商汤科技发布悟能具身智能平台

随着互联网自然语言数据逐渐耗尽，AI想要获得进一步的突破性成长，需要走出数字世界，迈向物理世界。

如同人类的进化轨迹——当机器能够在现实物理世界中自主探索，便能完成自我迭代与持续进化。

近日，由全国工商联人工智能委员会倾力主办，商汤科技承办的“大爱无疆·模塑未来” WAIC 2025大模型论坛上，商汤科技正式发布「悟能」具身智能平台，从开悟世界模型到明晰智能、开悟智能，旨在为具身智能打造一个能够在现实世界中自由探索成长的强大“训练场”。

基于方舟视觉感知、大装置、日日新大模型等多种技术的长期积累，商汤「悟能」具身智能平台以商汤“开悟”世界模型为核心引擎，依托商汤大装置提供强大的端侧和云侧算力支持，能够为机器人、智能设备赋予强大的感知、视觉导航及多模态交互能力，推动智能终端向更高层次的自主化与智能化演进。

商汤科技董事长兼首席执行官徐立表示，“世界模型和具身AI的结合，将开启AI发展的下一个阶段，完成由‘工具’向‘人’的跃迁，加速迈向AGI时代。商汤希望「悟能」具身智能平台能够帮助各类具身智能企业，帮助他们完成和现实世界交互的梦想。”

感知全能、导航精准、交互灵活

为具身智能打造“三大核心引擎”

感知、导航和交互，是具身智能的三大核心能力。

商汤科技在这三大方面均拥有深厚的技术积淀，如今这些积累转化成了「悟能」具身智能的能力。

首先，感知是机器探索现实世界的基础。

凭借商汤方舟在视觉AI领域十余年的深耕积累，从机器狗到机器人，「悟能」具身智能平台能为各类终端硬件赋予对万物的识别与理解能力，同时具有强大的场景适配性，可完全嵌入端侧芯片实现端侧推理，让感知更高效、响应更敏捷。

无论是机器狗的视角（上方视频）还是机器人的视角（下方视频），都能对外界有整体的天然感知识别，对物体形成自然划分切割。

导航是机器在现实世界中行动的“骨架”。

商汤绝影在纯视觉端到端智能辅助驾驶方案上的技术积累，可泛化适配至机器人、机器狗等硬件设备，让机器人在更多样的环境中实现精准路径规划与导航。

同样，无论是在绿化小路中四足奔走的、体型较小的机器狗（上方视频）还是行驶在城区正常车道的自动驾驶车辆（下方视频）都在实现精准路径规划与导航的同时，准确地进行了自动避障。

交互是机器与现实世界连接的桥梁。

基于“日日新”大模型的技术积累与不断迭代，“悟能”具身智能平台可以赋能机器人具备和现实世界的交互能力，具备有温度、有深度、长记忆、超稳定等能力亮点。

以AI生成的《长安的荔枝》电影介绍PPT为例，由“悟能”具身智能平台赋能的人形机器人，能够以各种风趣幽默、严谨务实等各种语言风格进行生动讲解。

同时，它还可以自动翻页，实时响应用户提问，敏锐捕捉用户意图，期间用户打断提问，它完成提问后还能回归继续讲解。

它还能结合长记忆能力进行阶段性回顾历史用户提问，作出小结，即便遇到嘈杂环境也能轻松应对。

商汤“悟能”具身智能平台可广泛适配包括汽车、机器人在内的各类终端，实现空间层面的现实世界互动。

构建4D真实世界

为机器进化提供高质量现实世界数据

基于强大的多模态深度理解能力，商汤“开悟”世界模型具备合理的空间一致性和时间一致性，可生成高质量数据，有效提升具身智能等终端设备的智能水平。

“开悟”世界模型能够仅凭自然语言描述，即可生成逼真的七路摄像头视角模拟数据，且不同视角下的几何位置高度对应，完全符合物理世界的规律。

“开悟”世界模型还能够编辑真实世界，可对现实世界中的车辆等场景元素进行替换、删除、增补，创造更加多样的现实场景。

基于强大的生成和编辑能力，“开悟”世界模型可以精准模拟方向盘、刹车和油门控制，带来如同在真实的街道场景中玩“极品飞车”的效果，让机器在现实世界中自由探索。

“极品飞车”啥效果，来这里看看：商汤董事长兼CEO徐立：人工智能的十年演进 | WAIC 2025主论坛

到了具身世界，发挥空间则更大。

相较于智能汽车，机器人适用和覆盖的场景更加广泛，能够通过主动探索生成更多高质量的现实世界数据，在具身智能数据匮乏的当前环境下，可通过构建面向人、物、场的4D真实世界，突破模型泛化能力的边界。

具身世界模型让用户仅需要输入简单的提示词，就能自主进行位姿、动作骨架和指令的生成，让机器人动作更合理。

给出“在厨房区域的架子上找东西”指令，具身世界模型可以准确生成相应的场景视频和机器人的连续位姿，从上图变成下面连续的动态视频

再来一组，还是只给出初始视角。

给出“进入娱乐室、向右转，然后打开通往院子的门”指令，具身世界模型不仅可以进行连续位姿生成，还支持多角度查看，并保持高度的时空一致性

给出“生成一段切黄瓜的机器人视频”指令，具身世界模型可准确生成动作骨架，随后输出具身第一视角、第三视角4D世界视角等多种视角的视频。

给出“生成一段白天公园里机器人跳跃的视频”指令，具身世界模型同样可以模拟生成符合3D关系的4D世界的真实视频。

即便是不同相机位姿视角的视频生成，具身世界模型也能轻松拿捏，来看下具身世界模型生成的多视角视频

商汤“悟能”具身智能平台正在实质性打破虚实界限，构建AI与物理世界交互的高效通路。

未来，商汤科技希望助力赋能具身智能企业实现感知、理解与生成能力的跃迁，将具身交互的不确定性挑战转化为产业升级的确定性路径，推动AI向下一个十年加速进化。