henry 发自 凹非寺
量子位 | 公众号 QbitAI
真没想到啊！物理AI的账单，有一天竟然能和大模型一个价。
毕竟，视频跟文本孰大孰小，我还是分得清的。
不过，就在刚刚，具身世界模型的部署成本，被智在无界打下来了——
在机器人身上部署世界模型，一个月只要150块，相当于充个GPT Plus会员的钱。
而这，就来自他们最新发布的隐式世界模型产品Being-H-Flash。
在单台机器人每天扫码1000件快递的流水线场景中，Being-H-Flash月算力成本仅需150元。
相当于英伟达Cosmos方案的2%，甚至比VLA架构的Pi0.5还便宜70%。
更关键的是，它不只是便宜。
当其他显式世界模型还主要依赖云端部署时，Being-H-Flash已经直接跑进了机器人本体。
在类似Orin NX这样的百TOPS级端侧算力条件下，Being-H-Flash能实现接近20FPS实时运行，并且同时兼容国产AI芯片和英伟达平台部署。
（注：不同世界模型在训练级显卡、消费级显卡与端侧芯片上的推理速度对比，单位FPS，越大越好，x表示由于算力受限）
智在无界介绍，Being-H-Flash也是全球首个在端侧，甚至是百TOPS级芯片上实现实时运行的世界模型。
这是怎么做到的 ？
世界模型端侧开跑要理解Being-H-Flash为什么能在100TOPS端侧芯片上实时运行，得先回到开头浅浅提到的两个概念：
显式世界模型和隐式世界模型。
过去一年，以VLA（Vision-Language-Action）为代表的具身模型不断刷新机器人的操作能力上限。
但与此同时，一个问题也越来越难以回避：在动态的真实世界里，单纯地看到场景、输出动作，往往并不够。
一旦涉及物体运动、遮挡、接触以及形变，机器人就必须考虑动作带来的后续影响。否则，一个看似正确的动作，可能从执行开始就已经注定失败。
因此，机器人不仅需要知道下一步该怎么做，还需要预判这样做之后会发生什么。
于是，能规划未来的世界模型开始成为具身新的演进方向，但世界模型内部，也有两条不同路线。
具体来说，一边是以英伟达Cosmos-Policy为代表的显式世界模型，它会先逐帧生成未来画面，再根据这些画面规划动作。
这样做的好处是能够直接建模未来的物理变化，但代价也很明显：未来画面需要逐帧生成，算力和延迟成本都很高。
而Being-H0.7所采用的隐式世界模型，则选择了另一条路线。
它不再生成未来画面，而是在多模态感知与动作生成之间构建一个潜空间（Latent Space），把当前观测、任务目标以及对未来状态的判断压缩到其中进行推演。
换句话说，它依然在预测未来，只是不再通过“画出来”的方式。
（注：有别于英伟达的显式路线，Being-H0.7首次开创了“人类视频预训练”+“潜空间推理”相结合的隐式世界模型路线）
这种做法最大的好处，就是把“预测未来”从像素空间搬到了潜空间。
大量视频生成带来的计算开销被省掉了，但世界模型对未来状态的推演能力依然得以保留。
路线更轻，是Being-H-Flash能够跑进端侧的第一步。
但不画未来，并不意味着无法精准预测未来状态。
为了确保模型在潜空间的推演能力，团队还使用了超过20万小时第一人称人类视频和超过1.5万小时机器人示教数据进行训练。
与此同时，团队还构建了一整套面向端侧部署的推理基础设施，包括自研Universal Async Chunking（UAC）等异步推理技术。
模型负责在潜空间里预测未来，系统则负责让这些预测更快地转化成动作。
前者避免了像素级rollout带来的巨大计算开销，后者进一步压缩了控制延迟。
最终，Being-H-Flash成为全球首个在百TOPS级端侧芯片上实现实时运行的世界模型。
端侧跑通了，然后呢？看到这里，一个问题自然来了：世界模型跑进端侧，然后呢？
两件事。第一，它决定机器人到底能不能用。第二，它决定这笔账到底能不能算过来。
先说第一件。
举个栗子，你跟DeepSeek对话，模型多思考几秒，鲸鱼脑袋上转几圈，然后给你一个答案，大多数时候问题不大。
但机器人不一样。
一台产线上的机器人晚两秒做判断，螺丝可能已经拧穿了电路板；仓储机器人晚两秒避障，货物可能已经撞翻在地。
所以，世界模型如果挂在云端跑，网络延迟和断连风险就成了控制系统里最脆弱的一环。
更别提很多工厂环境本身网络条件有限，断网和抖动并不罕见。
因此，端侧实时运行，实现闭环控制的重要性就在于此。
比如，接住一颗高速滑落的小球，看起来只是接个球，但真正难的其实不是动作，而是预测。
机器人需要持续判断小球下一秒会出现在哪里，并实时调整机械臂轨迹完成接取。
类似的挑战还出现在液体和柔性物体上。
倒水时液体会怎么流，抓起塑料袋后会往哪边变形，看似是不同任务，背后考验的其实是同一种能力：对未来状态的实时预测。
这些任务虽然看起来不同，但背后其实依赖的是同一种能力：在动作发生之前，先对未来进行推演。
而当这种能力第一次能够在机器人本体实时运行之后，世界模型也开始从实验室里的Demo，变成产线上的实际能力。
过去，世界模型在云端，机器人在产线，中间隔着一根网线。
现在，世界模型第一次真正装进了机器人身体里。
这或许才是Being-H-Flash更重要的意义。
接下来，就是第二件事，世界模型能不能大规模落地。
世界模型终于算得过账了Being-H-Flash做到了一件此前世界模型很难做到的事：
保留对物理世界的预测能力，同时把部署成本压到了产业能够接受的位置。
很长一段时间里，世界模型面临的都是同一个问题：能力越强，成本越高。
而成本越高，距离真实部署就越远，以Cosmos-Policy为代表的显式世界模型就是如此。
它们能够建模复杂的物理过程，但高昂的推理开销决定了大多数情况下只能部署在云端数据中心。
对于很多真实场景来说，仅仅算力账这一项，就已经很难成立。
相较之下，Being-H-Flash选择了一条不同的路。
它没有把世界模型变成更大的视频生成器，而是通过隐空间推理，把对未来的预测能力保留下来，同时把实时运行所需算力压缩到百TOPS级端侧平台。
对于机器人厂商来说，这意味着不必再在模型能力和部署成本之间做二选一。
除此之外，围绕不同部署需求，智在无界还推出了完整的Being-H-Flash产品矩阵。
其中，Being-H-aura面向标准部署场景，Being-H-ventus进一步强化运行效率，而旗舰版Being-H-procella则针对具体机器人本体、硬件平台和业务场景进行专项优化。
（注：Being-H-Flash产品矩阵，以隐式世界模型为基座，从aura，ventus到procella，逐级推进真实场景机器人的部署效率和性能）
就像开头说的，Being-H-procella已经完成英伟达与国产芯片双平台适配，并在国产百TOPS级端侧平台实现实用化部署。
这意味着，“国产世界模型+国产芯片”第一次从产业愿景走向工程现实。
当端侧算力门槛降到百TOPS，当月度算力成本降到百元级，许多过去算不过账的场景，也开始有了规模化落地的可能。
仓储物流里高速变化的包裹，工业产线上不断调整的机械臂，以及商超和家庭环境中的柔性物体与连续操作任务，都开始进入世界模型的能力半径。
从Being-H0到Being-H0.7再到Being-H-Flash，智在无界用一年时间完成了隐式世界模型从提出到端侧部署的闭环。
而这或许也揭示了世界模型商业化真正重要的一件事——
决定它能否走出实验室的，从来不只是能力上限。
更重要的，是谁能先把它装进机器人、放进产线，再把成本打到产业愿意买单的位置。
至少从今天来看，世界模型终于开始算得过这笔账了。
One More Thing最后来简单介绍一下， Being-H-Flash背后的团队——
BeingBeyond（智在无界）。
智在无界成立于2025年5月，是一支刚满一岁的团队。
创始人卢宗青，是北京大学计算机学院长聘副教授、智源学者，长期深耕强化学习。
在学术界，他较早提出利用大规模人类视频训练具身模型的方向，这也成为了智在无界后来技术路线的起点。
公司核心技术开发人员占比超过70%，博士学历占比近60%，主要来自北京大学、清华大学、中国人民大学、南洋理工大学、南加州大学等国内外知名高等院校。
过去一年，智在无界几乎保持着3-4个月一代模型的迭代速度。
从Being-H0的1000小时人类视频预训练，到H0.5扩展至1万小时，再到H0.7将训练规模提升至20万小时，这条技术路径始终围绕着同一个问题：
如何让机器人像人一样，通过观察世界来理解世界。
而今天发布的Being-H-Flash，则把这套能力第一次带进了百TOPS级端侧芯片。
从人类视频预训练，到隐式世界模型，再到端侧实时部署。
一年，四代模型，很具身。
— 完 —
量子位 QbitAI · 头条号签约
关注我们，第一时间获知前沿科技动态
长宏网提示：文章来自网络，不代表本站观点。
