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 ，，，，，视频跟文本孰大孰小 ，，，，，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；；；；；；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 。。。。。。
据新闻人士称 ，，，，，这些步队以阿塞拜疆南部的数个所在为据点睁开行动 ，，，，，这些所在紧邻伊朗北部领土 ，，，，，其中一处据点距离伊朗都会大不里士仅约60英里 ，，，，，而大不里士是以色列在战事时代攻击过的目的之一 。。。。。。新闻人士还体现 ，，，，，以色列还向这些所在安排了特种突击队 ，，，，，执行情报网络和无人机行动使命 。。。。。。