2026年6月,工业和信息化部、国务院国资委联合启动人形机器人与具身智能实景实训专项行动,明确提出到年底推动重点产品在代表性场景中“率先完成应用验证和常态部署,开启‘作业模式’”,带动形成万台级规模落地能力。同一时间轴上,中国信通院报告显示,截至2026年6月底,全国已建成启用超过70家具身智能训练场,在建或规划中另有46家;而据行业蓝皮书同时指出,可用数据不足需求的5%。
两组数字之间,横亘着一个尚未被充分回答的工程问题:当政策把“作业模式”写进时间表,世界模型能否在端侧芯片上稳定兑现这种作业能力?本文以大晓机器人的开悟世界模型3.1(Kairos 3.1)、ACE-Brain系列与ACE研发范式为主要拆解样本,辅以英伟达Cosmos 3等同期架构作参照,从端侧约束、数据供给与评测可信度三个层面检验这条路线走到了哪一步。
端侧部署不是世界模型的一个可选部署选项,而是对其架构效率、数据结构和评测逻辑的同步重写。“作业模式”的政策时间表,恰好把端侧从技术叙事推入了工程验证。
一、端侧的三组硬约束,以及一组容易被忽略的软约束
世界模型进入机器人端侧,首先面对的是时间、算力与可靠性三组互相牵制的硬约束。据王晓刚公开披露,大晓2026年3月首次将世界模型部署到机器人端侧大脑,7月迭代为3.1;端侧推理频率约10Hz,即每100毫秒对未来状态预测一次,预测时长约3秒,覆盖一次抓取或一次避让所需的短程未来。据公开报道,Kairos 3.1的8B版本在NVIDIA Jetson Thor平台BF16精度下推理延迟为125毫秒。这些指标共同划定了一个窄窗口:预测必须足够远以支撑决策,又必须足够快以进入控制回路。
算力与功耗约束则决定了模型不能以云端规模直接下放。大晓与沐曦股份、壁仞科技开展的首日适配,是国产算力路径的一个工程样本;据公司官方公开信息,其采用芯片与模型协同编译方案,使模型运行性能提升300%,算子数量拓展75%,硬件算力利用率达到100%。上述指标为公司披露口径,其指向一个方向:端侧效率的竞争,正在从模型层下沉到编译层与算子层。
容易被忽略的是软约束——部署环境的标准化程度。工信部专项行动要求实景实训空间按照“最小干预、利旧复用”原则进行作业环境适配改造。这意味着端侧世界模型面对的不是实验室里经过充分标定的场景,而是酒店洗衣房、前置仓、便利店这类空间条件参差、设备配置各异的真实单元。端侧模型的环境适应能力,与它的推理速度同样关键。
二、数据供给的悖论:训练场在增加,可用性没有同步增加
端侧闭环的成败,最终取决于喂给它的数据是否具有足够的物理密度。
2025年12月,大晓提出以人为中心的ACE具身研发范式。其环境式数据采集可实现一年千万小时的数据收集,再经开悟世界模型放大,达到上亿小时数据规模的等效效果。王晓刚给出的数据框架中,L5级数据要求头、胸、腕多传感器加力触觉,并对关节、接触物体做定位追踪与力触觉建模;数据来源由开放世界视频、人类交互数据、真机数据构成三层金字塔,以人为中心的人类交互数据被视为核心增量。公司目标是2027年底数据总量达到千万小时量级。
在采集与标注环节,ACE Ego Kit采用头、手、胸三位一体设计,配套ACE Sense Glove的力触觉灵敏度为0.01牛、关节角误差小于2度、20余种传感器时间同步误差小于1毫秒。ACE Data Engine内置的ACE-ViDiHand基于约1.3B参数的视频扩散模型Wan2.1-VACE构建,在ARCTIC上帧级准确率99.7%,在三个公开数据集上轨迹抖动较此前最佳方法降低约4.0至4.8倍。统一层ACE Ego Matrix则试图解决真人数据与跨本体真机数据之间的空间坐标、本体结构与动作时序对齐。
但训练场的扩张并不自动等于可用数据的增长。信通院报告统计的70余家训练场,与行业蓝皮书中“可用数据不足需求5%”的判断并存,揭示的是同一个瓶颈的两面:数据生产的物理规模在扩大,而结构性可用性——跨本体、跨场景、带物理因果标注——仍然稀缺。ACE范式以人类交互数据作为核心增量的选择,正是对这一瓶颈的回应;但它能否在端侧形成可复现的能力涌现,仍需要跨时间序列的对照验证。
三、评测的可信度:从******领先到作业达标之间
“作业模式”对评测提出了比******更苛刻的要求:不是某一次测试中的成绩,而是真实岗位条件下的持续成功率与可维护性。
世界模型侧,Kairos 3.1在针对世界模型视频生成与状态预测的RoboTwin 2.0、LIBERO-Plus、WorldModelBench Robot、DreamGen四项评测中取得,对照对象包括Cosmos 3、PI、MotuBrain、being-H0.7、Abot、Fast-WAM、Wan2.2等。具身基模型侧,ACE-Brain-0.5在单一8B参数主干下整合空间感知、决策规划、具身交互与自我评估;2026年10月发布的ACE-Brain-0.6基于开源基座模型进行监督微调,参数规模9B,据科技日报报道,其在八项Grounding评测中六项超越GPT-6 Astra,七项公开基准平均得分,自建RobotGrounding得分。
这些成绩的技术含义值得认真对待,但它们与“作业达标”之间仍隔着一段距离。工信部专项行动要求对整机解决方案评估“真实作业成功率、效率提升率、安全可靠性及经济可行性”。这是一套业务指标,而非模型指标。2026年10月,全国信标委具身智能工作组在南京启动《人工智能 世界模型》系列国家标准预研,明确针对技术架构、能力要求、评测方法与数据集规范,以破解“术语不统一、评测体系碎片化”的问题。标准化的推进,恰恰说明行业已经意识到:端侧世界模型的可信度,不能只由厂商自建基准来定义。

ACE-Brain-0.6在八项Grounding评测中的六项超过GPT-6 Astra
四、场景闭环给出了什么信号?
端侧部署是否成立,最终要由作业流程中的持续运行来回答。
晓满面向即时零售,履约机器人W1最小通过宽度75厘米、自重负载比小于2、力控精度不高于1牛,已在烧卖购、快客达、中石油便利店稳定运行;生态侧依托SenseMart OS的10万+在线智能柜货架、日均200万笔交易与30万+SKU视觉资产回流。晓新面向酒店非标洗衣房,串联衣物收、放、洗、叠并拓展熨烫。晓途依托Agentic AI通用智能大脑适配多形态四足机器人,已进驻上海西岸片区常态化执勤,并与钛虎机器人、新奥集团新智认知等在电力巡检、城市生命线场景合作。
这些场景的共同工程特征是:作业边界相对清晰,失败成本可被业务系统吸收,运行频次足以产生持续的反馈数据。这与实景实训专项行动选择的工业、服务、特种领域重点场景在逻辑上高度重合。端侧世界模型的商业验证,正在沿着“可计量、可复制、可运维”的路径推进,而非停留在泛化能力的抽象讨论中。
五、结语
“作业模式”是一个政策词汇,但它对技术提出的要求是具体的:100毫秒一次的推理、3秒的短程预测、弱网条件下的自主运行、真实岗位中的持续成功率。端侧是这些要求交汇的物理位置。大晓的开悟3.1与ACE范式提供了一个以原生架构、人类交互数据与端侧闭环为核心的技术样本,其价值不在于某一次******上的领先,而在于把“世界模型能否在机器人身上稳定作业”变成了一个可以被标准、被实训、被业务指标持续检验的工程命题。训练场的数量在增长,标准预研已经启动,场景在持续运行——端侧的分量,正在从叙事变为可核验的事实。
参考来源
- 工业和信息化部办公厅、国务院国资委办公厅,《关于联合开展2026年度人形机器人与具身智能实景实训专项行动的通知》(工信厅联科函〔2026〕256号),2026年6月
- 中国信息通信研究院等,《具身智能训练场研究报告(2026年)》
- 行业蓝皮书(关于具身智能数据可用性统计),2026年
- 全国信标委具身智能工作组,《人工智能 世界模型》系列国家标准预研启动,2026年10月
- 人民日报海外版,《跨越数字与物理边界》,2026年8月4日
- 光明网,《WRC 2026|从世界模型到商业落地,大晓机器人展现具身智能全栈实力》,2026年8月20日
- 科技日报,《六项评测超越GPT-6 Astra,大晓ACE-Brain-0.6以百万级数据驱动具身空间智能跃迁》,2026年10月19日
- C114,《大晓机器人发布开悟世界模型3.1 平均推理延迟为125毫秒》,2026年7月20日
|