,华纳娱乐公司风波：赢了官司却遭遇提款难题

,融了数亿美金的「大晓机器人」,其创始人揭开了具身行业的割裂一面，很高兴为您解答这个问题，让我来帮您详细说明一下。

澄迈县永发镇、海西蒙古族天峻县、西安市长安区、鹰潭市余江区、江门市蓬江区、深圳市龙华区、益阳市安化县、内蒙古兴安盟科尔沁右翼中旗、萍乡市莲花县、宿州市砀山县、青岛市市南区、荆州市公安县、哈尔滨市香坊区、兰州市永登县、临沂市平邑县、铜仁市松桃苗族自治县、长治市平顺县

梳理近半年的成果，大晓机器人董事长、商汤科技联合创始人王晓刚，滔滔不绝聊了 10 多分钟。成立于 2025 年 7 月，大晓机器人（ACE ROBOTICS）是具身领域姗姗来迟的入局者。但一年来，这位新玩家成了赛道的 " 卷王 "：在模型侧，大晓新发布的具身大脑——世界模型 " 开悟（Kairos）3.0"，在 4 项全球具身智能基准测试中取得 SOTA；开源的 Kairos 3.0-4B，则率先实现在端侧直接驱动具身智能本体的能力。△ Kairos3.0 在 4 个世界模型生成预测具身智能榜单中取得 SOTA。图源：大晓机器人在数据侧，大晓提出的 " 以人为中心 " 环境式采集方案，通过大规模采集人类与真实环境的交互过程，将世界模型训练数据量扩展至 100 万小时，达到传统真机（人遥控机器人）采集模式的 10 倍。还有落地——半年前，大晓的具身大脑模组 A1，落地的主要场景，还是从事道路巡检的机器狗；如今，这颗 " 大脑 " 已经随着形态各异的机器人，进入了酒店、无人零售店、无人物流仓等多个场景。△大晓在上海西岸落地的机器狗巡逻方案。图源：大晓机器人2026 年 6 月 15 日，大晓机器人官宣完成天使 + 轮融资——距离上一轮官宣，仅隔了 4 个月。这一轮投资方包括达晨财智、深创投、上海科创基金、沐曦股份、盛宇投资、复星锐正、华控基金、临港新片区基金、豫资涨泉等基金，老股东商汤国香资本持续增资，告捷资本担任长期财务顾问。至此，2026 年以来，大晓的累计融资金额已经达数亿美元。据《智能涌现》了解，大晓也成了具身领域最快成为独角兽的企业之一。在单轮融资金额动辄数亿元的具身赛道，不仅是技术竞速，入局玩家的场景圈地之战已然打响：孵化自清华的 " 千诀科技 "，瞄准的是酒店保洁、商用服务、精密室内作业等实景项目；前华为车 BU 首席科学家陈亦伦创立的它石智航，聚焦的是线束装配场景。" 具身领域的产业链非常长，很难靠一家企业做完所有的事。" 王晓刚告诉《智能涌现》，" 所以在其中怎么撬动更多资源，在整个具身产业链中把握生态位的主导权，是非常关键的。"然而，在落地过程中，王晓刚感受到的是：硬件、数据、模型，三者的结合还不够。在海外，Figure、特斯拉等头部具身企业，都在内部整合硬件研发、数据采集和模型训练，以此提高协同迭代的效率。在国内，这套闭环尚未形成。王晓刚坦言，受制于技术成熟度和资源投入压力，不少本体公司对场景落地持谨慎态度；上游数据采集标准尚未统一，可直接用于具身模型训练的高质量数据供给不足。与此同时，硬件迭代的周期远长于模型，导致设计很难协同。找到可规模化的落地场景，以及可深度合作的本体厂商，是当下大晓构建 " 硬件、数据、模型 " 闭环的方法论。在王晓刚的规划中，大晓会先深入广阔的道路巡检和无人物流仓场景，再扩展到更为复杂、安全性要求更高的 C 端家庭场景。这样的好处在于，大晓能够先从 B 端场景中收集足够多的场景数据，提升世界模型能力的同时，还可以快速形成可以规模化的解决方案，帮助本体厂商进入场景。近期，王晓刚和《智能涌现》聊了聊大晓的进展，以及他对具身行业的观察。以下对话略经编辑：找到可复制的场景智能涌现：今年具身和世界模型是一级市场最火的赛道。相较于大晓成立之初，这一轮的融资难度有变化吗？王晓刚：这个时间点融资的好处是，市场有热度、有关注度。但相对的，企业太多，有时候投资人不清楚每家公司的价值点在哪里。所以我们需要付出更多的解释成本，帮投资人梳理清楚我们的发展路径、技术思路。智能涌现：大晓是 2025 年 7 月成立的。当时你会觉得大晓入局具身赛道晚了吗？王晓刚：我们选择这个时间点入局，是因为看到了具身大脑研究范式的变化：原来的主流的 VLA（视觉 - 语言 - 行动）范式存在局限性，缺少对物理世界的结构化理解。世界模型恰好可以解决这个问题。所以在当时入局，我们有可能实现弯道超车。而且在技术还不成熟的阶段，此前大家在探索技术范式，尤其是具身大脑的过程中，浪费了很多数据、模型训练、人力等资源。所以我们在去年入局可以少走弯路，反而有后发优势。智能涌现：相对而言，晚入局竞争会更激烈。王晓刚：具身领域的产业链非常长，很难靠一家企业做完所有的事。所以在其中怎么撬动更多资源，在整个具身产业链中把握生态位的主导权，是非常关键的。去年大晓成立之前，我们和很多具身企业进行了访谈。我发现，当时具身企业普遍对进入场景，抱有谨慎的态度。但场景在具身的发展中起到了关键作用。具身领域是按场景划分的，只要在一个场景中进行了闭环的验证，就很容易进行全球的规模化的复制。在规模化的复制过程中，就能让数据采集的体量、硬件的规模提升几个数量级。智能涌现：为什么具身公司不太愿意进入场景？王晓刚：一方面，技术成熟度还不高。另一方面，解决场景中的问题，涉及到大量的数据采集、研发等资源投入。加之目前很多新兴的具身公司，本身对行业和场景的理解都不够深刻。所以很多公司的态度是：先融钱，等待一个行业成熟的时机点，再去跟上。但等时机点出现的时候，先机已经被别人占走了。智能涌现：在技术不成熟的阶段，你们是怎么和场景中的头部客户谈的？王晓刚：找到技术的边界很重要。我们要根据技术、软硬件的成熟度，把现实的边界找到。如果进入 To C 场景，比如 L4 阶段的自动驾驶，我的技术就不能有边界。但是进入 To B 场景，加上各种可控条件，技术是可以落地的。我们还得判断：哪些场景是可以直接被解决的，哪些场景通过一些手段可以解决。此外，这些场景的解决方案还得具有可复制性。如果你找到的场景不具备可复制性，你做完这个，下一个还得定制化，这其实不是一个很好的选择。智能涌现：怎么判断一个场景具不具备可复制性？王晓刚：举个例子，我们优先深入的是零售、仓储这些场景，因为他们的业务体系和需求，全国都是可以复制的。再比如酒店也是一个可复制的场景，全国有很多酒店，我们交付的都是同一套巡检、导航机器人和机器狗。智能涌现：这些场景的竞争会更激烈吗？王晓刚：虽然大家都瞄准了这几个场景，但很多企业走得不深。这样的后果就是，你的成本无法控制、无法边际递减。你可以做个 demo 炫技，但它不具备规模化的前提条件。智能涌现：怎样的落地模式才算得上 " 深入 " 场景？王晓刚：首先，你需要有紧密合作的生态伙伴。比如，在无人零售的场景中，我们和商汤生态中的公司善惠机器人合作，给他们提供无人零售解决方案。善惠首先会提出成本、续航、节排等要求。其次，在具体的复杂场景中，他们会给很多技术的反馈。这些要求和反馈，有助于我们形成数据闭环，在场景中快速迭代。做完生态合作伙伴的 " 前期功课 " 后，我们也能够知道哪些方案是必要的，哪些是可以省却的，或者可以通过其他方案进行弥补。等方案成熟，我们也能将业务合作拓展到零售相关的其他头部企业，通过规模化把成本降下来。通过这一套打法，目前大晓能够把解决方案的成本降低到行业的 1/3。智能涌现：之前你提到，大晓落地场景的规划是：道路巡检 - 无人物流 - 家庭场景。这个落地顺序背后的考量是什么？王晓刚：一方面，我们考虑的是技术实现的难度。另一方面，我们遵循的还是先 To B 后 To C 的策略。因为 C 端场景规则边界不强，存在很多非结构化的场景。但 B 端场景是受控的，能够保障安全性。所以在 B 端积累更多经验后，我们再走向 To C。△大晓世界模型的家居场景。图源：大晓机器人世界模型还没有「智能涌现」智能涌现：创业初期你提出了很多新观点，比如在 VLA 还是具身主流范式时，选择了做世界模型，再比如提出 " 以人为中心的数据采集范式 "。你怎么判断这套范式是可行的？王晓刚：大方向上的判断是非常确定的。首先，VLA 与世界模型相比，只有后者这样的生成式模型，才具备智能涌现的能力。所以我们做具身智能，第一天就选了世界模型方向。其次，只有真人的数据，无论是采集的效率和规模，还是拟人化的真实性，才能达到训练世界模型的要求。但其中很多细节是在实践过程中才逐渐变清晰的。比如做世界模型，一开始我们的主要关注点是生成能力。但实际场景中，世界模型不光要生成数据，还要去控制真机，通过机器人与物理世界进行交互。这对世界模型的物理智能、空间智能提出了更高的要求。所以我们最近发布了开源空间智能通用模型 ACE-Brain-0，以及物理 3D 生成框架 PhysX-Omni，来提高世界模型的空间智能和物理智能。智能涌现：视频生成模型、VLA 等都称自己为 " 世界模型 "。你对世界模型的定义是什么？王晓刚：简单来说，世界模型得具备三方面的能力：理解、生成、预测。只有同时具备这三个能力，模型才能自我演进、自我纠正、自我进化。为什么大家都说自己是世界模型？因为业界没有针对世界模型的评价体系。比如，行业缺少对长时序复杂任务执行效果的 benchmark。一些所谓的 " 世界模型 " 只是宣传了自己擅长的东西，但其实缺失了另外的能力。像 VLA 缺乏生成能力，视频生成模型缺乏了对物理和空间的理解能力。智能涌现：你们内部怎么评测世界模型的能力？王晓刚：我们正在联合一些学术机构和具身公司，建立一个世界模型 benchmark，其中的评测维度包括跨本体的泛化能力、模拟仿真的能力，这些维度最终指向的是衡量模型理解、生成、预测的能力。智能涌现：大晓的世界模型 Kairos 最近迭代到了 3.0。它的能力类比语言模型处于什么阶段？王晓刚：还没到 GPT3.0。等到 GPT3.0 的阶段，世界模型就能实现智能涌现，也意味着研究范式有较高程度的确定性。目前我们还是按照 " 理解、生成、预测 " 三个维度来逐步迭代 Kairos。最早的时候，Kairos 主要用来做视频生成，后面逐渐开始控制真机，相应的，我们也要提升它对空间和物理属性的理解。智能涌现：在当下世界模型发展的阶段，数据的量、质量、标注，以及后续的评测等环节，哪个对模型能力的影响最大？王晓刚：眼前世界模型还在 0-1 的阶段，可供训练的数据本来就很少。所以在这个阶段，数据的量对效果的提升更明显。当训练数据增加了 10 倍、100 倍，我立刻能看到模型能力的提升。但等到世界模型出现智能涌现，就需要对数据进行精筛、进行精细化的标注。这和大语言模型的发展是类似的。当下世界模型还没有 " 智能涌现 "，所以先要把数据的量铺上去，再反过来解决质量问题。智能涌现：要实现 " 智能涌现 "，世界模型需要多少的训练数据？王晓刚：我们期待的是要达到千万小时的量级。原来真机采集的数据规模只有 10 万小时的量级，现在我们用人采集，基本上能达到百万小时。智能涌现：提升数据采集量级的关键是什么？王晓刚：还是场景的规模化，所以其中就需要产业方进入。其实对于产业方而言，数据采集也是他们进入具身行业的切入点。因为他们有场景，如果做数据采集，马上就可以变现，立刻产生价值。接着通过训练模型，再引入机器人，产业方也能提高场景的效率。模型、数据、硬件、场景的结合是不够的智能涌现：如今行业对机器人的一种态度是：买来只能当吉祥物，没有实际用处。王晓刚：除却质量问题，很重要的一点在于具身公司没有针对特定场景进行深度的迭代和打磨。现在的机器人公司，每年不断发布新的型号，但这些型号不是针对应用场景迭代的，所以原有的问题没有解决，反而会出现新的问题。问题不收敛，就会造成返修率的增加，机器人工作几百个小时，就会出问题。所以当下机器人的规模化推广面临很大的问题。智能涌现：让具身公司根据场景迭代的解法是什么？王晓刚：等场景能够规模化，硬件可以量产，就会倒逼具身公司将资源集中在针对场景的迭代上。智能涌现：如今行业中还有哪些难题？王晓刚：首先，今天模型、数据、硬件三者的结合是不够的。基座模型厂商、世界模型公司，还有做数据的公司，大家都各做各的数据采集方案。但未来本体是靠数据来驱动的，而不是靠真机或者物理模型的规则。所以这些问题就很关键：怎么从人身

本周数据平台最新官方渠道传来研究成果,,华纳娱乐公司风波：赢了官司却遭遇提款难题，很高兴为您解答这个问题，让我来帮您详细说明一下：

珠海市香洲区、大同市云冈区 ，漳州市龙文区、果洛玛多县、长治市襄垣县、太原市万柏林区、嘉兴市南湖区、大庆市让胡路区、忻州市岢岚县、商丘市睢县、甘孜白玉县、芜湖市弋江区、衡阳市石鼓区、直辖县天门市、邵阳市大祥区、黄山市黟县、晋中市太谷区 、景德镇市浮梁县、德州市德城区、酒泉市玉门市、安阳市汤阴县、新乡市卫滨区、锦州市太和区、黄冈市团风县、甘孜炉霍县、宜宾市高县、德州市禹城市、晋中市祁县、广西北海市海城区、乐东黎族自治县尖峰镇、中山市板芙镇

全球服务区域: 达州市达川区、吕梁市离石区 、广西河池市都安瑶族自治县、酒泉市金塔县、伊春市伊美区、抚顺市新宾满族自治县、郑州市巩义市、岳阳市汨罗市、白沙黎族自治县荣邦乡、济南市平阴县、凉山普格县、湛江市遂溪县、泉州市永春县、衢州市龙游县、宁德市古田县、果洛久治县、武汉市东西湖区 、内蒙古赤峰市阿鲁科尔沁旗、白沙黎族自治县阜龙乡、珠海市斗门区、绥化市海伦市、广西北海市合浦县

在线维修进度查询,,华纳娱乐公司风波：赢了官司却遭遇提款难题，很高兴为您解答这个问题，让我来帮您详细说明一下：

全国服务区域: 临沧市临翔区、萍乡市莲花县 、六安市叶集区、晋城市沁水县、广西桂林市叠彩区、广西河池市都安瑶族自治县、庆阳市宁县、松原市乾安县、湘潭市湘乡市、宜昌市秭归县、大兴安岭地区松岭区、中山市西区街道、广西崇左市大新县、广西钦州市钦北区、驻马店市遂平县、上饶市广信区、广安市华蓥市 、汉中市佛坪县、榆林市吴堡县、东莞市麻涌镇、宝鸡市陇县、文昌市昌洒镇、汉中市南郑区、安庆市望江县、广安市前锋区、宣城市泾县、宜春市宜丰县、文昌市潭牛镇、怀化市沅陵县、广西钦州市灵山县、内蒙古鄂尔多斯市杭锦旗、武汉市江夏区、朔州市朔城区、德州市禹城市、内江市威远县、洛阳市老城区、韶关市翁源县、保山市昌宁县、南阳市社旗县、焦作市马村区、河源市源城区

刚刚信息部门通报重大更新:,华纳娱乐公司风波：赢了官司却遭遇提款难题

近年来，华纳娱乐公司因一桩合同纠纷案件，在法律战场上取得了胜利。然而，在胜利的喜悦背后，却隐藏着一个令人费解的问题：为何赢了官司，却遭遇了提款难题？这背后究竟隐藏着怎样的故事？ 据了解，这起案件涉及华纳娱乐公司与一家合作伙伴的合同纠纷。在长达数年的诉讼过程中，华纳娱乐公司凭借充分的证据和有力的辩护，最终赢得了官司。然而，在判决生效后，华纳娱乐公司却无法顺利提款，这不禁让人疑惑：为何赢了官司，却遭遇了提款难题？ 首先，我们需要了解提款难的原因。据了解，华纳娱乐公司在这起案件中获胜后，对方公司并未立即履行判决。虽然法院判决对方支付赔偿金，但由于对方公司资金紧张，无法按时支付。这使得华纳娱乐公司陷入了困境，无法及时收回赔偿金。 其次，提款难的原因还在于我国相关法律法规的不完善。在我国，虽然法律明确规定判决生效后，胜诉方有权要求败诉方履行判决，但对于败诉方拒不履行判决的情况，缺乏有效的执行手段。这使得胜诉方在执行过程中，往往面临重重困难。 此外，华纳娱乐公司在提款过程中，也暴露出了一些自身的问题。首先，公司在合同签订过程中，可能存在漏洞，导致对方公司有机可乘。其次，公司在诉讼过程中，可能过于依赖律师团队，忽视了自身的维权能力。 面对这一困境，华纳娱乐公司采取了以下措施： 1. 加强与法院的沟通，寻求法院的支持。华纳娱乐公司向法院反映了自己的困境，希望法院能够采取有效措施，保障公司的合法权益。 2. 积极与对方公司协商，寻求和解。虽然对方公司目前资金紧张，但华纳娱乐公司仍希望通过协商，达成和解，尽快收回赔偿金。 3. 加强自身法律意识，完善合同条款。华纳娱乐公司将在今后的合作中，更加注重合同条款的严谨性，避免类似问题再次发生。 4. 培养自身维权能力，提高应对风险的能力。华纳娱乐公司将继续加强内部培训，提高员工的法律意识和维权能力。 总之，华纳娱乐公司在赢得官司后遭遇提款难题，暴露出我国法律法规不完善、企业自身问题以及维权能力不足等问题。面对这一困境，华纳娱乐公司应积极应对，寻求解决方案，同时也为我国相关法律法规的完善和企业维权能力的提升提供借鉴。

梳理近半年的成果，大晓机器人董事长、商汤科技联合创始人王晓刚，滔滔不绝聊了 10 多分钟。成立于 2025 年 7 月，大晓机器人（ACE ROBOTICS）是具身领域姗姗来迟的入局者。但一年来，这位新玩家成了赛道的 " 卷王 "：在模型侧，大晓新发布的具身大脑——世界模型 " 开悟（Kairos）3.0"，在 4 项全球具身智能基准测试中取得 SOTA；开源的 Kairos 3.0-4B，则率先实现在端侧直接驱动具身智能本体的能力。△ Kairos3.0 在 4 个世界模型生成预测具身智能榜单中取得 SOTA。图源：大晓机器人在数据侧，大晓提出的 " 以人为中心 " 环境式采集方案，通过大规模采集人类与真实环境的交互过程，将世界模型训练数据量扩展至 100 万小时，达到传统真机（人遥控机器人）采集模式的 10 倍。还有落地——半年前，大晓的具身大脑模组 A1，落地的主要场景，还是从事道路巡检的机器狗；如今，这颗 " 大脑 " 已经随着形态各异的机器人，进入了酒店、无人零售店、无人物流仓等多个场景。△大晓在上海西岸落地的机器狗巡逻方案。图源：大晓机器人2026 年 6 月 15 日，大晓机器人官宣完成天使 + 轮融资——距离上一轮官宣，仅隔了 4 个月。这一轮投资方包括达晨财智、深创投、上海科创基金、沐曦股份、盛宇投资、复星锐正、华控基金、临港新片区基金、豫资涨泉等基金，老股东商汤国香资本持续增资，告捷资本担任长期财务顾问。至此，2026 年以来，大晓的累计融资金额已经达数亿美元。据《智能涌现》了解，大晓也成了具身领域最快成为独角兽的企业之一。在单轮融资金额动辄数亿元的具身赛道，不仅是技术竞速，入局玩家的场景圈地之战已然打响：孵化自清华的 " 千诀科技 "，瞄准的是酒店保洁、商用服务、精密室内作业等实景项目；前华为车 BU 首席科学家陈亦伦创立的它石智航，聚焦的是线束装配场景。" 具身领域的产业链非常长，很难靠一家企业做完所有的事。" 王晓刚告诉《智能涌现》，" 所以在其中怎么撬动更多资源，在整个具身产业链中把握生态位的主导权，是非常关键的。"然而，在落地过程中，王晓刚感受到的是：硬件、数据、模型，三者的结合还不够。在海外，Figure、特斯拉等头部具身企业，都在内部整合硬件研发、数据采集和模型训练，以此提高协同迭代的效率。在国内，这套闭环尚未形成。王晓刚坦言，受制于技术成熟度和资源投入压力，不少本体公司对场景落地持谨慎态度；上游数据采集标准尚未统一，可直接用于具身模型训练的高质量数据供给不足。与此同时，硬件迭代的周期远长于模型，导致设计很难协同。找到可规模化的落地场景，以及可深度合作的本体厂商，是当下大晓构建 " 硬件、数据、模型 " 闭环的方法论。在王晓刚的规划中，大晓会先深入广阔的道路巡检和无人物流仓场景，再扩展到更为复杂、安全性要求更高的 C 端家庭场景。这样的好处在于，大晓能够先从 B 端场景中收集足够多的场景数据，提升世界模型能力的同时，还可以快速形成可以规模化的解决方案，帮助本体厂商进入场景。近期，王晓刚和《智能涌现》聊了聊大晓的进展，以及他对具身行业的观察。以下对话略经编辑：找到可复制的场景智能涌现：今年具身和世界模型是一级市场最火的赛道。相较于大晓成立之初，这一轮的融资难度有变化吗？王晓刚：这个时间点融资的好处是，市场有热度、有关注度。但相对的，企业太多，有时候投资人不清楚每家公司的价值点在哪里。所以我们需要付出更多的解释成本，帮投资人梳理清楚我们的发展路径、技术思路。智能涌现：大晓是 2025 年 7 月成立的。当时你会觉得大晓入局具身赛道晚了吗？王晓刚：我们选择这个时间点入局，是因为看到了具身大脑研究范式的变化：原来的主流的 VLA（视觉 - 语言 - 行动）范式存在局限性，缺少对物理世界的结构化理解。世界模型恰好可以解决这个问题。所以在当时入局，我们有可能实现弯道超车。而且在技术还不成熟的阶段，此前大家在探索技术范式，尤其是具身大脑的过程中，浪费了很多数据、模型训练、人力等资源。所以我们在去年入局可以少走弯路，反而有后发优势。智能涌现：相对而言，晚入局竞争会更激烈。王晓刚：具身领域的产业链非常长，很难靠一家企业做完所有的事。所以在其中怎么撬动更多资源，在整个具身产业链中把握生态位的主导权，是非常关键的。去年大晓成立之前，我们和很多具身企业进行了访谈。我发现，当时具身企业普遍对进入场景，抱有谨慎的态度。但场景在具身的发展中起到了关键作用。具身领域是按场景划分的，只要在一个场景中进行了闭环的验证，就很容易进行全球的规模化的复制。在规模化的复制过程中，就能让数据采集的体量、硬件的规模提升几个数量级。智能涌现：为什么具身公司不太愿意进入场景？王晓刚：一方面，技术成熟度还不高。另一方面，解决场景中的问题，涉及到大量的数据采集、研发等资源投入。加之目前很多新兴的具身公司，本身对行业和场景的理解都不够深刻。所以很多公司的态度是：先融钱，等待一个行业成熟的时机点，再去跟上。但等时机点出现的时候，先机已经被别人占走了。智能涌现：在技术不成熟的阶段，你们是怎么和场景中的头部客户谈的？王晓刚：找到技术的边界很重要。我们要根据技术、软硬件的成熟度，把现实的边界找到。如果进入 To C 场景，比如 L4 阶段的自动驾驶，我的技术就不能有边界。但是进入 To B 场景，加上各种可控条件，技术是可以落地的。我们还得判断：哪些场景是可以直接被解决的，哪些场景通过一些手段可以解决。此外，这些场景的解决方案还得具有可复制性。如果你找到的场景不具备可复制性，你做完这个，下一个还得定制化，这其实不是一个很好的选择。智能涌现：怎么判断一个场景具不具备可复制性？王晓刚：举个例子，我们优先深入的是零售、仓储这些场景，因为他们的业务体系和需求，全国都是可以复制的。再比如酒店也是一个可复制的场景，全国有很多酒店，我们交付的都是同一套巡检、导航机器人和机器狗。智能涌现：这些场景的竞争会更激烈吗？王晓刚：虽然大家都瞄准了这几个场景，但很多企业走得不深。这样的后果就是，你的成本无法控制、无法边际递减。你可以做个 demo 炫技，但它不具备规模化的前提条件。智能涌现：怎样的落地模式才算得上 " 深入 " 场景？王晓刚：首先，你需要有紧密合作的生态伙伴。比如，在无人零售的场景中，我们和商汤生态中的公司善惠机器人合作，给他们提供无人零售解决方案。善惠首先会提出成本、续航、节排等要求。其次，在具体的复杂场景中，他们会给很多技术的反馈。这些要求和反馈，有助于我们形成数据闭环，在场景中快速迭代。做完生态合作伙伴的 " 前期功课 " 后，我们也能够知道哪些方案是必要的，哪些是可以省却的，或者可以通过其他方案进行弥补。等方案成熟，我们也能将业务合作拓展到零售相关的其他头部企业，通过规模化把成本降下来。通过这一套打法，目前大晓能够把解决方案的成本降低到行业的 1/3。智能涌现：之前你提到，大晓落地场景的规划是：道路巡检 - 无人物流 - 家庭场景。这个落地顺序背后的考量是什么？王晓刚：一方面，我们考虑的是技术实现的难度。另一方面，我们遵循的还是先 To B 后 To C 的策略。因为 C 端场景规则边界不强，存在很多非结构化的场景。但 B 端场景是受控的，能够保障安全性。所以在 B 端积累更多经验后，我们再走向 To C。△大晓世界模型的家居场景。图源：大晓机器人世界模型还没有「智能涌现」智能涌现：创业初期你提出了很多新观点，比如在 VLA 还是具身主流范式时，选择了做世界模型，再比如提出 " 以人为中心的数据采集范式 "。你怎么判断这套范式是可行的？王晓刚：大方向上的判断是非常确定的。首先，VLA 与世界模型相比，只有后者这样的生成式模型，才具备智能涌现的能力。所以我们做具身智能，第一天就选了世界模型方向。其次，只有真人的数据，无论是采集的效率和规模，还是拟人化的真实性，才能达到训练世界模型的要求。但其中很多细节是在实践过程中才逐渐变清晰的。比如做世界模型，一开始我们的主要关注点是生成能力。但实际场景中，世界模型不光要生成数据，还要去控制真机，通过机器人与物理世界进行交互。这对世界模型的物理智能、空间智能提出了更高的要求。所以我们最近发布了开源空间智能通用模型 ACE-Brain-0，以及物理 3D 生成框架 PhysX-Omni，来提高世界模型的空间智能和物理智能。智能涌现：视频生成模型、VLA 等都称自己为 " 世界模型 "。你对世界模型的定义是什么？王晓刚：简单来说，世界模型得具备三方面的能力：理解、生成、预测。只有同时具备这三个能力，模型才能自我演进、自我纠正、自我进化。为什么大家都说自己是世界模型？因为业界没有针对世界模型的评价体系。比如，行业缺少对长时序复杂任务执行效果的 benchmark。一些所谓的 " 世界模型 " 只是宣传了自己擅长的东西，但其实缺失了另外的能力。像 VLA 缺乏生成能力，视频生成模型缺乏了对物理和空间的理解能力。智能涌现：你们内部怎么评测世界模型的能力？王晓刚：我们正在联合一些学术机构和具身公司，建立一个世界模型 benchmark，其中的评测维度包括跨本体的泛化能力、模拟仿真的能力，这些维度最终指向的是衡量模型理解、生成、预测的能力。智能涌现：大晓的世界模型 Kairos 最近迭代到了 3.0。它的能力类比语言模型处于什么阶段？王晓刚：还没到 GPT3.0。等到 GPT3.0 的阶段，世界模型就能实现智能涌现，也意味着研究范式有较高程度的确定性。目前我们还是按照 " 理解、生成、预测 " 三个维度来逐步迭代 Kairos。最早的时候，Kairos 主要用来做视频生成，后面逐渐开始控制真机，相应的，我们也要提升它对空间和物理属性的理解。智能涌现：在当下世界模型发展的阶段，数据的量、质量、标注，以及后续的评测等环节，哪个对模型能力的影响最大？王晓刚：眼前世界模型还在 0-1 的阶段，可供训练的数据本来就很少。所以在这个阶段，数据的量对效果的提升更明显。当训练数据增加了 10 倍、100 倍，我立刻能看到模型能力的提升。但等到世界模型出现智能涌现，就需要对数据进行精筛、进行精细化的标注。这和大语言模型的发展是类似的。当下世界模型还没有 " 智能涌现 "，所以先要把数据的量铺上去，再反过来解决质量问题。智能涌现：要实现 " 智能涌现 "，世界模型需要多少的训练数据？王晓刚：我们期待的是要达到千万小时的量级。原来真机采集的数据规模只有 10 万小时的量级，现在我们用人采集，基本上能达到百万小时。智能涌现：提升数据采集量级的关键是什么？王晓刚：还是场景的规模化，所以其中就需要产业方进入。其实对于产业方而言，数据采集也是他们进入具身行业的切入点。因为他们有场景，如果做数据采集，马上就可以变现，立刻产生价值。接着通过训练模型，再引入机器人，产业方也能提高场景的效率。模型、数据、硬件、场景的结合是不够的智能涌现：如今行业对机器人的一种态度是：买来只能当吉祥物，没有实际用处。王晓刚：除却质量问题，很重要的一点在于具身公司没有针对特定场景进行深度的迭代和打磨。现在的机器人公司，每年不断发布新的型号，但这些型号不是针对应用场景迭代的，所以原有的问题没有解决，反而会出现新的问题。问题不收敛，就会造成返修率的增加，机器人工作几百个小时，就会出问题。所以当下机器人的规模化推广面临很大的问题。智能涌现：让具身公司根据场景迭代的解法是什么？王晓刚：等场景能够规模化，硬件可以量产，就会倒逼具身公司将资源集中在针对场景的迭代上。智能涌现：如今行业中还有哪些难题？王晓刚：首先，今天模型、数据、硬件三者的结合是不够的。基座模型厂商、世界模型公司，还有做数据的公司，大家都各做各的数据采集方案。但未来本体是靠数据来驱动的，而不是靠真机或者物理模型的规则。所以这些问题就很关键：怎么从人身