星源智发布首个具身交互世界模型ω-EVA：端侧部署新突破

type

status

date

slug

summary

传统世界模型的痛点与ω-EVA的“预演-验证-行动”闭环

传统世界模型在实际应用中面临着一个尴尬的困境：“只预测，不参与”。在训练阶段，这些模型努力学习未来的环境状态；但在实际推理和执行动作时，它们却与机器人的动作生成完全剥离。这就导致了一个常见痛点：即便视频生成得再逼真、画质再精美，机器人该撞墙时依然会撞墙，无法做出实时的避障与动作修正。

ω-EVA 的核心创新在于打破了这一壁垒，成功构建了“预演-验证-行动”的闭环机制。

简单来说，当搭载 ω-EVA 的机器人准备执行某个动作前，它会在特征空间（隐空间）中率先进行推演：“如果我施加这个动作，周围的环境会发生什么变化？”随后，机器人会基于推演出的后果反馈，实时修正自己的动作方案。这种将世界模型直接引入决策和动作生成环节的范式，让机器人真正拥有了“动手前先动脑”的能力。在大会现场，星源智通过随机打乱的华容道棋盘展示了这一能力：无论观众如何打乱棋局，机器人都能通过预演当前动作的后果，迅速完成路径规划与动作自我修正。

1.2B轻量化设计：为何端侧部署是具身智能落地的关键

在当下的人工智能行业中，英伟达的 Dream Zero 等主流技术路线倾向于通过大规模的视频生成来打造基础模型。这种路线虽然生成能力强大，但对算力的要求极其苛刻，通常需要在庞大的桌面级 GPU 上运行，常规的机器人端侧芯片根本无法满足实时闭环控制的推理频率。

与追求高保真视频生成的路线不同，星源智的 ω-EVA 选择了务实的“隐空间建模”方法。

这一技术路线类似于 JEPA（Joint Embedding Predictive Architecture）的思路，它不纠结于把未来的画面精细地“画出来”，而是将未来压缩成能够修正动作的特征信号。得益于这种设计，ω-EVA 的模型大小仅为 1.2B（12亿参数），在单张 RTX 4090 显卡上即可进行训练，甚至可以直接在机器人的端侧模组上流畅运行。

对于具身智能而言，端侧部署的意义非同寻常。如果机器人过度依赖云端推理，不仅会面临高昂的数据传输带宽成本，更会因为网络延迟而无法满足机器人高频的控制需求（通常需要 10Hz 以上的控制频率）。ω-EVA 证明了，通过隐空间压缩与算法优化，世界模型完全可以在低算力消耗下实现高效的端侧实时决策。

数据效率的革命：变废为宝的交互式学习

在传统的 VLA（Vision-Language-Action）模型开发中，模仿学习对数据质量的要求极高，通常只能利用人类操作成功的轨迹数据。这导致数据采集成本高昂，且利用率极低。

而 ω-EVA 所代表的交互式世界模型，为大模型的数据效率带来了一场革命。

在世界模型的训练框架下，即便是失败的尝试和轨迹，也是理解物理世界规律的宝贵财富。失败的数据同样能告诉模型“这样做会导致什么后果”，从而帮助其完善对物理世界的认知。这种特性使数据利用效率大幅提升。据星源智团队介绍，传统模式下 8 小时的数采工作可能只能产出 3 小时的高质量数据，而在世界模型框架下，这一效率可以提升至 6 到 7 小时。数据获取成本的降低，将极大加速具身智能模型的迭代步伐。

场景落地与大厂竞争：星源智的商业化“双轮驱动”

面对华为、字节、腾讯等互联网大厂未来可能全面涌入具身智能赛道的局面，星源智展现出了清晰的差异化战略。具身智能的场景极其分散，物流、工厂、家庭等不同场景有着完全不同的数据壁垒和行业知识，这并非单靠强大的基座大模型就能瞬间垄断的。

星源智采取了“双轮驱动”的商业模式：

具身大脑解决方案：打造软硬件一体的解决方案，目前已覆盖 70% 以上的头部具身智能本体公司，并成为英伟达 Jetson Thor 全球最大的出货商之一。

产业深度合作：以总承包方的角色，与产业资源方合作，在真实的工商业场景（如物流和工业制造）中边落地、边迭代。

这种“基座模型迭代与真实场景验证同步推进”的策略，避开了实验室环境与真实市场脱节的陷阱，通过在垂直场景中不断积累私有数据，构筑了坚固的竞争护城河。

结语

星源智 ω-EVA 的发布，标志着具身交互世界模型从理论走向端侧实用的重要一步。它不仅向行业证明了“轻量化端侧闭环”的可行性，也为整个具身智能产业的商业化落地探索出了可行路径。正如创始人所言，未来五年的核心竞争点，在于谁能率先把机器人部署到真实场景中持续创造价值。

想要获取更多前沿的 AI新闻与大模型技术深度解析，欢迎持续关注我们的内容更新，共同见证 AGI 时代的到来。