大晓机器人：具身智能新纪元

文｜富充

编辑｜苏建勋

四日前，大晓机器人在小红书上发布了一段视频，标题为：晓刚老师与他的十只狗。

视频中，大晓机器人董事长、商汤科技的联合创始人王晓刚站在十只形态各异的机器狗身后，未用遥控器，仅一挥手，便说道：“任务已下发，出发。”

机器狗们闻令而动：有的前往路面寻找违停车辆，拍照并传回信息；有的则前往城市禁飞区域排查违规无人机信号，并在找到操作者后发出语音警告。

“以往，一只狗可能需要两三个人来照顾。未来，一个人就能管理一支队伍。”王晓刚描述道。

在12月18日的大晓机器人发布会上，王晓刚也介绍了大晓机器狗的落地场景：可作为“城管”进行街面巡查，目前正与徐汇公安探讨这一城市治理新方案。

△出发执行任务的四足狗“汪汪队”，来自不同本体品牌，背上统一搭载大晓具身超级大脑模组A1。

王晓刚将“让狗突然能干活”的功劳归功于两项新发布：

一是具身超级大脑模组A1，相当于一个聪明的AI大脑，可搭载于宇树、智元、云深处等不同品牌的本体。装入A1模组后，原本只有运动能力的机器狗也具备了“空间智能”和“自主决策”能力。

而驱动这个大脑的核心则是另一个发布——“开悟”世界模型3.0。简单来说，世界模型就是在AI模型中建立了物理世界的运行规律。有了它，机器人就能与世界进行交互。

这样，机器人能更快学会物理世界中的不同任务，并适应新环境。就像学会了“开门”后，无论是家中的入户门还是餐厅的大门都能打开。

此外，世界模型还能应用在不同机器人身上。无论是四足狗还是双足人形等多样构型的本体，都能通过世界模型具备理解世界、预测后续状态的能力。

世界模型的兴起直指过去一年具身智能主流技术VLA模型所遇到的本质瓶颈：

VLA更像一个“超级模仿者”，靠海量“画面—指令—动作”配对数据让机器人学习特定技能；但它很难真正理解物理规律，所以换个环境或对象成功率就会下降。

因此，VLA需要堆大量数据让模型“看过”不同的案例才能完成越来越多的任务。但当前的数据量却难以为继：自动驾驶可轻易积累数百万小时行车数据，而具身智能还需要工作人员遥控机器人采集数据，至今仍困在10万小时的量级。

世界模型则让机器人的大脑从“死记硬背例题”转向“掌握通用公式”，从而大幅降低对特定场景、海量真机数据的依赖。

发布会现场，《智能涌现》试用了“开悟”世界模型3.0：只需输入一段文字描述，然后选择相机机位、不同机器人本体等信息，世界模型就会生成以这款机器人为第一视角的动作画面。

这些生成的画面与动作决策可以教会机器人大脑与物理世界交互的方法，在背后指挥机器人完成每一次行动。

△现场试用中，“开悟”世界模型3.0可以根据使用者在右侧输入的空间、动作文字描述生成画面。

正因如此，世界模型成为近期大热的技术趋势。包括特斯拉在内，越来越多的智能驾驶和具身智能公司展示了世界模型的布局进展。

但王晓刚也强调，世界模型要真正有效，必须有下游验证的闭环。

他回忆起2024年11月自己就曾主导发布过智能驾驶世界模型，但当时行业对这项技术的态度是“不太信”。

原因是包括英伟达Cosmos世界模型在内，当时不少公司把世界模型当“数据生成器”。虽然能在实验室里生成一堆场景画面，但缺少下游真实落地验证，没人能回答“这些数据到底好不好用”，很难建立信任。

王晓刚的解法是将智能驾驶世界模型放入自身的止驾算法业务里。例如与上汽智己的合作中，这项能力被用于攻克“过环岛”、“大车加塞”等高风险博弈场景。

过去采集这类数据既危险又昂贵，甚至需要协调“演员车”上路复现。商汤则可以先在世界模型里规模化生成大量场景画面与解决策略后，再用上汽智己的实车对世界模型的决策进行检验、校准，让模型能力在真实反馈中越练越准。

同样的方法论也应用于具身智能上。大晓选择用“机器狗上街”作为商业化第一站：四足狗硬件更成熟、进入场景的商业化路径更短，能在任务执行中验证世界模型的能力并在真实场景中持续迭代。

王晓刚也给出了大晓的商业化路线图：先用四足在道路上跑起来探索增量市场；2—3年后通过轮式双臂机器人将业务延展到无人物流仓；再往后考虑双足人形与更复杂的家庭场景。

在这个过程中大晓并非从头开始。商汤过去11年的积累为大晓机器人的商业落地带来可复用的资源。

比如商汤旗下“方舟”视觉平台已在城市中落地大量事件检测应用这让大晓有可能快速切入安防、巡检等场景；此外商汤在海外市场的布局也为大晓机器人未来卖到其他国家提供了现成的通道。

近期《智能涌现》对王晓刚进行了专访聊了聊他对世界模型的判断以及大晓的技术细节。以下对话经作者整理。

赛道升级：VLA到世界模型

“从VLA到世界模型的‘升级’你认为这是同一个技术方向的逐渐演变还是一个很大的转折？”

“这条线是一脉相承的。我把世界模型、端到端、强化学习看成同一条技术链路在不同阶段的延伸。”

“你说去年11月就主导发布过世界模型但当时大家‘不相信’世界模型。后来商汤用上汽智己的智驾业务做了验证具体验证了什么？”

“世界模型解决了哪些VLA的短板问题？”

“你为什么强调‘世界模型要与强化学习结合’？”

“Sora这种生成式世界模型和大晓推出的具身世界模型之间的区别是什么？”

“所以大晓推出的世界模型有哪些能力可以帮助具身智能更好地执行任务？”