7.4
深览指数
科技量子位·Jay··AI 生成
WAIC最狠展台打爆工业「深水区」！它石智航首发具身原生大脑AWE 3.5，具身Scaling全面释放
它石智航在2026年WAIC上展示了基于具身原生基座模型AWE 3.5的1:1线束流水线，实现多机器人多任务实时协作。该模型首次打通了从预训练到后训练的完整原生范式，视觉、语言、动作从预训练阶段即融合，使模型自身成为“仿真器”，通过内部模拟自我对弈实现强化学习，大幅提升新任务学习和部署效率。文章认为具身Scaling已全面释放，2027年可能出现分水岭，并详细讨论了从技术路线选择到数据规模、真实场景闭环等关键问题。适合关注具身智能技术路线、产业落地和公司战略的从业者、投资者及研究者阅读。原文 ↗
核心观点
- ▍它石智航发布的AWE 3.5是具身智能领域第一个真正打通预训练到后训练完整范式的原生模型，其核心突破是模型自身成为“仿真器”，无需手工搭建仿真环境即可进行内部自我对弈和强化学习。
- ▍具身Scaling已全面释放，预计2027年上半年到年中可能出现分水岭，评判标准将从单场景任务转向以一定可靠率完成多场景规模化落地。
- 01AWE 3.5基于超百万小时human-centric数据训练，数据量级与主流视频生成模型和自动驾驶所需数据相当。
- 02在WAIC现场，AWE 3.5驱动的机器人能完成线束装配、整理桌面、打包手机、插网线、零件分拣等多种任务，且不切换模型参数。
- 03AWE 3.5从预训练阶段开始，就将视觉、语言、动作等多种模态一起训练，形成One Model结构，切换输入输出组合即可获得不同“人格”（如Base Policy和Action Condition World Model）。
- 04AWE 3.5的世界模型Demo允许观众戴数据采集夹爪与模型生成的平行世界互动，重力、柔性、碰撞、位移等物理反馈均由模型从数据中学到，无需牛顿定律代码或碰撞引擎。
- 05首席科学家丁文超表示，当前一个新任务只需要小时级别的数据采集就能让模型跑通到大致可用的程度。
- 06它石智航自研灵巧手，采用Top-Down路径：先梳理需要完成的人类动作和匹配的数据，再反向定义硬件设计。
反方 / 局限
- — 文章承认，进入真实工厂后系统需要长期稳定不间断运行，工程难度依然极高，展会上展示的“干活”任务大多经过了抽象和简化。
- — 丁文超指出，当前最大的“未解之谜”在灵巧手，其高维度和富接触特性可能带来新的技术挑战，乐观预期12到18个月内才能看到明显产业趋势。
- — 文章隐含了一个前提：具身Scaling的有效性依赖于“足够大的真实数据规模”和“能消化大规模数据的Infra”这两条暗线，缺一不可。对于缺乏数据或Infra的公司，路线可能无法复制。
21 分钟 · 5 卡片 · 15 资料
读原文 →