡一切的愛情。
《鳳逆九天:絕世妖女傾天下》高冷男主x逆襲女主,兜兜轉(zhuǎn)轉(zhuǎn),是你就好
《鳳逆九天：絕世妖女傾天下》超甜男主x彪悍女主，愿得一人心，白首不相離今日推薦：《鳳逆九天：絕世妖女傾天下》作者：棲桐_。點(diǎn)擊文末超鏈接開始觀看吧～---精選段落--- 第17章作弊？下次我一定還贏這話一出，其他被剛剛那一戰(zhàn)驚得還沒回神的云家其他族人，也反應(yīng)了果然?！皩?duì)啊，低階人靈師怎么可能說完了——|。
延伸閱讀：與 潤(rùn)田實(shí)業(yè)嚴(yán)正聲明與：其無34%關(guān) 的相關(guān)文章
網(wǎng)紅旺仔小喬開蒙面演唱會(huì)，最高票價(jià) 968 元，這個(gè)定價(jià)合理嗎？沒有視覺互動(dòng)如何體現(xiàn)分區(qū)票價(jià)差別？
用大鐵鍋把10斤水母熬干！制鹽！什么味？
"那些直擊靈魂的英文歌"
三預(yù)警齊發(fā) 這些地區(qū)出行需注意
LPL 2025 賽季第三賽段組內(nèi)賽 TES 2:0 JDG，如何評(píng)價(jià)這場(chǎng)比賽？
北京 4 區(qū)暴雨紅色預(yù)警、 7 區(qū)橙色預(yù)警，密云水庫發(fā)生建庫以來最大入庫洪水，目前當(dāng)?shù)厍闆r怎么樣？
為什么說同事合伙排擠你，是領(lǐng)導(dǎo)在背后搞的鬼？
華為重奪中國大陸智能手機(jī)市場(chǎng)第一
網(wǎng)友吐槽 8 小時(shí)高鐵乘客打電話 7 小時(shí)，12306 回應(yīng)沒有條款禁止打電話，遇到類似情況該怎么辦？
MC武魂覺醒？飛上昊天宗！
