机器之心发布

在世界模型这条赛道上，很少有时刻能像现在这样耐人寻味。

2025年12月, 时间再次回归到这个节点, 大晓机器人正式对外公布发布了Kairos “多模态理解 — 生成 — 预测” 原生一体化架构；今年3月, 就在这一特定的时间月份, 这套架构顺利地完成了端侧部署以及验证工作。然而在此之后, 英伟达最新向外推出发布的Cosmos 3.0, 竟然也采用了同样源头的架构。

有一家来自中国的具身智能公司, 它比行业当中的巨头更早地押中了同一条技术路线这件事隐藏的背后原因, 是 Kairos 开悟世界模型早就已经新创出来的原生一体化技术体系。

就在最近这段日子, 这套体系给出了一张相当过硬的成绩单, 大晓机器人开悟世界模型也就是 Kairos, 在 RoboTwin 2.0、LIBERO - Plus、WorldModelBench、DreamGen Bench 这四大全球具有权威性的具身智能基准方面, 全都取得了第一名的成绩。而在这份处于领先地位成绩的背后, 是 Kairos 3.0 针对世界模型技术路线的底层范式进行的革新。

现今, 大晓机器人正式公布开悟世界模型技术报告, 细致详尽地阐释 Kairos 开悟世界模型以原生一体化设计、针对具身智能训练作为核心哲学, 自架构底层为物理 AI 原生塑造, 首度达成"多模态理解 — 生成 — 预测" 原生一体化架构、跨具身渐进式训练体系以及"以人为中心" 的数据金字塔, 还包括端侧可部署的能力, 把世界模型从"世界生成器" 提升为"理解世界、生成世界、与世界交互" 的全新模式, 达成了跟行业普遍采用的"通用视频生成模型 + 具身场景续训微调" 完全不同的路径。

技术报告链接：

得先弄明白整个行业究竟是卡在了什么地方, 才能够去理解 Kairos 开悟世界模型凭什么能够提前一步。

三大流派各有所长，却撞上同一堵墙

倘若具身智能自概念迈向产业落地, 世界模型由单纯的视频生成演示品, 转变为支撑机器人实际运行的核心基础, 当前全球世界模型研究已然形成三大主流技术流派, 顺着各异路径朝着物理AI基础设施方向发展。

有三类路径, 它们各自有着不同的侧重之处, 进而普遍面临着类似学习会出现碎片化、长时程状态会发生漂移、具身锚定存在不足等这些相同性质的瓶颈问题。鉴于此这种情况, 大晓机器人凭借着原生范式来实现破局, 依靠技术效率获取胜利, Kairos 开悟世界模型正在对世界模型的技术坐标系进行重新定义。接下来依据架构、训练、部署这三个层面, 去拆解 Kairos 到底做对了哪些方面。

原生一体化架构，打造具身的「最强大脑」

Kairos开悟世界模型所首创的架构, 是“多模态理解 — 生成 — 预测”原生一体化架构, 这个架构使得世界模型首次在底层达成了“能认知、会推演、可执行”的完整能力闭环, 并且完全跳出了传统方案存在的“生成强、控制弱”的能力偏科情况。

在此之前, 行业主流的世界模型, 大多是从通用视频生成技术栈衍生出来的, 走的是“通用生成底座加上外挂控制模块”的拼接路径。视频生成模块重点在于视觉渲染, 动作控制模块是单独进行训练, 然后输出轨迹, 两套系统本身相互独立, 表征体系也完全是割裂的。这样的组装式设计, 导致了三大长期都难以解决的行业棘手问题。

开悟世界模型 Kairos 架构图

Kairos开悟世界模型, 完全抛弃了拼接式设计思路, 把单一混合Transformer（MoT）当作统一骨干网络, 把世界理解、世界生成、世界预测这三大模块, 原生融合进同一套技术栈里。这三者可不是简单的功能堆叠, 而是共享同一套底层世界状态表征, 靠混合线性时序记忆机制统一维护全局状态一致性, 从根源处消解了模块拼接带来的内生矛盾。

从具体方面来讲, 世界理解模块身为全系统的认知基础部分, 它从异构多源的数据里提取物理规律、因果逻辑以及任务语义, 以此为全链路输出给予精准的语义锚点；世界生成模块承接认知所产生的结果, 它结合多模态指令去推演生成具备物理自洽性的环境动态, 其核心作用是服务于策略推演而非仅仅在于视觉展示；世界预测模块与生成模块是采用同构的设计方式, 并且进行联合训练的流程, 它能够直接做出可以落地执行的机器人动作轨迹, 在推理阶段还能够单独启用纯动作预测模式, 直接跳过视频生成环节进而直接输出控制指令, 兼顾着精度与部署效率。

Kairos开悟世界模型原生一体化架构, 解决了长期困扰行业的表征错位难题, 还解决了误差累积难题, 它重新定义了世界模型核心价值, 以往它是辅助性生成工具, 现在它是具备完整认知闭环的物理智能内生大脑。

首创具身原生预训练范式，让世界模型从「懂物理」到「会操作」

架构层面具备的原生一体化能力, 追根溯源是出自 Kairos 开悟世界模型先行开创的物理 AI 原生预训练范式, 此范式呈现出分层递进的特性, 凭借这一训练体系, Kairos 开悟世界模型达成了跨场景、跨具身的强大泛化能力, 于四大基准测试里不断超越全球主流世界模型厂商, 标点符号。

处于传统技术路线里, 世界模型通常依照“通用视频生成模型+机器人数据下游续训”的途径, 其背后存在着数据来源的天然割裂困境, 互联网开放视频数量庞大规模巨大但是缺少动作锚定与任务意图只能够提供表层视觉规律, 人类行为数据含有任务逻辑与交互模式然而没办法直接对齐机器人控制空间, 机器人交互数据与具身控制相较而言最具关联性但采集成本高昂、场景覆盖范围狭窄难以实现规模化。进行混合训练的时候, 容易造成信号相互冲突, 采取分步微调的方式, 又会致使知识出现断层, 最终致使该模型常常会掉进“明白物理却不知道如何去操作、会操作却难具有广泛性”的两难困境之中。

凯洛斯开悟世界模型, 完全抛弃这种“后补式”微调思路, 提出跨具身数据课程, 也就是CEDC, 把异构数据安排成三级渐进式训练体系, 从训练源头原生注入物理智能。

第一阶段是物理预训练, 它依托百万小时级的开放世界视频, 以此构成物理认知的规模根基。Kairos开悟世界模型采用的数据覆盖四大核心领域, 分别是人类、机器人、通用场景、物理现象, 借助层级分类体系达成千级细粒度场景覆盖。这一层的数据量级是最大的, 覆盖范围是最广的, 其核心价值在于为模型注入通用物理规律, 比如重力、碰撞、物体恒存、流体力学等, 进而构建底层世界常识, 这对应着物理预训练阶段的能力目标。

第二阶段, 呈现的是“以人为中心”的 ACE 数据范式, 借助十万小时级的人类行为数据, 来达成承载任务语义的过渡衔接。在机器人操作场景里, 存在数据非常稀缺这个行业痛点之处, 团队去收集了巨量的、以人作为中心的、高精度的人类操作数据, 并且还配套进行了长时程任务思维链增强, 着力集中在工具使用、日常家务等具备结构化的任务场景方面, 将人类完成任务时的视角逻辑、动作序列以及隐含意图完整地留存下来, 承接上面、开启下面, 把物理认知与动作控制间的语义断层进行打通, 达成从“被动观察”朝着“主动理解”的能力转变过渡。

第三阶段是状态跟动作联合训练, 借助高精度机器人交互的数据达成具身控制的精确锚定, 这一层将优质开源机器人数据集和自研真实机器人交互数据予以整合, 把焦点放在双臂协作、柔性操作等具有高价值的场景上, 其数据密度是最大的, 动作锚定是最精准的, 直接对模型感知表征和动作空间的原生对齐起到支撑作用。

从“堆砌数据混训”转变至“课程化渐进习得” , 这套原生预训练范式借助“以人为中心”数据金字塔 , 大幅提高了数据利用效率 , 使不同来源的知识逐步沉淀 , 实现有机融合 , 既留存了大规模数据带来的泛化性 , 又达成了机器人控制的高精度锚定 , 为原生统一架构的能力落地稳固了数据根基。

首创端侧原生部署，让世界模型走出云端走进物理世界

物理AI产业落地的关键阻碍, 在于世界模型能不能达成轻量化、具备高实时性的端侧布局实施。Kairos世界模型从底层架构开始, 就把部署效率当作核心的原生设计原则, 依靠算法蒸馏与硬件协同配合的全栈一体化优化方法, 推翻了行业里“高性能世界模型肯定需要绑定超大算力集群”的固有观念认识, 实现了消费级终端能够流畅运行、边缘设备进行近实时推理的能力, 完全突破了云端算力的部署限制, 深度融入到机器人实体运动控制的闭环之中。

首个世界模型驱动的端侧具身大脑 Kairos-4B

“Kairos开悟世界模型”这一模型所采用的是部署一体化的一项设计, 该项设计之中算法跟芯片属于双向协同的情况, 并会直接向着模型研发全链路去对端侧, 这里的算力、内存以及时延的诸般限定要求做前置性操作。创新推出的是 “分布匹配 + 一致性约束” 混合时间步蒸馏框架, 这是算法侧的成果, 它将传统的数十轮扩散采样精简到了仅仅 4 步, 在近乎无损地维持物理运动一致性以及画面生成品质的基础上, 从算法的本源压低了推理时延的理论下限；芯片侧深度定制了混合并行推理调度、DiT 特征缓存复用、算子内核融合方案, 而且叠加了 FP8 低精度运算、INT4 权重量化、分块流式内存读写等多重优化手段, 在保障输出精度保持不衰减的情况之下, 显著降低了之显存开销与整体计算耗时。

实测验证数据表明, 轻量化端侧有着可用的Kairos-4B世界模型, 该模型能生成一段480P、时长5秒的物理仿真视频, 在4卡A800硬件环境下，仅需3秒便可完成, 其推理速度相较于同参数规格的竞品提升了2.5至3.7倍, 与数十亿参数的通用世界模型相比, 最高提速可达85倍。

一次范式级的跃迁

追溯至文章起始处那饶有深意的瞬间, 那时英伟达 Cosmos 3.0 运用与 Kairos 相同来源的架构, 其所证实的, 实际上是一条技术路径的正确无误性。

依靠原生技术体系全方位的革新, Kairos 开悟世界模型达成了技术路线类型水平的巨大跨越。它有着原生一体化架构“多模态理解 — 生成 — 预测”, 还有跨具身孕化式训练体系、“以人为中心” 的数据金字塔结构, 以及能在端侧进行部署的能力特质, 有步骤地解决了行业长久以来就存在的能力不均衡问题、落地难度大门槛高问题、长程稳定性欠缺等关键难点, 塑造出“一脑多型”能力, 给各类多元实体场景提供了能够实现规模化落地的核心智能基础。

自 “世界生成器” 起, 至 “理解世界、生成世界、与世界交互” 的物理智能大脑发展而来, Kairos所选之路并非修补旧范式之举, 而是自架构底层开始重新启程。此情形, 大概就是大晓机器人能相较巨头早行一步, 且于四大全球基准方面全面取得领先地位的根本缘由所在了！

文中视频链接：https://mp.weixin.qq.com/s/tKuXwuJxnnVG9gNph_NPCg