商湯科技（SenseTime）在上海舉行的WAIC 2025大模型論壇上，正式發佈其全新的「悟能」具身智能平台。該平台為機械人、智能汽車等終端設備賦予強大的感知、導航及多模態交互能力，被視為推動AI從數碼世界走向物理世界，並實現更高層次自主化與智能化的關鍵一步。
商湯科技建基於其在視覺感知、大裝置及「日日新」大模型等多方面的穩固技術基礎，以名為「開悟」的世界模型作為「悟能」平台的核心引擎。商湯科技董事長兼首席執行官徐立在發布會上表示：「世界模型和具身AI的結合，將開啟AI發展的下一個階段，完成由『工具』向『人』的躍遷，加速邁向AGI（通用人工智能）時代。」他期望「悟能」平台能協助各類具身智能企業，幫助他們完成與現實世界互動的夢想。
三大核心引擎：賦予機械感知、導航與交互能力
「悟能」平台的核心能力，主要圍繞感知、導航和交互這三大方面構建。在感知層面，憑藉商湯在視覺AI領域逾十年的深厚積累，平台能為機械狗、人形機械人等各類終端硬件，賦予對萬物進行精準識別、理解與分割的能力。此能力具備強大的場景適配性，可完全嵌入端側晶片運行，實現更高效、敏捷的即時反應。
在導航能力上，平台整合了商湯旗下智能汽車業務「絕影」在純視覺自動駕駛方案上的技術。這項原本用於車輛的端到端智能輔助駕駛技術，現可泛化適配至機械人等設備，使其能夠在複雜多樣的環境中，實現精準的路徑規劃和自動避障。發布會的演示顯示，不論是體型較小的機械狗在園區小徑奔走，還是自動駕駛車輛在城市道路行駛，均能流暢地規劃路徑並迴避障礙物。
而在交互層面，基於「日日新」大模型的支援，「悟能」平台賦予機械人更具人性化的交互能力。演示中，一部搭載該平台的人形機械人，能以風趣幽默或嚴謹務實等多種語言風格，生動地講解電影內容，展現出其具備深度理解、長效記憶及穩定溝通的亮點。
「開悟」世界模型：為AI進化構建4D真實世界數據
要讓AI在物理世界中學習進化，高質量的現實世界數據至關重要。「悟能」平台的核心引擎——「開悟」世界模型，正正解決這個數據匱乏的行業痛點。該世界模型具備強大的多模態深度理解能力，能僅憑自然語言描述，便生成具備空間與時間一致性的逼真模擬數據，例如生成完全符合物理規律的七路攝影機視角行車影片。
更令人矚目的是，「開悟」世界模型還具備編輯真實世界的能力。它可以在真實影片場景中，對車輛等元素進行替換、刪除或增補，從而創造出更多樣化、更極端的訓練場景。這種強大的生成與編輯能力，能有效提升終端設備的智能水平與泛化能力。未來，商湯科技期望透過「悟能」平台，助力整個具身智能產業實現感知、理解與生成能力的躍進，將與物理世界交互的不確定性挑戰，轉化為產業升級的確定性路徑。
Source：商湯