来源：量子位（克雷西（发自 凹非寺）） · 2026-09-08 · 原文链接
分类：技术发布 / 工业具身智能（主线强相关：ActiWorld 直接对话"未来信息形态"线索）
一句话概括
安努智能一周发布六款模型，把工业具身智能从数据生成（Helios 实时长视频 + SimLab 软体仿真）到动作后果预判（ActiWorld）、真机进化（RoHIL/EvoHIL）、执行（AnuVerse-0.5）、部署（Nexus）串成闭环；其中 ActiWorld 用"逆动力学头 + 双向预测 + 运动加权"三条训练期约束把动作信息钉进世界模型，推理不额外加成本，并支持预演筛选动作方案，在二维码朝上分拣任务上把相对失败率压低约 13.6%。
核心要点
为什么是工业：工业场景动作重复度高、任务边界固定，比家用场景（随时冒出宠物、玩具、陌生访客）更容易短期突破。国家税务总局数据：2026 年 1-5 月全国工业企业购进具身智能机器人的总金额同比增长 2.3 倍；截至 2026-06-12 国内具身智能融资约 438 亿元，已达 2025 全年的近八成。原文判断：钱正在从"买 demo"转向"上产线"，只凭模型参数大小无法取得竞争优势。
传统工业机器人的两堵墙：硬件上结构固定，换工位换物料要重新设计；软件上动作靠预编程，看不懂场景、听不懂指令，不会举一反三。几十年来工业自动化被圈在"重复、固定、大批量"三个词里。这轮要打破的正是这两堵墙——先看懂该干什么（认知），再准确做出来（执行），还要无人盯梢下稳定跑够久（长期运行）。
Helios（数据侧）：实时长视频生成，单张 H100 上 19.5 FPS，能实时生成分钟级长视频。有意思的是它最初不是为机器人设计的，但解决的四个问题（长时序建模、持续生成、实时推理、高效生成）恰是具身/世界模型绕不开的，已被多家头部具身与世界模型团队采用。
SimLab（数据侧）：软物体仿真。刚性物体仿真已较成熟，但软包裹分拣这类任务里，褶皱和光线一变传统物理引擎就难精确建模。自研软体与热学物理求解器 + 基于 Isaac Sim 的合成数据工厂 + 已在真机验证的 sim2real 迁移方法；面向物流软包裹抓取数据生成、工业设备热视觉数据生成已在实际项目中验收落地，用百元级机械臂、零真实标注跑通全流程。
ActiWorld（判断层，本篇技术核心）：核心主张是"画面看起来真实，不代表它真的对应了机器人给出的动作"——画面对动作不敏感，视频再逼真也无法支撑决策。所以它把资源押在动作后果的可验证性上，从动作、时间、空间三个角度约束：
- 逆动力学头：从相邻预测结果里反推动作（逼模型把动作信息编进画面）
- 双向预测：训练时保留当前观测作参照，要求既还原过去又预测未来（状态"承上启下"）
- 运动加权：按相邻真实画面差异算运动区域权重，强制注意力放在真正变化的地方
三条约束只在训练阶段用，推理环节走标准接口、不加成本、兼容现有动作条件扩散骨干。
ActiWorld 的第二个用法：预演筛选。让它提前判断一套动作方案的后果，帮机器人挑更合适的动作；对成败的判断与真实结果偏差低于 3.25%。真机验证：二维码朝上放传送带的分拣任务，原策略成功率 56%，加 ActiWorld 引导的预演后相对失败率降低约 13.6%。
RoHIL / EvoHIL（进化层）：解决"光照一变动作就乱套"和"换工位就失灵"。30 分钟训练达满分水准，跨光照场景不需重新采集数据；奖励标准不需人工离线重标，系统按人工确认过的成功样本自己迭代，不用停线重训。USB 插入达 100% 成功率，光照完全偏移时人工介入比例 1.32%（不到旧方法十分之一）。RoHIL 的做法是用世界模型重新打光，跨光照部署成功率 100%。EvoHIL 给奖励模型、动作生成器、视觉感知都装自适应能力。训练+迁移+奖励三块叠加，同等规模部署下整体成本降约 80%。
AnuVerse-0.5（执行层）：视频专家预测画面 + 动作专家输出动作的 MoT 架构，基于 14B 的 Helios 开发，推理做到百毫秒级，一张桌面级显卡能跑。
Nexus（部署层）：统一调度不同品牌机器人与不同模型（VLA、世界动作模型等）的端到端部署，内置动作层面的安全盾兜住误动作风险；已打通 SAP 的 EWM 与 Joule 系统，嵌进工厂原有生产管理流程。产线运行数据回流到底层数据基座，喂下一轮训练——闭环由此合上。
“模型可以开源，部署经验不能”：安努没先打磨基模，而是让工程师先扎进富临精工的真实产线。董事长文宏杰的判断是——模型能力会随全行业进步持续外溢，单项技术指标做得好不能保证整套系统长期运行，只有部署经验会越攒越深。他们基于开源模型用几个月补齐认知底座与动作模型。内部称这套方式为 FDE（前沿部署工程）：驻场解决具体问题，人撤出但可复用的产品能力留下，沉淀成技能包。富临精工第一个工位用了 4 个月跑通，同类型工位现在 3 天搞定，设备平均故障间隔 300 小时以上。
一个著名的实验室/产线落差实例：有的抓取任务实验室里 100% 成功率，搬到产线上因为车间顶灯换了个角度，成功率瞬间跌到 40%。这类意外在论文、开源模型和数据集里找不到，却是产线常态。
引高盛 8 月底全球具身智能研究报告：走路、导航这类能力很大程度可靠仿真训练解决，但柔性物体操作、工具使用、精细抓取这类任务"本质上无法仿真"，因此稀缺的始终是来自真实产线和真实场景的部署数据；报告把这类"部署产生的专有数据"视为机器人公司真正长期的护城河，比模型代码、机器人外形更经得起时间。
研发路径是"精准卡位 + 生态借力"：世界模型基座用本体厂商开源/授权版本；3D 视频生成联合北大、字节、Canva；ActiWorld 与香港科技大学（广州）；强化学习联合重庆大学与香港大学。自研集中在 AnuVerse-0.5 与 Nexus 两端。
订单与 ROI：富临精工绵阳工厂料箱搬运已是批量订单在跑（非 POC）。一机多岗靠 Nexus 调度，换线不重新示教，单班回本周期 12-18 个月，比传统工业机器人便宜 40% 以上。
对通用世界模型的态度（Q6）：Cosmos 3 + ICL 这类发展对通用模型公司也许是杀估值的事，对安努则是效益放大的杠杆——“武器免费了，扣扳机的人和靶场就会变成稀缺资产”。Cosmos 再强也解决不了"这个工位敢不敢用、稳不稳、停机一小时赔八万谁担责"。
金句
“如果上一轮 AI 浪潮的主角是会聊天的模型，那这一轮的主角就是会干活的机器。”
“画面看起来真实，不代表它真的对应了机器人给出的动作。一旦画面对动作不敏感，视频再逼真也无法支撑决策。”
“以前评判一个世界模型好不好，看的是视觉效果和画面流畅度，但这个标准会稀释动作信息。”
“模型能力会随着全行业进步持续外溢……只有部署经验才会越攒越深，成为自己的制胜武器。”
“武器免费了，扣扳机的人和靶场就会变成稀缺资产。”
“Cosmos 再强，也解决不了’这个工位敢不敢用、稳不稳、停机一小时赔八万谁担责’的问题。”
高盛报告（转引）：柔性物体操作、工具使用、精细抓取这类任务"本质上无法仿真"。
质疑与核查
- 这是一篇企业宣传稿。量子位"一周连发 6 个模型"的框架、通篇自述数据、Q&A 形式，都是典型的企业传播结构；无第三方验证、无论文链接、无 baseline 对照表。所有数字按"公司自述"权重处理。
- “相对失败率降 13.6%“是个被包装过的数字。基线成功率 56%，相对失败率降 13.6% 换算成绝对成功率大约只到 62% 左右（44% × 0.864 ≈ 38% 失败率）。6 个百分点的提升写在产线上可能重要，但这个表述方式明显在放大观感。 而且没给样本量、没给置信区间。
- "< 3.25% 偏差"没说清是什么的偏差。是成败概率的标定误差（calibration）？还是别的？没给定义、没给测量方式。
- “百元级机械臂、零真实标注跑通全流程"存疑。百元级（人民币百元？）机械臂在精度和重复定位上很难支撑工业级任务；即便指低成本 educational arm，用它验证的 sim2real 方法能否迁移到工业本体，中间跨度很大。这句更像宣传话术。
- “整体成本降低 80%“缺口径。训练、迁移、奖励设计三块叠加，对比基线是什么？是对比停线重训的人工成本，还是对比整套方案成本？没说。
- 高盛报告是二手转引。没有报告标题、没有链接、没有原文出处，只说"8 月底发布的一份全球具身智能研究报告”。这句话很可能是被挑选出来为叙事服务的，要用必须先找到原文核上下文。
- 六个模型多数是合作或基于开源：世界模型基座用开源/授权版本，3D 视频生成联合北大/字节/Canva，ActiWorld 与港科广，RL 与重大/港大。安努自己也承认。“一周发六个模型"的原创含量要大幅打折，真正的自研集中在 AnuVerse-0.5 与 Nexus。
- MTBF 300 小时在产线上不算亮眼。300 小时约 12.5 天，即平均不到两周出一次故障；对"365 天不停转"的表述是个反差。
- USB 插入 100%、人工介入 1.32% 都是单一任务、未给样本量与任务变体数量。光照"完全偏移"的定义也没给。
- “打通 SAP EWM 与 Joule” 听起来很强，但没给是接口级对接还是已上线的生产级集成。
本文为阅读剪藏（摘要 + 摘录 + 评论），非原文转载。查看原文