7月27日，2025世界人工智能大會(huì)（WAIC）進(jìn)入第二天，最熱鬧、最“核爆”的依然是具身智能。商湯科技、智元機(jī)器人當(dāng)天分別發(fā)布“悟能”具身智能平臺(tái)和面向真實(shí)世界雙臂機(jī)器人的世界模型開(kāi)源平臺(tái)GE。

“悟能”具身智能平臺(tái)讓機(jī)器人“聞令而動(dòng)”

在當(dāng)天召開(kāi)的“大愛(ài)無(wú)疆·模塑未來(lái)”WAIC 2025大模型論壇上，商湯科技發(fā)布“悟能”具身智能平臺(tái)。該平臺(tái)以商湯具身世界模型為核心引擎，依托商湯大裝置提供端側(cè)和云側(cè)算力支持，能夠?yàn)闄C(jī)器人、智能設(shè)備提供強(qiáng)大的感知、視覺(jué)導(dǎo)航及多模態(tài)交互能力，推動(dòng)智能終端向更高層次的自主化與智能化演進(jìn)。該平臺(tái)可賦能機(jī)器人等各種終端硬件，實(shí)現(xiàn)對(duì)世界萬(wàn)物的感知理解能力，并支持嵌入到端側(cè)芯片，具有強(qiáng)大的場(chǎng)景適配性。

在7月27日召開(kāi)的“大愛(ài)無(wú)疆·模塑未來(lái)”WAIC 2025大模型論壇上，商湯科技發(fā)布“悟能”具身智能平臺(tái)。 本文圖均為 受訪者供圖

論壇現(xiàn)場(chǎng)，商湯科技董事長(zhǎng)兼首席執(zhí)行官徐立展示了搭載具身世界引擎的人形機(jī)器人講解PPT的效果，機(jī)器人語(yǔ)言自然、風(fēng)趣幽默，不僅可以自動(dòng)翻頁(yè)，還能回答各類(lèi)問(wèn)題，并進(jìn)行階段性小結(jié)。

商湯透露，商湯具身世界模型還能構(gòu)建面向人、物、場(chǎng)的4D真實(shí)世界。用戶僅需要輸入簡(jiǎn)單的提示詞，比如“在廚房區(qū)域的架子上找東西”“進(jìn)入娛樂(lè)室、向右轉(zhuǎn)，然后打開(kāi)通往院子的門(mén)”等，具身世界模型就能自主進(jìn)行位姿、動(dòng)作骨架和指令的生成，可以說(shuō)是“聞令而動(dòng)”。徐立表示，商湯希望“悟能”具身智能平臺(tái)能夠幫助各種具身智能企業(yè)，幫助他們完成和現(xiàn)實(shí)世界交互的夢(mèng)想。

智元發(fā)布雙臂機(jī)器人世界模型開(kāi)源平臺(tái)

同樣是7月27日，由智元機(jī)器人主辦、以“全球視角下的具身智能新機(jī)遇”為主題的“智啟具身論壇”在上海世博展覽館舉行，匯聚包括來(lái)自PI、Intrinsic、清華大學(xué)、Sanctuary AI、英偉達(dá)、亞馬遜等全球具身智能領(lǐng)域的“最強(qiáng)大腦”，聚焦機(jī)器人基礎(chǔ)模型泛化、高性能操控等關(guān)鍵方向，開(kāi)啟了一場(chǎng)跨越學(xué)術(shù)與產(chǎn)業(yè)的“華山論劍”。

智元機(jī)器人合伙人&具身業(yè)務(wù)部總裁姚卯青表示，目前，智元機(jī)器人通過(guò)自建專(zhuān)業(yè)數(shù)采工廠，形成了全球最大數(shù)據(jù)集AgiBot World并開(kāi)源。智元還發(fā)布了行業(yè)首個(gè)通用具身基座模型——啟元大模型，擁有“一腦多形”能力，可適配其他異構(gòu)機(jī)器人本體。在場(chǎng)景端，智元機(jī)器人憑借“機(jī)器人+具身模型”技術(shù)重構(gòu)了智能生產(chǎn)力范式，現(xiàn)已在工業(yè)制造、倉(cāng)儲(chǔ)物流、電力巡檢、交互引導(dǎo)四大場(chǎng)景實(shí)現(xiàn)突破性落地。

論壇上，姚卯青代表智元機(jī)器人發(fā)布了行業(yè)首個(gè)真正面向真實(shí)世界雙臂機(jī)器人的世界模型開(kāi)源平臺(tái)“Genie Envisioner”（以下簡(jiǎn)稱(chēng) GE）。該平臺(tái)融合了預(yù)測(cè)、控制、評(píng)測(cè)三大核心能力，為機(jī)器人從“看見(jiàn)”到“行動(dòng)”提供了端到端、一體化的解決方案。

2025世界人工智能大會(huì)智元機(jī)器人展臺(tái)。

GE平臺(tái)的核心是多視角視頻擴(kuò)散模型GE-Base，以AgiBot-World-Beta數(shù)據(jù)集為基礎(chǔ)，利用超過(guò)100萬(wàn)條、近3000小時(shí)的頭部與雙臂腕同步視頻流，捕捉機(jī)器人操作任務(wù)中的空間布局、動(dòng)作演化與語(yǔ)義意圖。160M參數(shù)級(jí)別的動(dòng)作解碼器GE-Act，可以幫助機(jī)器人完成從視覺(jué)感知到動(dòng)作執(zhí)行的跨模態(tài)遷移。在真實(shí)平臺(tái)驗(yàn)證中，搭載GE-Act的機(jī)器人先后完成“做三明治”“倒茶”“擦桌面”“使用微波爐加熱”“流水線裝箱”等五項(xiàng)任務(wù)，各項(xiàng)成功率均遠(yuǎn)超行業(yè)平均值。GE平臺(tái)的發(fā)布，標(biāo)志著機(jī)器人從被動(dòng)執(zhí)行向主動(dòng)“想象—驗(yàn)證—行動(dòng)”的轉(zhuǎn)變，將持續(xù)推動(dòng)智能制造與服務(wù)機(jī)器人的落地應(yīng)用。

姚卯青透露，智元的精靈系列下一代機(jī)器人本體——精靈G2即將發(fā)布。相較于上一代，G2在運(yùn)動(dòng)精度、場(chǎng)景適配性上全面升級(jí)，具備原生數(shù)采能力，可勝任工業(yè)、商業(yè)、家庭等多元場(chǎng)景，進(jìn)一步拓寬具身智能的應(yīng)用邊界。