WAIC系列｜大曉發(fā)布世界模型及系列方案 陶大程：世界模型下半場(chǎng)，要開(kāi)始拼行動(dòng)

7月19日，在2026世界人工智能大會(huì)期間，大曉機(jī)器人發(fā)布開(kāi)悟世界模型3.1（Kairos 3.1）、以人為中心的環(huán)境式數(shù)據(jù)采集方案2.0，以及面向即時(shí)零售、酒店服務(wù)和開(kāi)放場(chǎng)景的三套行業(yè)解決方案。

在WAIC期間，網(wǎng)易科技等與大曉機(jī)器人首席科學(xué)家陶大程進(jìn)行了一場(chǎng)深度對(duì)話(huà)。陶大程表示，模型的價(jià)值不在于畫(huà)面生成得多逼真，而在于能否降低機(jī)器人在真實(shí)世界中的行動(dòng)代價(jià)。

作為此次發(fā)布的核心，Kairos 3.1被定義為融合生成智能、物理智能與認(rèn)知智能的行動(dòng)一體化世界模型。該模型將視覺(jué)觀測(cè)、語(yǔ)言指令、力觸狀態(tài)和策略軌跡等數(shù)據(jù)壓縮至統(tǒng)一隱空間，形成“理解—推演—執(zhí)行—反思”的自進(jìn)化閉環(huán)：機(jī)器人先完成環(huán)境評(píng)估和任務(wù)拆解，再在平行空間比較動(dòng)作路徑，選擇更優(yōu)方案執(zhí)行并將結(jié)果反饋模型。ACE-BRAIN-0.5則承擔(dān)空間感知、決策規(guī)劃等能力；Kairos-HomeWorld補(bǔ)充中國(guó)家庭的戶(hù)型、物體和任務(wù)分布，覆蓋30萬(wàn)套住宅平面圖、5000個(gè)全屋仿真場(chǎng)景與8700個(gè)3D資產(chǎn)。大曉機(jī)器人方面披露，在NVIDIA Jetson Thor平臺(tái)BF16精度下，Kairos 3.1 8B模型推理延遲為125毫秒，并通過(guò)KairosRT計(jì)算引擎推進(jìn)端側(cè)實(shí)時(shí)推理。

與此同時(shí)，數(shù)據(jù)是這套閉環(huán)的另一根支柱。大曉提出“信息密度定律”，強(qiáng)調(diào)數(shù)據(jù)價(jià)值不在數(shù)量堆疊，而在是否包含會(huì)改變行動(dòng)結(jié)果的信息。其環(huán)境式數(shù)據(jù)采集方案2.0由ACE Ego Kit、ACE Sense Glove、ACE Data Engine和ACE Ego Matrix組成，分別覆蓋全維采集、三維力觸與動(dòng)捕、自動(dòng)化預(yù)處理和多源數(shù)據(jù)統(tǒng)一；同時(shí)開(kāi)源L5級(jí)家居復(fù)雜任務(wù)數(shù)據(jù)集ACE-Data-0，將真實(shí)交互、失敗恢復(fù)和接觸關(guān)系納入具身模型訓(xùn)練。

在商業(yè)化層面，大曉推出即時(shí)零售“曉滿(mǎn)”、酒店無(wú)人洗衣“曉新”和四足全域作業(yè)“曉途”三套方案。“曉滿(mǎn)”配套履約機(jī)器人W1，應(yīng)對(duì)多SKU、高密窄倉(cāng)和訂單波峰；“曉新”覆蓋收、放、洗、疊及熨燙；“曉途”適配多形態(tài)四足機(jī)器人，用于巡檢、避障和多機(jī)協(xié)同。新聞稿顯示，“曉滿(mǎn)”已進(jìn)入燒賣(mài)購(gòu)、快客達(dá)和中石油便利店等場(chǎng)景，計(jì)劃一年內(nèi)落地1000家、兩年拓展至1萬(wàn)家量級(jí)門(mén)店；“曉途”已在漕河涇園區(qū)、上海濱江城市治理和天津海棠花節(jié)等場(chǎng)景運(yùn)行。同期亮相的PHYSICAL IQ物智平臺(tái)，則為不同機(jī)器人本體與世界模型建立可橫向比較的評(píng)測(cè)標(biāo)尺。

在產(chǎn)業(yè)洞察層面，對(duì)于外界常將VLA、世界模型和統(tǒng)一具身基模型視為彼此競(jìng)爭(zhēng)的路線(xiàn)，陶大程認(rèn)為，技術(shù)范式尚未完全收斂，但判斷標(biāo)準(zhǔn)已經(jīng)改變?！熬呱硎澜缒Ｐ筒荒苤豢瓷僧?huà)面是否逼真，也不能只看能否從觀測(cè)直接輸出動(dòng)作，而要看它是否真正服務(wù)控制、降低機(jī)器人在真實(shí)世界中的行動(dòng)代價(jià)?！彼f(shuō)，未來(lái)路線(xiàn)會(huì)圍繞控制充分狀態(tài)、多動(dòng)作分支推演、動(dòng)作因果、多時(shí)間尺度記憶和高控制信息密度數(shù)據(jù)逐步融合。

這意味著，機(jī)器人所需要的并非物理世界的“全量復(fù)印機(jī)”。“能高清復(fù)刻世界的通用生成模型，并不必然等于能支撐機(jī)器人行動(dòng)的具身世界模型?！碧沾蟪陶f(shuō)。在他的定義中，模型要在有限觀察、計(jì)算資源和試錯(cuò)成本下，維護(hù)與決策有關(guān)的控制充分狀態(tài)，比如可操作區(qū)域、接觸關(guān)系、風(fēng)險(xiǎn)邊界和任務(wù)進(jìn)度；更重要的是，要理解一個(gè)動(dòng)作會(huì)造成什么后果，而不是復(fù)現(xiàn)訓(xùn)練數(shù)據(jù)中常見(jiàn)的動(dòng)作序列。家庭與工廠(chǎng)可以共享底層物理規(guī)律、空間關(guān)系和動(dòng)作后果模型，但真實(shí)部署仍需場(chǎng)景和本體校準(zhǔn)，最終要回到真實(shí)閉環(huán)，檢驗(yàn)?zāi)Ｐ屯蒲菽芊衽c真實(shí)執(zhí)行保持一致。

在陶大程看來(lái)，當(dāng)前最突出的入口瓶頸仍是數(shù)據(jù)，但不是簡(jiǎn)單的數(shù)據(jù)量不足，而是大量數(shù)據(jù)與控制無(wú)關(guān)，難以幫助模型識(shí)別動(dòng)作后果、失敗邊界和恢復(fù)路徑?！敖吔缡∨c恢復(fù)數(shù)據(jù)、臨界成功數(shù)據(jù)和接觸數(shù)據(jù)，往往比大量普通成功軌跡更能告訴模型‘什么時(shí)候會(huì)失敗、為什么會(huì)失敗、失敗后如何回歸正軌’。”他說(shuō)。規(guī)模負(fù)責(zé)覆蓋更多物體、場(chǎng)景和物理現(xiàn)象，控制信息密度決定數(shù)據(jù)是否真正觸達(dá)安全和控制邊界。因此，數(shù)據(jù)采集不能脫離模型和任務(wù)單獨(dú)進(jìn)行，而應(yīng)由模型公司、本體企業(yè)和場(chǎng)景方共同設(shè)計(jì)，在真實(shí)運(yùn)行中持續(xù)篩選高價(jià)值數(shù)據(jù)。

這一邏輯也決定了商業(yè)化切入口。陶大程認(rèn)為，工業(yè)巡檢、即時(shí)零售、前置倉(cāng)、無(wú)人倉(cāng)儲(chǔ)和酒店服務(wù)等邊界清晰、需求剛性、任務(wù)可重復(fù)的B端場(chǎng)景，更適合在短期內(nèi)驗(yàn)證世界模型。機(jī)器人錯(cuò)誤可以直接折算為碰撞、任務(wù)中斷、人工接管和運(yùn)營(yíng)損耗，技術(shù)是否有用不再停留在演示效果，而能被運(yùn)營(yíng)指標(biāo)檢驗(yàn)。“具身智能跨越‘演示階段’的標(biāo)志，不是完成一次驚艷Demo，而是在長(zhǎng)期運(yùn)營(yíng)中形成可重復(fù)的任務(wù)成功率、可控的人工接管率和部署成本?！碧沾蟪陶f(shuō)。

陶大程認(rèn)為，真正的能力是把高控制信息密度數(shù)據(jù)、世界模型、端側(cè)工程和真實(shí)場(chǎng)景閉環(huán)放到同一系統(tǒng)里。推理時(shí)延、顯存、通信、能耗和安全約束不是額外條件，而是模型進(jìn)入控制閉環(huán)的組成部分，如果風(fēng)險(xiǎn)判斷無(wú)法在控制周期內(nèi)完成，再準(zhǔn)確的離線(xiàn)預(yù)測(cè)也難以轉(zhuǎn)化為產(chǎn)業(yè)價(jià)值。

因此，PHYSICAL IQ物智平臺(tái)在大曉的構(gòu)想中也不能替代真實(shí)運(yùn)營(yíng)。陶大程認(rèn)為，更合理的評(píng)價(jià)應(yīng)是“標(biāo)準(zhǔn)化Benchmark+真實(shí)場(chǎng)景閉環(huán)”：前者提供公開(kāi)、客觀、可復(fù)現(xiàn)的橫向尺度，后者用任務(wù)成功率、人工接管率、恢復(fù)率、安全事故、單位任務(wù)成本和跨場(chǎng)景復(fù)制能力檢驗(yàn)產(chǎn)業(yè)價(jià)值。所以，對(duì)物理AI而言，模型從“理解世界”走向“支撐行動(dòng)”的關(guān)鍵，最終不在一次發(fā)布或一次展示，而在一次次真實(shí)決策中少犯錯(cuò)、能恢復(fù)，并持續(xù)把能力復(fù)制到更多場(chǎng)景。（定西）