3.9
深览指数
商业量子位·田, 晏林··AI 生成
物理AI的闭环，终于有人跑通了：日冕+远图万台级部署计划官宣
日冕开物与远图宣布万台级具身智能超级工站合作，在服务器制造场景落地。核心卖点是基于自研LaMPA世界模型，实现半小时适配新环境，大幅缩短收敛周期。文章宣称这是从模型Scaling转向商业Scaling的信号，但全文为PR软文，缺乏独立验证和反方视角。适合对具身智能商业化感兴趣、但需警惕营销叙事的读者。原文 ↗
核心观点
- ▍具身智能下一阶段竞争核心不是模型能力，而是谁更早进入真实场景建立数据反馈闭环，商业Scaling比模型Scaling更重要。
- 01日冕与远图在WAIC 2026前夕宣布万台级超级工站战略合作，目标在服务器制造场景验证并扩展。
- 02日冕自研LaMPA世界模型，宣称通过隐空间掩码扩散架构实现半小时适配新环境，训练效率高于传统WAM。
- 03LaMPA模型设计三个表征：Environment（环境）、Ego（自我）、Experience（先验），以统一跨模态学习物理规律。
- 04超级工站由三部分组成：LaMPA物理世界模型、模块化机器人硬件、Workflow Agent，形成规划-执行-反馈闭环。
- 05日冕与远图正在建设工业级具身智能数据体系，包括触觉数据手套、头戴式采集设备和数据处理链路。
- 06日冕创始团队来自清华，曾任职于蔚来、华为、智元机器人，公司成立仅4个月。
- 07远图是全球服务器制造龙头，提供「算-网-存-管」全栈产品体系，具备研发-供应链-制造-服务全链条能力。
反方 / 局限
- — 文章未提供任何独立第三方验证或用户反馈，所有性能数据（如半小时适配）均来自公司自述，缺乏公正性。
- — 文章未提及具身智能在工业场景普遍面临的可靠性、安全性、维护成本等现实挑战，也未与已有自动化方案做成本对比。
- — 文章中关于LaMPA模型与传统WAM的对比，缺少量化指标和公开基准测试结果，难以判断其声称的"缩短收敛周期"是否真实有效。
14 分钟 · 3 卡片 · 8 资料
读原文 →