機(jī)器之心發(fā)布

在世界模型這條賽道上，很少有時(shí)刻能像現(xiàn)在這樣耐人尋味。

時(shí)間撥回 2025 年 12 月，大曉機(jī)器人正式發(fā)布 Kairos "多模態(tài)理解 — 生成 — 預(yù)測" 原生一體化架構(gòu)；今年 3 月，這套架構(gòu)完成了端側(cè)部署和驗(yàn)證。而此后，英偉達(dá)最新發(fā)布的 Cosmos 3.0，竟也采用了同源架構(gòu)。

一家中國具身智能公司，比行業(yè)巨頭提前押中了同一條技術(shù)路線。這背后，是 Kairos 開悟世界模型早已新創(chuàng)的原生一體化技術(shù)體系。

而就在近日，這套體系交出了一份足夠硬的成績單 —— 大曉機(jī)器人開悟世界模型（Kairos）在 RoboTwin 2.0、LIBERO-Plus、WorldModelBench、DreamGen Bench 四大全球權(quán)威具身智能基準(zhǔn)上全面登頂。這份領(lǐng)跑成績的背后，是 Kairos 3.0 對世界模型技術(shù)路線的底層范式革新。

如今，大曉機(jī)器人正式發(fā)布開悟世界模型技術(shù)報(bào)告，詳細(xì)闡述 Kairos 開悟世界模型以原生一體化設(shè)計(jì)、面向具身智能訓(xùn)練為核心哲學(xué)，從架構(gòu)底層為物理 AI 原生打造，首次實(shí)現(xiàn) "多模態(tài)理解 — 生成 — 預(yù)測" 原生一體化架構(gòu)、跨具身漸進(jìn)式訓(xùn)練體系及 "以人為中心" 的數(shù)據(jù)金字塔，以及端側(cè)可部署的能力，將世界模型從 "世界生成器" 升級為 "理解世界、生成世界、與世界交互" 的全新模型，實(shí)現(xiàn)了與行業(yè)普遍 "通用視頻生成模型 + 具身場景續(xù)訓(xùn)微調(diào)" 截然不同的路徑。

技術(shù)報(bào)告鏈接：

• https://arxiv.org/abs/2606.16533
• https://huggingface.co/papers/2606.16533

要理解 Kairos 開悟世界模型為何能提前一步，得先看清整個(gè)行業(yè)卡在了哪里。

三大流派各有所長，卻撞上同一堵墻

當(dāng)具身智能從概念走向產(chǎn)業(yè)落地，世界模型從單純的視頻生成演示品，轉(zhuǎn)向支撐機(jī)器人真實(shí)運(yùn)行的核心基礎(chǔ)。當(dāng)前全球世界模型研究已形成三大主流技術(shù)流派，沿著不同路徑向物理 AI 基礎(chǔ)設(shè)施方向演進(jìn)。

• 第一類是生成式像素級渲染流派，以英偉達(dá) Cosmos 為代表，核心是在像素空間直接合成高保真、時(shí)序連貫的未來視覺畫面，主打視頻生成與數(shù)字孿生能力，視覺逼真度突出，但計(jì)算開銷較高，天然帶有內(nèi)容生成屬性。
• 第二類是交互式環(huán)境建模范式，代表包括 DeepMind Genie 3、Dreamer 系列，側(cè)重構(gòu)建可探索、可交互的持久仿真環(huán)境，智能體可通過 "想象" 遞歸優(yōu)化長時(shí)程行為，作為內(nèi)部模擬器支撐自進(jìn)化學(xué)習(xí)。
• 第三類是預(yù)測式潛表征學(xué)習(xí)流派，以 Meta JEPA 系列為典型，不做像素級渲染，而是在抽象隱空間中學(xué)習(xí)具備物理意義的預(yù)測結(jié)構(gòu)，天然適配零樣本規(guī)劃、機(jī)器人控制等下游決策任務(wù)，計(jì)算效率更優(yōu)。

三類路徑各有側(cè)重，但普遍面臨學(xué)習(xí)碎片化、長時(shí)程狀態(tài)漂移、具身錨定不足等共性瓶頸。為此，大曉機(jī)器人以原生范式破局，以技術(shù)效率取勝，Kairos 開悟世界模型正在重新定義世界模型的技術(shù)坐標(biāo)系。下面從架構(gòu)、訓(xùn)練、部署三個(gè)層面，拆解 Kairos 究竟做對了什么。

原生一體化架構(gòu)，打造具身的「最強(qiáng)大腦」

Kairos 開悟世界模型首創(chuàng)的 "多模態(tài)理解 — 生成 — 預(yù)測" 原生一體化架構(gòu)，讓世界模型第一次在底層實(shí)現(xiàn)了 "能認(rèn)知、會推演、可執(zhí)行" 的完整能力閉環(huán)，徹底跳出了傳統(tǒng)方案 "生成強(qiáng)、控制弱" 的能力偏科。

在此之前，行業(yè)主流世界模型普遍脫胎于通用視頻生成技術(shù)棧，走 "通用生成底座 + 外掛控制模塊" 的拼接路線。視頻生成模塊專注視覺渲染，動作控制模塊單獨(dú)訓(xùn)練輸出軌跡，兩套系統(tǒng)各自獨(dú)立、表征體系完全割裂。這種組裝式設(shè)計(jì)帶來三大長期難解的行業(yè)頑疾。

• 一是表征錯位，視覺語義與機(jī)器人動作空間無法原生對齊，直接導(dǎo)致動作執(zhí)行與環(huán)境動態(tài)不同步、物理交互細(xì)節(jié)失真；
• 二是誤差累積，"先生成畫面、再提取動作" 的兩級流水線，每一步傳遞都在引入偏差，長時(shí)程復(fù)雜任務(wù)下狀態(tài)漂移問題尤為突出；
• 三是定位局限，模型始終停留在 "內(nèi)容生成工具" 的定位，無法成為支撐機(jī)器人自主決策的智能底座，難以支撐真正的閉環(huán)自進(jìn)化。

開悟世界模型 Kairos 架構(gòu)圖

Kairos 開悟世界模型徹底摒棄了拼接式設(shè)計(jì)思路，以單一混合 Transformer（MoT）為統(tǒng)一骨干網(wǎng)絡(luò)，將世界理解、世界生成、世界預(yù)測三大模塊原生融合進(jìn)同一套技術(shù)棧。三者并非簡單的功能堆疊，而是共享同一套底層世界狀態(tài)表征，由混合線性時(shí)序記憶機(jī)制統(tǒng)一維護(hù)全局狀態(tài)一致性，從根源上消解了模塊拼接帶來的內(nèi)生矛盾。

具體來看，世界理解模塊作為全系統(tǒng)的認(rèn)知基底，從異構(gòu)多源數(shù)據(jù)中提煉物理規(guī)律、因果邏輯與任務(wù)語義，為全鏈路輸出提供精準(zhǔn)的語義錨點(diǎn)；世界生成模塊承接認(rèn)知結(jié)果，結(jié)合多模態(tài)指令推演生成物理自洽的環(huán)境動態(tài)，核心服務(wù)于策略推演而非單純視覺展示；世界預(yù)測模塊與生成模塊采用同構(gòu)設(shè)計(jì)、聯(lián)合訓(xùn)練，可直接輸出可落地執(zhí)行的機(jī)器人動作軌跡，推理階段還可獨(dú)立啟用純動作預(yù)測模式，跳過視頻生成環(huán)節(jié)直接輸出控制指令，兼顧精度與部署效率。

Kairos 開悟世界模型原生一體化架構(gòu)不僅解決了長期困擾行業(yè)的表征錯位與誤差累積難題，更重新定義了世界模型的核心價(jià)值，它不再是輔助性的生成工具，而是具備完整認(rèn)知閉環(huán)的物理智能內(nèi)生大腦。

首創(chuàng)具身原生預(yù)訓(xùn)練范式，讓世界模型從「懂物理」到「會操作」

架構(gòu)層面的原生一體化能力，根源上來自 Kairos 開悟世界模型首創(chuàng)的物理 AI 原生預(yù)訓(xùn)練范式。正是這套分層遞進(jìn)的訓(xùn)練體系，讓 Kairos 開悟世界模型實(shí)現(xiàn)了跨場景、跨具身的強(qiáng)泛化能力，在四大基準(zhǔn)測試中持續(xù)超越全球主流世界模型廠商。

在傳統(tǒng)技術(shù)路線中，世界模型普遍遵循 "通用視頻生成模型 + 機(jī)器人數(shù)據(jù)下游續(xù)訓(xùn)" 的路徑，背后是數(shù)據(jù)來源的天然割裂困境?；ヂ?lián)網(wǎng)開放視頻規(guī)模巨大但缺乏動作錨定與任務(wù)意圖，僅能提供表層視覺規(guī)律；人類行為數(shù)據(jù)蘊(yùn)含任務(wù)邏輯與交互模式，卻無法直接對齊機(jī)器人控制空間；機(jī)器人交互數(shù)據(jù)與具身控制最相關(guān)，卻采集成本高、場景覆蓋窄，難以規(guī)?；??；旌嫌?xùn)練易造成信號沖突，分步微調(diào)又會導(dǎo)致知識斷層，最終模型往往陷入 "懂物理不會操作、會操作難泛化" 的兩難。

Kairos 開悟世界模型徹底摒棄這種 "后補(bǔ)式" 微調(diào)思路，提出跨具身數(shù)據(jù)課程（Cross-Embodiment Data Curriculum，CEDC），將異構(gòu)數(shù)據(jù)組織為三級漸進(jìn)式訓(xùn)練體系，從訓(xùn)練源頭原生注入物理智能。

第一階段為物理預(yù)訓(xùn)練，依托百萬小時(shí)級開放世界視頻，構(gòu)成物理認(rèn)知的規(guī)模根基。Kairos 開悟世界模型采用的數(shù)據(jù)覆蓋人類、機(jī)器人、通用場景、物理現(xiàn)象四大核心領(lǐng)域，通過層級分類體系實(shí)現(xiàn)千級細(xì)粒度場景覆蓋。這一層數(shù)據(jù)量級最大、覆蓋最廣，核心價(jià)值是為模型注入重力、碰撞、物體恒存、流體力學(xué)等通用物理規(guī)律，構(gòu)建底層世界常識，對應(yīng)物理預(yù)訓(xùn)練階段的能力目標(biāo)。

第二階段則是 "以人為中心" 的 ACE 數(shù)據(jù)范式，通過十萬小時(shí)級人類行為數(shù)據(jù)，承載任務(wù)語義的過渡銜接。針對機(jī)器人操作場景數(shù)據(jù)稀缺的行業(yè)痛點(diǎn)，團(tuán)隊(duì)收集了大量以人為中心的高精度人類操作數(shù)據(jù)，并配套長時(shí)程任務(wù)思維鏈增強(qiáng)，重點(diǎn)覆蓋工具使用、日常家務(wù)等結(jié)構(gòu)化任務(wù)場景，完整保留人類完成任務(wù)的視角邏輯、動作序列與隱含意圖，承上啟下打通物理認(rèn)知與動作控制的語義斷層，完成從 "被動觀察" 到 "主動理解" 的能力過渡。

第三階段為狀態(tài)與動作聯(lián)合訓(xùn)練，利用高精度機(jī)器人交互數(shù)據(jù)實(shí)現(xiàn)具身控制的精準(zhǔn)錨定。這一層整合優(yōu)質(zhì)開源機(jī)器人數(shù)據(jù)集與自研真實(shí)機(jī)器人交互數(shù)據(jù)，聚焦雙臂協(xié)作、柔性操作等高價(jià)值場景，數(shù)據(jù)密度最高、動作錨定最精準(zhǔn)，直接支撐模型感知表征與動作空間的原生對齊。

從 "堆砌數(shù)據(jù)混訓(xùn)" 到 "課程化漸進(jìn)習(xí)得"，這套原生預(yù)訓(xùn)練范式通過 "以人為中心" 數(shù)據(jù)金字塔大幅提升了數(shù)據(jù)利用效率，讓不同來源的知識逐層沉淀、有機(jī)融合，既保留了大規(guī)模數(shù)據(jù)帶來的泛化性，又實(shí)現(xiàn)了機(jī)器人控制的高精度錨定，為原生統(tǒng)一架構(gòu)的能力落地筑牢了數(shù)據(jù)根基。

首創(chuàng)端側(cè)原生部署，讓世界模型走出云端走進(jìn)物理世界

物理 AI 產(chǎn)業(yè)落地的核心瓶頸，在于世界模型能否實(shí)現(xiàn)輕量化、高實(shí)時(shí)性的端側(cè)部署。Kairos 世界模型自底層架構(gòu)起便將部署效率列為核心原生設(shè)計(jì)準(zhǔn)則，依托算法蒸餾與硬件協(xié)同的全棧一體化優(yōu)化，顛覆行業(yè)內(nèi) "高性能世界模型必須綁定超大算力集群" 的固有認(rèn)知，達(dá)成消費(fèi)級終端流暢運(yùn)行、邊緣設(shè)備近實(shí)時(shí)推理的能力，徹底打破云端算力的部署局限，深度融入機(jī)器人實(shí)體運(yùn)動控制閉環(huán)。

首個(gè)世界模型驅(qū)動的端側(cè)具身大腦 Kairos-4B

Kairos 開悟世界模型采用算法、芯片雙向協(xié)同的部署一體化設(shè)計(jì)，把端側(cè)算力、內(nèi)存、時(shí)延約束前置至模型研發(fā)全鏈路。算法側(cè)創(chuàng)新推出 "分布匹配 + 一致性約束" 混合時(shí)間步蒸餾框架，將傳統(tǒng)數(shù)十輪擴(kuò)散采樣精簡至僅 4 步，在近乎無損維持物理運(yùn)動一致性、畫面生成品質(zhì)的基礎(chǔ)上，從算法本源壓低推理時(shí)延理論下限；芯片側(cè)深度定制混合并行推理調(diào)度、DiT 特征緩存復(fù)用、算子內(nèi)核融合方案，疊加 FP8 低精度運(yùn)算、INT4 權(quán)重量化、分塊流式內(nèi)存讀寫多重優(yōu)化手段，在保障輸出精度不衰減的前提下，顯著降低顯存開銷與整體計(jì)算耗時(shí)。

實(shí)測驗(yàn)證數(shù)據(jù)表明：輕量化端側(cè)可用的 Kairos-4B 世界模型生成一段 480P、時(shí)長 5 秒的物理仿真視頻，4 卡 A800 硬件環(huán)境下僅需 3 秒即可完成；推理速度較同參數(shù)規(guī)格競品提升 2.5–3.7 倍，對比數(shù)十億參數(shù)通用世界模型，最高提速可達(dá) 85 倍。

一次范式級的躍遷

回到文章開頭那個(gè)耐人尋味的時(shí)刻 —— 當(dāng)英偉達(dá) Cosmos 3.0 采用與 Kairos 同源的架構(gòu)時(shí)，它所印證的，其實(shí)是一條技術(shù)路線的正確性。

憑借原生技術(shù)體系的全棧式革新，Kairos 開悟世界模型實(shí)現(xiàn)了技術(shù)路線的范式級躍遷。以 "多模態(tài)理解 — 生成 — 預(yù)測" 原生一體化架構(gòu)、跨具身漸進(jìn)式訓(xùn)練體系、"以人為中心" 的數(shù)據(jù)金字塔，以及端側(cè)可部署的能力，系統(tǒng)性破解了行業(yè)長期存在的能力偏科、落地門檻高、長時(shí)程穩(wěn)定性不足等核心痛點(diǎn)，打造 "一腦多型" 能力，為各種類型等多元實(shí)體場景提供了可規(guī)?；涞氐暮诵闹悄艿鬃?。

從 "世界生成器" 到 "理解世界、生成世界、與世界交互" 的物理智能大腦，Kairos 走的不是一條修補(bǔ)舊范式的路，而是從架構(gòu)底層重新出發(fā)。這，或許正是大曉機(jī)器人能比巨頭提前一步、并在四大全球基準(zhǔn)上全面登頂?shù)母驹颉?/p>

文中視頻鏈接：https://mp.weixin.qq.com/s/tKuXwuJxnnVG9gNph_NPCg