什么值得买App下载 App ›
连续签到专享现金活动

高德ABot-World超越Google Veo 3.1超10%:物理优先的世界模型强在哪

2026年具身智能赛道持续升温,各家大厂的世界模型密集发布。高德在不到三个月内拿下15项SOTA,成为行业焦点。从官方公布的数据看,单张RTX 5090就能跑720P分辨率的世界推演,延迟控制在1.2秒——这个硬件门槛看起来不高,但实际情况可能没这么简单。想了解这项技术到底强在哪、能不能用、值不值得关注,继续往下看。123
"物理优先"和"视觉渲染"有什么区别
传统世界模型追求的是像素级逼真——画面看起来好看,但物理规律常常出错。球会穿墙、物体会飘在空中、碰撞后的反应不符合常识。ABot-World的思路完全不同:它从一开始就把"物理一致性"作为核心目标,每一帧生成结果不仅是像素矩阵,还包含质量分布、惯性张量、接触力场等物理属性。模型能理解"推一下物体会怎么动"这类基本的物理因果,而非单纯生成视觉上好看的画面。4
这种"物理优先"的设计让ABot-World在物理合规性、动作可控性、零样本泛化三个维度同时达到了SOTA水平。其他模型往往只能在其中一个维度表现突出,同时在三项指标上领先的,目前只有这一个。它的底层架构是14B参数的Diffusion Transformer,配合可微分物理引擎,能够根据末端执行器的位姿和夹爪状态,精确推演未来的时空动力学变化,实现"指令即因果"的可控生成。56
15项SOTA是真是假,靠谱吗
ABot-World在WorldArena、Agibot World Challenge、WorldScore等多个权威榜单上拿到第一。4月15日,它在Agibot World Challenge与World Arena两大国际评测中双双登顶,超越了Google、NVIDIA及国内头部团队。在Agibot挑战赛中,它的Action Following得分达到0.9651,意味着模型能够精准理解并执行给定的动作指令;在WorldArena榜单上,综合性能领先Google Veo 3.1超过10个百分点。178
有观点指出,这些评测主要基于静态场景的重建质量。ABot-World在WorldScore的静态综合得分是78.55分位列榜首,其中光度一致性高达93.58分。但在动态评分中,它只拿到54.99分,落后于部分竞品。如果你关注的是机器人对未见场景的泛化理解与安全执行,这个成绩确实有说服力;如果更看重复杂动态场景下的表现,可能还需要观望后续迭代。910
RTX 5090能跑,4090呢
官方公布的性能指标看起来不高:单张RTX 5090、720P分辨率、16 FPS、延迟1.2秒、显存占用19GB。但实际部署还有其他限制。RTX 5090是官方唯一明确验证过的显卡,其他型号没有官方保证。内存建议64GB起步,重度使用建议128GB——显存不足时系统会把部分参数转移到内存,如果只有16GB内存可能会频繁卡顿。处理器至少12核,硬盘需要2TB NVMe SSD存放模型和生成的视频,电源建议1000W以上。3
RTX 4090的24GB显存从数字看够用,但项目默认使用FP8量化和面向Blackwell架构优化的依赖,这些优化专门为RTX 5090设计。在RTX 4090上运行可能需要额外调试,性能表现没有保证。7月9日官方已经开源了0.5B因果学生模型和推理代码,社区也在陆续发布非官方适配方案,对4090用户来说可以尝试,但别期待达到官方公布的帧率和延迟。23
现在能用在哪
具身智能机器人的仿真训练是最直接的应用场景。传统真机采集成本是大语言模型数据成本的数个数量级,ABot-World通过批量合成视频、深度、点云、轨迹四类训练数据,把数据成本压缩数个数量级。机器人先在仿真环境中大量训练,再迁移到真实世界,这套"虚拟训练-真实部署"闭环已经跑通,高德首款开放环境全自主机器人"途途"就是基于这套体系训练的。56
另一个已经落地的方向是城市级3D场景重建。ABot-Earth能在10分钟内从卫星图像生成公里级3D城市场景,输出可以直接导入Unity和Unreal Engine做交互开发,成本只有传统三维建模的百分之一。高速公路的交通管控推演、应急救援现场三维重建、养护作业仿真等场景也在探索范围内——这些领域需要"理解现在、推演未来"的能力,物理优先的世界模型比传统仿真工具更适合。1112
不过也要看到,ABot-World当前更接近一种交互式生成视频世界,而不是传统游戏引擎或专业自动驾驶仿真器。它生成连续视觉结果,不天然具备可查询的三维网格、碰撞体、导航网格等确定性物理状态。如果你的需求是精确的物理计算或可编辑的三维资产导出,需要评估它是否满足具体要求。此外,"无限推演"目前更适合理解为没有预设的视频长度终点,并不代表超长时间下的空间一致性、记忆和物理稳定性已经得到完整验证。32
对比维度ABot-WorldGoogle Veo 3.1Sora 2
技术路线可微分物理引擎扩散Transformer扩散Transformer
核心优势物理合规+动作可控画质写实度画质写实度
实时交互动作条件化推演无无
主要落地具身智能仿真影视视频生成影视视频生成
榜单表现WorldArena等多榜SOTAVideo Arena第一好莱坞合作
整体来看,各家素材对ABot-World的评价比较一致:它的核心竞争力在于"物理优先"的设计思路,以及在物理合规性、动作可控性、零样本泛化三项指标上同时达到SOTA的水平。这让它在具身智能领域具有差异化优势。如果你关注的是机器人对未见场景的泛化能力,想找一个能生成"符合物理规律"的训练数据的底座,ABot-World是目前少数经过国际榜单验证的选择。如果你更看重动态场景的视觉效果或需要可编辑的三维资产导出,可能需要对比其他技术路线的产品。硬件门槛方面,手里有机架服务器或者旗舰游戏主机的可以尝试;手里只有入门级显卡的,建议等社区适配更成熟之后再上手。5103

评论

评论区空态插画

当前文章无评论,是时候发表评论了