作者：周源/华尔街见闻

7月27日，在2025世界人工智能大会（WAIC）大模型论坛上，商汤科技推出“悟能”平台：以商汤具身世界模型为核心引擎，依托商汤大装置提供端侧和云侧算力支持，能为机器人、智能设备提供感知、视觉导航及多模态交互能力；同时，该平台支持嵌入到端侧芯片和机器人等终端硬件。

这是商汤在具身智能领域的具体实践，也为智能设备发展提供新的技术选项。

商汤“悟能”具身智能平台的核心引擎是具身世界模型，这是一套复杂动态系统：非简单静态复制物理世界，而是通过持续学习和整合海量数据，构建一个能实时反映物理世界变化的数字化镜像，类似于物理世界的数字化入口。

这些海量数据涵盖了物理环境的空间结构、物体的物理属性、各类事件的发生规律、以及人类的行为模式等多方面信息。

商汤具身世界模型的运作逻辑，类似于人类对世界的认知过程。

人类通过眼耳鼻等感官获取信息，在大脑中形成对世界的理解并指导行动，而具身世界模型则通过传感器等设备收集环境数据，经过算法处理形成对世界的“认知”，进而为智能设备提供决策依据。

这个模型能根据新输入的数据不断更新自身“认知”，就像人类在经历新事物后会调整对世界的看法一样。

依靠商汤大装置提供的端侧和云侧算力支撑，“悟能”具身智能平台能为机器人及智能设备提供感知、视觉导航和多模态交互等基础能力。

在感知层，平台整合各类传感器数据，借助具身世界模型分析环境信息。

比如在家庭场景，搭载“悟能”具身智能平台的机器人，有能力识别家具布局、家庭成员及温湿度等；在办公环境，也能区分办公设备和文件资料。

这种感知受光线、遮挡等环境因素影响明显，“悟能”平台的感知能力正是通过设备与环境的持续交互逐步完善；在常规环境条件下，能稳定输出环境信息。

视觉导航功能，主要解决设备自主移动问题。该平台通过具身世界模型解析空间，为机器人规划路径避开障碍物。

在仓库等结构化环境中，物流机器人可借此平台完成货物转运；室内走廊场景，服务机器人能沿设定路线行进，在预设场景内可实现精准的点对点移动。

多模态交互支持语音与视觉方式。语音可传达基础指令，视觉能识别简单手势和表情辅助，以理解用户意图。

智能音箱通过平台，既能响应语音指令，也能依手势调音量，在日常基础交互场景中可满足用户的常规操作需求。

“悟能”具身智能平台的硬件适配具有灵活性，可应用于人形机器人、服务机器人及部分智能设备。

这样的适配性，让平台能在不同场景测试应用，为硬件厂商提供技术集成选择。

技术哲学家刘易斯・芒福德在《技术与文明》中强调，技术并非是外在于人类生活的存在，而是深度嵌入并塑造了人类生活的方方面面。

“悟能”具身智能平台正是通过适配不同硬件，在实际场景中发挥作用，深入改变或重塑人类生活。

从技术体验角度看，平台支持嵌入端侧芯片，实际应用价值显著：能减少对云端算力依赖，设备在网络不稳定时仍能维持基本功能；端侧处理加快响应速度，降低数据传输延迟。

以智能家居设备为例，智能门锁嵌入平台后，本地处理人脸信息速度提升，减少数据上传云端需求，时延降低，在家庭安防场景中体验更好，功能表现更稳定。

应用场景包括家庭、办公和工业领域：家庭机器人可协助做清洁、搬运等简单家务；办公场景，智能设备辅助文件分类、会议室预约；工业环境，机器人参与零部件搬运、基础质检。

商汤科技董事长兼CEO徐立，在现场展示了搭载具身世界引擎的人形机器人讲解《长安的荔枝》PPT的效果，该机器人语言自然幽默，可自动翻页并回答各类问题，还能做阶段性小结。

这个展示直观呈现平台交互功能，体现当前具身智能的实际水平。

在技术发展方面，“悟能”平台的感知全面性、导航适应性和交互深度，都有明确优化方向。未来，商汤将通过收集应用数据迭代具身世界模型，提升平台稳定性和适用性。

此过程中，行业合作至关重要，具身智能领域，企业合作汇聚优势能将有效推动技术进步。具身智能作为人工智能发展方向，进步依赖技术积累和场景验证。

“悟能”平台是商汤的一次实践，实际价值将在后续应用中逐步显现。

对行业而言，这种探索推动具身智能从概念走向实践，为智能设备发展提供更多技术路径。

站在用户角度，平台价值体现在使用体验。机器人和智能设备能否解决实际问题、保持稳定可靠，是衡量价值的关键。

“悟能”平台现有功能为需求实现提供可能，将通过持续改进贴近用户期待。

在技术落地过程中，成本控制是关键环节。

平台集成成本、设备制造成本影响普及程度，商汤及合作方正探索在保证功能前提下降低成本的路径。

总体而言，“悟能”具身智能平台是人工智能在具身领域的具体实践，具备一定技术特点和应用潜力，同时面临技术完善、场景适配、成本控制等现实课题。

这类平台的发展，取决于技术迭代速度、市场反馈及行业合作深度，需要时间来呈现最终效果。