henry 发自 凹非寺量子位 | 公众号 QbitAI

真没想到。。。∥锢鞟I的账单，，，
，有一天竟然能和大模子一个价。。。

事实，，，
，视频跟文本孰大孰。。。，，
，我照旧分得清的。。。

不过，，，
，就在刚刚，，，
，具身天下模子的安排本钱，，，
，被智在无界打下来了——

在机械人身上安排天下模子，，，
，一个月只要150块，，，
，相当于充个GPT Plus会员的钱。。。

而这，，，
，就来自他们最新宣布的隐式天下模子产品Being-H-Flash

在单台机械人天天扫码1000件快递的流水线场景中，，，
，Being-H-Flash月算力本钱仅需150元

相当于英伟达Cosmos方案的2%，，，
，甚至比VLA架构的Pi0.5还自制70%。。。

更要害的是，，，
，它不但是自制。。。

当其他显式天下模子还主要依赖云端安排时，，，
，Being-H-Flash已经直接跑进了机械人本体。。。

在类似Orin NX这样的百TOPS级端侧算力条件下，，，
，Being-H-Flash能实现靠近20FPS实时运行，，，
，并且同时兼容国产AI芯片和英伟达平台安排。。。

（注：差别天下模子在训练级显卡、消耗级显卡与端侧芯片上的推理速率比照，，，
，单位FPS，，，
，越大越好，，，
，x体现由于算力受限）

智在无界先容，，，
，Being-H-Flash也是全球首个在端侧，，，
，甚至是百TOPS级芯片上实现实时运行的天下模子。。。

这是怎么做到的 ？？？？

天下模子端侧开跑

要明确Being-H-Flash为什么能在100TOPS端侧芯片上实时运行，，，
，得先回到开头浅浅提到的两个看法：

显式天下模子隐式天下模子

已往一年，，，
，以VLA（Vision-Language-Action）为代表的具身模子一直刷新机械人的操作能力上限。。。

但与此同时，，，
，一个问题也越来越难以回避：在动态的真实天下里，，，
，纯粹地看加入景、输出行动，，，
，往往并不敷。。。

一旦涉及物体运动、遮挡、接触以及形变，，，
，机械人就必需思量行动带来的后续影响。。。否则，，，
，一个看似准确的行动，，，
，可能从执行最先就已经注定失败。。。

因此，，，
，机械人不但需要知道下一步该怎么做，，，
，还需要预判这样做之后会爆发什么。。。

于是，，，
，能妄想未来的天下模子最先成为具身新的演进偏向，，，
，但天下模子内部，，，
，也有两条差别蹊径。。。

详细来说，，，
，一边是以英伟达Cosmos-Policy为代表的显式天下模子，，，
，它会先逐帧天生未来画面，，，
，再凭证这些画面妄想行动。。。

这样做的利益是能够直接建模未来的物理转变，，，
，但价钱也很显着：未来画面需要逐帧天生，，，
，算力和延迟本钱都很高。。。

而Being-H0.7所接纳的隐式天下模子，，，
，则选择了另一条蹊径。。。

它不再天生未来画面，，，
，而是在多模态感知与行动天生之间构建一个潜空间（Latent Space），，，
，把目今视察、使命目的以及对未来状态的判断压缩到其中举行推演。。。

换句话说，，，
，它依然在展望未来，，，
，只是不再通过“画出来”的方式。。。

（注：有别于英伟达的显式蹊径，，，
，Being-H0.7首次开创了“人类视频预训练”+“潜空间推理”相连系的隐式天下模子蹊径）

这种做法最大的利益，，，
，就是把“展望未来”从像素空间搬到了潜空间。。。

大宗视频天生带来的盘算开销被省掉了，，，
，但天下模子对未来状态的推演能力依然得以保存。。。

蹊径更轻，，，
，是Being-H-Flash能够跑进端侧的第一步。。。

但不画未来，，，
，并不料味着无法精准展望未来状态。。。

为了确保模子在潜空间的推演能力，，，
，团队还使用了凌驾20万小时第一人称人类视频和凌驾1.5万小时机械人示教数据举行训练。。。

与此同时，，，
，团队还构建了一整套面向端侧安排的推理基础设施，，，
，包括自研Universal Async Chunking（UAC）等异步推理手艺。。。

模子认真在潜空间里展望未来，，，
，系统则认真让这些展望更快地转化成行动。。。

前者阻止了像素级rollout带来的重大盘算开销，，，
，后者进一步压缩了控制延迟。。。

最终，，，
，Being-H-Flash成为全球首个在百TOPS级端侧芯片上实现实时运行的天下模子。。。

端侧跑通了，，，
，然后呢？？？？

看到这里，，，
，一个问题自然来了：天下模子跑进端侧，，，
，然后呢？？？？

两件事。。。第一，，，
，它决议机械人究竟能不可用。。。第二，，，
，它决议这笔账究竟能不可算过来。。。

先说第一件。。。

举个栗子，，，
，你跟DeepSeek对话，，，
，模子多思索几秒，，，
，鲸鱼脑壳上转几圈，，，
，然后给你一个谜底，，，
，大大都时间问题不大。。。

但机械人纷歧样。。。

一台产线上的机械人晚两秒做判断，，，
，螺丝可能已经拧穿了电路板；；；仓储机械人晚两秒避障，，，
，货物可能已经撞翻在地。。。

以是，，，
，天下模子若是挂在云端跑，，，
，网络延迟和断连风险就成了控制系统里最懦弱的一环。。。

更别提许多工厂情形自己网络条件有限，，，
，断网和颤抖并不有数。。。

因此，，，
，端侧实时运行，，，
，实现闭环控制的主要性就在于此。。。

好比，，，
，接住一颗高速滑落的小球，，，
，看起来只是接个球，，，
，但真正难的着实不是行动，，，
，而是展望。。。

机械人需要一连判断小球下一秒会泛起在那里，，，
，并实时调解机械臂轨迹完成接取。。。

类似的挑战还泛起在液体和柔性物体上。。。

倒水时液体会怎么流，，，
，抓起塑料袋后会往哪边变形，，，
，看似是差别使命，，，
，背后磨练的着实是统一种能力：对未来状态的实时展望。。。

这些使命虽然看起来差别，，，
，但背后着实依赖的是统一种能力：在行动爆发之前，，，
，先对未来举行推演。。。

而当这种能力第一次能够在机械人本体实时运行之后，，，
，天下模子也最先从实验室里的Demo，，，
，酿成产线上的现实能力。。。

已往，，，
，天下模子在云端，，，
，机械人在产线，，，
，中距离着一根网线。。。

现在，，，
，天下模子第一次真正装进了机械人身体里。。。

这或许才是Being-H-Flash更主要的意义。。。

接下来，，，
，就是第二件事，，，
，天下模子能不可大规模落地。。。

天下模子终于算得过账了

Being-H-Flash做到了一件此宿天下模子很难做到的事：

保存对物理天下的展望能力，，，
，同时把安排本钱压到了工业能够接受的位置。。。

很长一段时间里，，，
，天下模子面临的都是统一个问题：能力越强，，，
，本钱越高。。。

而本钱越高，，，
，距离真实安排就越远，，，
，以Cosmos-Policy为代表的显式天下模子就是云云。。。

它们能够建模重大的物理历程，，，
，但高昂的推理开销决议了大大都情形下只能安排在云端数据中心。。。

关于许多真实场景来说，，，
，仅仅算力账这一项，，，
，就已经很难建设。。。

相较之下，，，
，Being-H-Flash选择了一条差别的路。。。

它没有把天下模子酿成更大的视频天生器，，，
，而是通过隐空间推理，，，
，把对未来的展望能力保存下来，，，
，同时把实时运行所需算力压缩到百TOPS级端侧平台。。。

关于机械人厂商来说，，，
，这意味着不必再在模子能力和安排本钱之间做二选一。。。

除此之外，，，
，围绕差别安排需求，，，
，智在无界还推出了完整的Being-H-Flash产品矩阵。。。

其中，，，
，Being-H-aura面向标准安排场景，，，
，Being-H-ventus进一步强化运行效率，，，
，而旗舰版Being-H-procella则针对详细机械人本体、硬件平台和营业场景举行专项优化。。。

（注：Being-H-Flash产品矩阵，，，
，以隐式天下模子为基座，，，
，从aura，，，
，ventus到procella，，，
，逐级推进真实场景机械人的安排效率和性能）

就像开头说的，，，
，Being-H-procella已经完成英伟达与国产芯片双平台适配，，，
，并在国产百TOPS级端侧平台实现适用化安排。。。

这意味着，，，
，“国产天下模子+国产芯片”第一次从工业愿景走向工程现实。。。

当端侧算力门槛降到百TOPS，，，
，当月度算力本钱降到百元级，，，
，许多已往算不过账的场景，，，
，也最先有了规模；；涞氐目赡。。。

仓储物流里高速转变的包裹，，，
，工业产线上一直调解的机械臂，，，
，以及商超和家庭情形中的柔性物体与一连操作使命，，，
，都最先进入天下模子的能力半径。。。

从Being-H0到Being-H0.7再到Being-H-Flash，，，
，智在无界用一年时间完成了隐式天下模子从提出到端侧安排的闭环。。。

而这或许也展现了天下模子商业化真正主要的一件事——

决议它能否走出实验室的，，，
，历来不但是能力上限。。。

更主要的，，，
，是谁能先把它装进机械人、放进产线，，，
，再把本钱打到工业愿意买单的位置。。。

至少从今天来看，，，
，天下模子终于最先算得过这笔账了。。。

One More Thing

最厥后简朴先容一下，，，
， Being-H-Flash背后的团队——

BeingBeyond（智在无界）

智在无界建设于2025年5月，，，
，是一支刚满一岁的团队。。。

首创人卢宗青，，，
，是北京大学盘算机学院长聘副教授、智源学者，，，
，恒久深耕强化学习。。。

在学术界，，，
，他较早提出使用大规模人类视频训练具身模子的偏向，，，
，这也成为了智在无界厥后手艺蹊径的起点。。。

公司焦点手艺开发职员占比凌驾70%，，，
，博士学历占比近60%，，，
，主要来自北京大学、清华大学、中国人民大学、南洋理工大学、南加州大学等海内外着名高等院校。。。

已往一年，，，
，智在无界险些坚持着3-4个月一代模子的迭代速率。。。

从Being-H0的1000小时人类视频预训练，，，
，到H0.5扩展至1万小时，，，
，再到H0.7将训练规模提升至20万小时，，，
，这条手艺路径始终围绕着统一个问题：

怎样让机械人像人一样，，，
，通过视察天下来明确天下。。。

现在天宣布的Being-H-Flash，，，
，则把这套能力第一次带进了百TOPS级端侧芯片。。。

从人类视频预训练，，，
，到隐式天下模子，，，
，再到端侧实时安排。。。

一年，，，
，四代模子，，，
，很具身。。。