Newshot

具身机器人进入真机时代,华为云CloudRobo开始组队发力了

Summary

一批卡可以轮流服务多家公司,一次适配也能让更多团队受益。算力不必家家从头买,工程上的坑也不用家家重新踩。

Original text(via 量子位)

具身机器人进入真机时代,华为云CloudRobo开始组队发力了

一批卡可以轮流服务多家公司,一次适配也能让更多团队受益。算力不必家家从头买,工程上的坑也不用家家重新踩。

田晏林 发自 凹非寺 量子位 | 公众号 QbitAI

量子位 | 公众号 QbitAI

机器人在实验室里把活儿干成了,到了工厂,还能天天这么干吗?换台机器人,之前练出来的本事又能剩下多少?

光把模型训得聪明还不够,背后的算力、仿真、真机适配,都得跟上。

11月16日,华为云发布了昇腾原生具身世界模型CloudRobo-WM1.2。

从仿真训练到适配不同机器人,这个模型背后,牵出的是一整套具身智能工程难题。

两天后,华为云在上海办了场「行业AI梦工厂·具身智能高层论坛」,把这些隐秘的幕后工程,搬到了台前。

从面向Agentic计算的算力基础设施,到一站式具身智能开发平台CloudRobo,再到机器人自适应智能、高空带电作业等产业实践,机器人从实验室走向真实现场,要过哪些关,这场论坛基本聊了个遍。

现场还签了份备忘录。华为云和福建小状智能准备把CloudRobo和昇腾算力用到高校实训里,让学生上手做机器人开发。

模型发布、产业实践、高校实训,看着是几件不同的事儿,背后有一个共识:具身智能研发,有些事没必要每家公司都从头做一遍。

华为云的思路,是先把算力、存储、网络和底层适配这些活儿揽过来,再用CloudRobo把数据、训练、仿真和真机部署接起来。

至于不同行业的实际需求,就拉上懂技术、懂现场的伙伴一起解决。跑通的工具和方法,尽量留给下一个项目接着用。

不过,想让后面的工程少折腾,第一关就得先过。

机器人公司连模型都还没开训,算力该买多少、钱该怎么花,就已经够头疼了。

算力底座,先得撑得起具身智能的野心

AI从卷模型卷到了应用,算力始终是入场券。

但同样是搞AI,不同项目对算力的胃口,还真不一样。

普通问答,你问一句,大模型答一句,这轮任务基本就结束了。

换成Agent,可没这么省事。

先拆任务、查资料、调工具,拿到结果还得继续琢磨。中间哪一步走岔了,可能还得推倒重来。

华为昇腾芯片产品管理专家钱鑫源给出一组数字:近两年Token消耗增长约1400倍,Agent任务的Token消耗量,是普通问答的100至1000倍。

而到了具身智能这里,算力还得接着上强度。

机械臂伸手、握住、提起来,看着也就几秒钟的事儿。可在仿真训练里,杯子到底抓稳了没有?会不会半路滑下去?

仿真软件得先算出结果,训练程序才能根据反馈调整模型。视频、关节位置、动作记录等数据,也得一批批往里送。

仿真结果没出来,训练只能等着。数据没跟上,卡也只能闲着。

真让一家具身智能公司自己搭集群,光是该买多少卡,就够头疼了。

照平时需求买,训练和仿真赶到一块儿,实验得排队。照最忙的时候买,平时闲着的设备也得照常运维。

更别提,卡买回来,还要配网络、接存储、安排任务。

这份活儿,华为云打算接过去。

硬件采购、系统适配、长期运维,由云端统一承担。

具身团队需要集中训模型,就调一批昇腾算力;想多跑几组仿真,再按任务调整资源。

模型怎么迭代,算力就怎么跟着变。不用为了最忙的那几天,先买下一整套设备。

不过,卡调来了,还得让它真忙起来啊。

尤其是具身智能这种既要处理长视频,又要兼顾动作等多种数据的任务。

训练长视频时,计算单元得反复从显存读取数据,再把中间结果写回去。

显存带宽管的,就是数据搬得有多快。就像发动机马力再大,油管却供不上油,算力也只能干等着。

昇腾芯片从950系列往后,一边提高计算能力,一边给数据传输提速。按照规划,960DT的显存带宽最高可达到9.6TB/s!

单卡跑顺了,多张卡一起上,新的麻烦又来了。

假如一段长视频拆给好几张卡处理,其他卡都还游刃有余,偏偏有一张先把显存撑爆了。

得,大家只能跟着干瞪眼。

华为云做了长序列并行,尽量均衡不同模态的显存负载,还提前取来下一批训练数据,减少等待。

对具身智能工程师来说,这些优化可太实在了。

训练少等一会儿,实验就能多跑一轮。谁不想早点看到结果,少熬几个大夜啊!!!

还有些麻烦,甚至发生在模型开训之前。

新模型碰到框架里没有现成实现的算子,工程师还得开发、移植,再测性能。

华为云计划让专项团队和具身伙伴一起做昇腾云适配,把这类算子调好。

前一家踩过的坑,后面的团队就有机会绕着走。

对云厂商来说,这笔生意有意思的地方也在这儿。

一批卡可以轮流服务多家公司,一次适配也能让更多团队受益。算力不必家家从头买,工程上的坑也不用家家重新踩。

不过,训练集群里跑得再顺,机器人也还没真正上岗呢。

模型训出来了,下一关,是让它在真实世界里把活儿干好。

从模型到真机,CloudRobo打通工程化链路

模型在仿真里明明会抓了,到了真机,手一伸,偏了。

这几乎是每家具身智能公司都经历过的场景。

仿真里的分数明明挺漂亮,到了现场却突然掉链子。工程师又得回去查,到底哪一步出了岔子。

华为云CloudRobo要解决的,就是这类麻烦。

它把数据处理、模型训练、仿真验证,一直到真机部署接成一条链。

毕竟机器人干不好活儿,问题可能出在任何一步。每次都从头查、从头改,谁受得了?

拿数据来说,采集方式五花八门,换台设备,数据格式可能都不一样。

CloudRobo用R2C协议和SDK统一机器人接入,把不同来源的数据放到一套管线里处理,支持PB级多模态数据管理和快速索引。

换种采集方式,不必把整套流程推倒重来,针对新本体调整映射就行。

目前,平台已积累超过100万条导航轨迹、5万多条操作轨迹,还有50多种数据处理算子。

CloudRobo把训练、推理、后训练和评测放进同一个开发环境,还汇集了30多款第三方模型、30多项评测指标,以及20多项具身开发专业Skills。

计划于11月30日正式开源的昇腾原生具身世界模型CloudRobo-WM1.2,也将成为平台上的模型资源。

具身团队不用什么都从零开始,可以先拿现成的模型试试,再根据自己的机器人和任务调整。

有了模型,还得知道它到底好不好用。

比如,机器人抓杯子的成功率突然下降了。是数据出了问题,还是新模型的策略不太行?

工程师可以沿用原来的评测环境,分别调整数据和模型,看看究竟是谁惹的祸。

模型调好了,也别急着上真机。

CloudRobo支持导入描述机器人结构的URDF文件,让自家的机械臂先在虚拟世界里练练手。

同一个杯子,换个位置、转个角度,再抓一次。

真机试错要考虑设备损耗和安全,仿真里可以先筛出容易失败的情况,再生成数据补回训练。

不过,虚拟世界里练得再熟,最后还得接受真机考试。

这就轮到CloudRobo运行管理平台出场了。

它负责把云端模型和现场机器人接起来。长程规划和后续训练可以放在云上,边缘侧支持多机调度,实时控制和安全机制则尽量留在本体附近。

机器人碰到异常,现场先处理。出错前后的画面、动作轨迹等信息,也会留下记录,方便工程师排查问题、优化模型。

熟悉AI开发的朋友可能会觉得,数据管理、训练、评测,这些也不算什么新鲜事儿啊?

可机器人不一样。模型跑完还不算完,后面还连着一个真实的物理世界。

仿真里学会的动作,真机能不能复现?现场出了问题,如何更快投入新的训练?

CloudRobo想做的,就是让这条链路尽量少掉链子。

模型改一版,原来的数据管线、评测环境还能接着用;换台机器人,也不用整套开发流程重新搭。

实际用起来如何?上海交大团队现身说法。

上海交大开设了具身智能微专业。学生要是每组先找机器人、搭仿真、接数据,一门课下来,光折腾工具就够忙活了。

在华为云训练营里,30名具身智能微专业学生借助CloudRobo,从仿真一路做到真机,还对比学习了Diffusion、ACT和Pi0.5等模型。

之后,还有学员组队参加首届CloudRobo具身智能大赛,拿到了第二名。

对高校来说,学生可以少花时间搭环境,更快接触真实机器人任务。

只不过,到了产业现场,接缝还会更多。换个工厂、换条产线,设备、作业流程、安全要求都可能不一样。

华为云组队,让更多机器人上岗

有些问题,还真得让懂行业的人一起解决。

比如亿嘉和,已经把机器人送上了高空带电作业现场。旗下Z100累计交付超过400台,每年累计作业超过8万次。

与华为云合作开发的Z200Pro,计划让机器人自主判断更多现场环境、规划部分运动,减少对人工遥操作的依赖。

据亿嘉和披露,新方案作业时长可控制在30分钟以内,效率提升约30%,部分数据仍有待真实现场验证。

另有多位生态伙伴也在现场分享了与华为云的合作进展。

国地中心常务副总经理刘宇飞表示,国地中心正依托昇腾云共建异构机器人虚实融合训练场,打通真实采集与仿真合成数据,探索数据集开放和统一评测,为更多机器人提供训练资源。

大晓机器人副总裁周泉介绍,大晓已在零售、安防、酒店等场景完成从0到1落地,并与昇腾云在框架适配、算子开发、训练调优等方面合作。下一步,大晓计划把动作和任务流程沉淀为技能库和标准化交付方案,避免类似需求从头折腾。

杭州天宽具身产品总监杨光明提到正携手华为云打造端云协同巡检架构,借助云算力能力优化多机器人调度,其云精灵具身巡检方案依托生态通道持续拓展工业、园区场景落地。

四个伙伴,切入点各不相同。

有人要解决高风险作业,有人琢磨怎么批量交付,还有人专门补训练数据的短板。

但往底层看,数据处理、模型适配、仿真工具、训练调优,又有不少共通之处。

华为云「行业AI梦工厂·具身智能专区」要做的,就是把这些分散的技术能力接起来,积累成更多企业用得上的东西。

底层是昇腾云,负责提供算力;往上是CloudRobo平台,提供贯穿数据管理、模型开发、仿真验证、真机部署与持续迭代的全流程开发运营支撑,降低创新与应用门槛。

在这套技术体系上,高校、开发者、模型公司、具身智能企业和行业客户,都能把各自擅长的能力带进来。

比如,高校研究出的算法,可以交给企业在真实任务里验证;工具公司打磨好的仿真工具,可以进入更多机器人的开发流程;行业客户积累的作业经验,也有机会转化成模型训练和评测需要的数据。

前一家跑通的经验,下一家就有机会接着用。这也是生态合作的重要价值之一。

当然,伙伴辛辛苦苦做出来的东西,光放进资产库里可不够。

华为云通过云商店等渠道,把伙伴的产品和联合方案推向更多客户。

一款仿真工具如果能在多个项目里用起来,开发团队才更有动力持续维护。机器人企业也能少花些时间重复开发,把精力留给自己的场景。

技术、工具、渠道之外,华为云还拿出了真金白银,支持具身智能技术研发和行业方案落地。

具身智能专项单伙伴最高支持200万元,AI行业解决方案专项单方案最高支持100万元。

目前,专区上线5个月,已与230多家企业及高校开展合作,积累1500多项技术资产。

具身智能这场仗,打到现在,机器人从展台走进工厂,大家比拼的,不光是把活儿干成一次,还得天天干得稳,换个场景也能把本事用起来。

这背后,模型要训得起,真机要跑得稳,到了现场还得算清楚成本。哪一关都不能掉链子。

  • 潜伏小红书48h:AI时代,顶尖技术人才都在聊什么?2026-11-18
  • 大模型都能控机器人,Human Data还得怎么卷?2026-11-13
  • OpenAI新融资到账110亿美元,不及原计划一半2026-11-07
  • 为了去AI味,人类开始主动写烂文章了……2026-11-07

相关阅读

理想智驾一号位创业,落户北京亦庄了

实时互动、实时改视频、探索空间视频,Vidu S2一次放了三个大招

数亿元融资落地!国内最早布局“人类学习”路线的具身公司,用人类视角重做具身智能

具身智能正在经历一场静默但深刻的路线转变

具身智能创业来了位浙大博导,机器人会飞,VC抢着投

N台协同作业,零人工干预

π0.7发布,VLA押出了机器人的GPT-3时刻

π0.7:具有涌现能力的可控模型

银河通用把“机器人表演”变成“机器人上岗”,端到端大模型银河星脑有多强

哦豁,今年春晚舞台来了个会干活的机器人

The text above was extracted automatically from the source page and may miss images, tables or code blocks. The original is authoritative.

Published by 量子位
This site only summarises and aggregates; copyright stays with the original author. Headlines and summaries follow the source — where they differ, the original wins.
Read the original ↗