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。。。。。

面临疾病，，，，盼愿捷径是人之常情。。。。。伪科学正是使用这份懦弱，，，，把痛苦做成生意。。。。。它们不但延误治疗，，，，最残忍的是让受害者以为“治欠好是自己的错”。。。。。