隨著互聯網天然語言數據逐步耗盡，AI想要獲得進一步的突破性成長，必要走出數字世界，迈向物理世界。

如同人類的進化轨迹——当机械可能在現實物理世界中自主索求，便能实现自我迭代與持續進化。

7月27日，由全國工商聯人为智能委員會倾力主辦，商湯科技辰╧的“大爱無疆·模塑未來” WAIC 2025大模型论坛上，商湯科技正式發布「悟能」具身智能平台，從開悟世界模型到了了智能、開悟智能，旨在為具身智能打造一個可能在現實世界中自由索求長的強大“训练場”。

基於方舟視覺感知、大裝置、日日新大模型等多種技術的長期積累，商湯「悟能」具身智能平台以商湯“開悟”世界模型為主题引擎，依附商湯大裝置提供強大的端側和雲側算力支持，可能為机械人、智能設備赋予強大的感知、視覺導航及多模態交互能力，推動智能終端向更高層次的自主化與智能化演進。

全國工商聯人为智能委員會主席團首任轮值主席、商湯科技董事長兼首席执行官徐立暗示，“世界模型和具身AI的結合，將開啟AI發展的下一個阶段，实现由‘工具’向‘人’的躍遷，加快迈向AGI時代。商湯但愿「悟能」具身智能平台可能幫助各類具身智能企業，幫助他們实现和現實世界交互的妄想。”

感知全能、導航精準、交互靈活，為具身智能打造“三大主题引擎”

感知、導航和交互，是具身智能的三大主题能力。

商湯科技在這三风雅面均擁有深厚的技術積澱，如今這些積累轉化成了「悟能」具身智能的能力。

首先，感知是机械索求現實世界的基礎。

凭借商湯方舟在視覺AI領域十餘年的深耕積累，從机械狗到机械人，「悟能」具身智能平台能為各類終端硬件赋予對萬物的識別與理解能力，同時拥有強大的場景適配性，可齐全嵌入端側芯片實現端側推理，讓感知更高效、響應更火速。

無论是机械狗的視角（上方視頻）还是机械人的視角（下方視頻），都能對表界有整體的天然感知識別，對物體形成天然划分切割。↓↓↓

導航是机械在現實世界中行動的“骨架”。

商湯絕影在纯視覺端到端智能辅助驾驶规划上的技術積累，可泛化適配至机械人、机械狗蹬撞件設備，讓机械人在更多樣的環境中實現精準路徑規划與導航。

同樣，無论是在绿化幼路中四足奔走的、體型較幼的机械狗（上方視頻）还是行驶在城區正常車路的自動驾驶車辆（下方視頻）都在實現精準路徑規划與導航的同時，準确地進行了自動避障。↓↓↓

交互是机械與現實世界連接的桥梁。

基於“日日新”大模型的技術積累與不斷迭代，“悟能”具身智能平台能够赋能机械人具備和現實世界的交互能力，具備有温度、有深度、長記忆、超穩定等能力亮點。

以AI天生的《長安的荔枝》電影介绍PPT為例，由“悟能”具身智能平台赋能的人形机械人，可能以各種風趣滑稽、嚴谨務實等各種語言風格進行生動講解。

PPT內容：

机械人講解內容：

同時，它还能够自動翻頁，實時響應用戶提問，敏感捉拿用戶意圖，期間用戶打斷提問，它实现提問後还能回归繼續講解。

PPT內容：

机械人講解內容：

它还能結合長記忆能力進行阶段性回顧汗青用戶提問，作出幼結，即便遇到嘈杂環境也能輕松應對。

PPT內容：

机械人講解內容：

商湯“悟能”具身智能平台可廣泛適配蕴含汽車、机械人在內的各類終端，實現空間層面的現實世界互動。

構建4D真實世界，為机械進化提供高質量現實世界數據

基於強大的多模態深度理解能力，商湯“開悟”世界模型具備合理的空間一致性和時間一致性，可天生高質量數據，有效提升具身智能等終端設備的智能水平。

“開悟”世界模型可能僅凭天然語言描述，即可天生真切的七路攝像头視角模擬數據，且分歧視角下的几何地位高度對應，齐全切合物理世界的規律。

“開悟”世界模型还可能編輯真實世界，可對現實世界中的車辆等場景元素進行替換、刪除、补充，創造越发多樣的現實場景。

幼汽車變成幼货車↓

原視頻? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?編輯後的視頻

“天降”公共汽車↓

原視頻? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?編輯後的視頻

基於強大的天生和編輯能力，“開悟”世界模型能够精準模擬方向盤、刹車和油門节造，帶來如同在真實的街路場景中玩“極品飛車”的成效，讓机械在現實世界中自由索求。

到了具出身界，發挥空間则更大。

相較於智能汽車，机械人適用和覆蓋的場景越发廣泛，可能通過主動索求天生更多高質量的現實世界數據，在具身智能數據匮乏确当前環境下，可通過構建面向人、物、場的4D真實世界，突破模型泛化能力的邊界。

具出身界模型讓用戶僅必要输入简單的提醒词，就能自主進行位姿、動作骨架和指令的天生，讓机械人動作更合理。

给出“在厨房區域的架子上找東西”指令，具出身界模型能够準确天生相應的場景視頻和机械人的連續位姿，從上圖變成下面連續的動態視頻↓↓↓

再來一組，还是只给出初始視角。

给出“進入娱樂室、向右轉，然後打開通往院子的門”指令，具出身界模型不僅能够進行連續位姿天生，还支持多角度查看，并维持高度的時空一致性↓↓↓

给出“天生一段切黄瓜的机械人視頻”指令，具出身界模型可準确天生動作骨架，隨後输出具身第一視角、第三視角4D世界視角等多種視角的視頻。

给出“天生一段白日公园里机械人跳躍的視頻”指令，具出身界模型同樣能够模擬天生切合3D關係的4D世界的真實視頻。

即就是分歧相機位姿視角的視頻天生，具出身界模型也能輕松拿捏，來看下具出身界模型天生的多視角視頻↓↓↓

商湯“悟能”具身智能平台在實質性突破虚實界限，構建AI與物理世界交互的高效通路。

未來，商湯科技但愿助力赋能具身智能企業實現感知、理解與天生能力的躍遷，將具身交互的不确定性挑战轉化為產業升級简直定性路徑，推動AI向下一個十年加快進化。