7 月 19 日，大晓机器人在 2026 世界人工智能大会现场，正式发布原生行动一体化开悟世界模型 3.1 （ Kairos 3.1 ），并面向各行业开源。 作为融合生成智能、物理智能与认知智能的行动一体化世界模型， Kairos 3.1 以原生统一架构打通理解、生成、预测技术壁垒，构建起 “理解 – 推演 – 执行 – 反思” 全链路自进化智能闭环，标志着具身世界模型正式从单一能力突破迈向产业落地的完整闭环阶段，开启物理 AI 的 “开悟时刻”。 当前全球具身智能产业加速演进，世界模型沿表征式、生成式、交互式等技术路线持续迭代，却始终面临 “能力强、落地难” 的共性困境。发布会上，大晓机器人首次提出具身世界模型的第一性原理——世界模型的核心价值，在于从冗余的多模态输入中提炼高密度关键信息，锚定控制充分状态，在不确定的真实环境中最小化机器人智能体的行动代价。其底层逻辑可概括为：机器人掌握的关键信息越丰富，对控制充分状态的判断就越精准，最终执行任务时的行动代价就越低。 基于这一核心底层逻辑， Kairos 3.1 打造原生统一架构，依托混合 Transformer 与共享混合注意力机制，将视觉观测、语言指令、力触状态、策略轨迹等多源具身数据压缩进统一隐空间，从底层实现世界理解、物理生成、动作预测三大能力的深度融合。同时搭载自主反思闭环机制，可在执行失败时自主定位问题、迭代优化动作策略，让机器人大脑在真实作业中持续自我进化。 从底层理论创新到架构技术突破，从核心能力升级到落地性能跃迁， Kairos 3.1 的发布不仅是具身世界模型的技术里程碑，更为具身智能走向家庭、工业等真实规模化场景提供了可落地的完整技术路径。 原生统一架构驱动范式跃迁，理解 – 生成 – 预测一体化世界模型 Kairos 3.1 的核心技术突破，在于以原生统一架构将世界理解、物理生成、动作预测三大核心能力深度融合于同一技术底座，构建出可自进化的智能闭环系统，推动具身世界模型正式迈入行动一体化的全新阶段。 从底层架构设计来看， Kairos 3.1 打造了 “理解 – 生成 – 预测” 共享隐空间，依托混合 Transformer 架构与共享混合注意力机制，将视觉观测、语言指令、力触状态、策略轨迹等多维具身数据统一编码，压缩进同一隐空间形成高密度表征向量。 该设计从底层打通了理解、生成、预测的技术壁垒。三类能力并非独立模块的简单拼接，而是共享同一套特征表征与注意力机制，通过前馈神经网络、层归一化与条件交叉注意力的协同调度，实现信息的无损流转与高效联动，为全链路智能闭环提供了原生架构支撑。 在世界理解维度， ACE-BRAIN-0.5 作为 Kairos 3.1 的空间理解核心底座，为整套系统筑牢了感知与认知根基。该底座具备三层核心理解能力。空间层面，可精准识别物体部件位置、机械臂与环境的相对位姿，深度解析复杂空间关系；任务层面，依托时空记忆与思维链能力，可将长程任务拆解为环环相扣的操作步骤，自主生成时序合理的全局执行方案；状态层面，具备任务状态追溯与自我评估能力，可全程追踪执行进度、实时核验每一步操作结果，精准定位失败节点并触发动态纠错。 截至目前， ACE-BRAIN-0.5 已累计斩获十二项全球基准测试 SOTA ，从空间理解、导航决策到机器人操作、自我评估，单一模型实现全维度能力跻身全球第一梯队。 在物理生成维度， Kairos 3.1 构建了高保真、可交互的数字平行世界，为机器人的 “脑海推演” 提供了真实可信的仿真底座。其打造的 Kairos-HomeWorld 和 Physx-omni 在全球首次实现全屋生成与个体物体全交互，内置 30 万套精细标注的中国真实住宅平面图、 5000 个全要素齐备的全屋仿真场景，以及 8700 个覆盖几何、绝对尺度、材料力学、功能属性等六大维度物理属性的高质量 3D 资产，完整还原中国家庭居住特征。这套生成能力以物理真实性为核心，所有物体均遵循真实物理规则，机器人可与家居物品开展自由交互，真正筑牢了物理 AI 的数据与仿真根基。 在动作预测维度， Kairos 3.1 实现了从“推演结果”到“最优行动”的精准输出，直接支撑真机的可靠执行。基于统一隐空间的生成与理解能力，模型可在平行空间内同步开展多策略演算。面对 “打开冰箱” 等具体指令，模型从同一初始状态出发，同步生成多条候选动作轨迹，预演不同方案的执行结果与行动代价，最终筛选出成功率最高、执行成本最低的最优策略输出。 该预测能力可支持高自由度的全人形控制，既能完成桌面收纳等长程复杂任务，也能针对精细操作启动深度思考模式，甚至支撑全身协同的复杂作业，实现从认知决策到本体控制的端到端打通。 开悟世界模型同时在全球针对世界模型视频生成和状态预测的权威具身智能评测中均实现第一，超越 Cosmos3 、 PI 、 MotuBrain 、 being-H0.7 、 Abot 、 Fast-WAM 、 Wan2.2 等全球主流世界模型 ，并向全行业开源。 端侧推理与自主反思，解锁具身世界模型落地进阶能力 端侧可部署的实时推理能力与自主反思的自进化能力是具身世界模型走向真实场景落地的关键进阶。 Kairos 3.1 在保持世界模型高智能上限的前提下，突破了高延迟、难落地的行业瓶颈，同时构建起“执行 – 评估 – 反思 – 优化”的完整智能闭环，让机器人真正实现“在脑海中演化，在现实中执行”。 长期以来，世界模型普遍存在参数量大、推理链路长、延迟高的痛点， Kairos 3.1 依托自研的具身世界模型高性能计算引擎 KairosRT ，从软硬件协同层面实现五大技术创新。通过高性能模型结构与融合计算优化计算链路，采用模型混合精度量化压缩算力开销，结合算子最优切分尺度搜索提升硬件利用效率，辅以多流并行异构调度与异步动作运行机制，最终实现了世界模型的端侧实时推理。 在 NVIDIA Jetson Thor 平台、 BF16 精度的标准测试条件下， Kairos 3.1 8B 模型的平均推理延迟仅为 125 毫秒，推理速度达到经典 VLA 模型水平，较参数量更小的 Pi0.5 3.3B 模型更具优势；相较于同类型世界模型 Cosmos 3 Nano 6486 毫秒的延迟， Kairos 3.1 推理效率提升达 52 倍。 这一成果在保留世界模型更强认知、推演与规划能力的同时，达成了端侧部署的实时性要求，为真机离线运行、低时延控制提供了核心支撑，也让高自由度全人形控制、精细操作等复杂场景的实时响应成为可能。 自主反思的自进化能力是 Kairos 3.1 的另一项核心进阶。真实作业场景充满不可预知的变量，单次推理与预设策略难以覆盖所有突发状况，机器人能否自主感知失败、定位问题并修正策略，直接决定了任务的完成率与环境适应性。基于一体化的理解、生成、预测架构， Kairos 3.1 构建起完整的状态反思机制。 机器人执行任务过程中，任务评估器会全程核验执行状态，一旦出现操作失败，系统会精准定位问题节点，触发反思机制并调用平行空间推演能力，重新生成多组候选动作轨迹，筛选最优方案后再次执行。 以开冰箱取水任务为例，机器人初始采用三指操作策略执行失败后，系统自主反思判定为发力不足，随即在平行空间生成多组操作轨迹进行模拟推演，最终切换为四指操作方案成功完成开门动作。整个过程无需人工干预，机器人自主完成全链路闭环迭代。 端侧实时推理让自主反思闭环得以在真机上高效运转，自主反思则让端侧模型具备了持续进化的能力，二者相辅相成，共同推动 Kairos 3.1 从 “演示型模型” 向 “可落地的具身大脑” 跨越。 毕马威中国在最新发布的具身智能行业报告中指出，全球具身世界模型正沿内禀推演深度持续进阶，从普通生成向自我进化逐级演进，原生一体化架构已成为行业最前沿的技术演进方向。大晓机器人开悟世界模型 Kairos 凭借原生统一的理解 – 生成 – 预测一体化设计，跻身全球世界模型第一梯队。 基于理解、生成、预测三大能力的原生一体化融合， Kairos 3.1 所形成的 “理解拆解 – 平行推演 – 动作输出 – 真机执行 – 评估反思 – 迭代进化” 的完整自进化闭环，让机器人大脑在真实作业中持续迭代、越用越强，为具身智能走向规模化落地提供了可复制的核心架构范式。

在车辆动态性能评价中，侧倾控制、整体操控与控制平顺性是衡量底盘机械素质的核心指标。面对日益增长的车辆整备质量，如何让车辆在弯道中保持稳定姿态，在经过起伏路面时做到收放自如？ 被法拉利、兰博基尼、福特等超豪华和豪华高性能车所采用的解决方案就是MagneRide®磁流变悬架系统。顶尖品牌看中的正是磁流变悬架对车身姿态的精准控制能力，尤其是在车辆起伏、俯仰和侧倾等1至3赫兹频率范围的低频较大震动等情况下优异操控动态表现。 华东交通大学、同济大学与加利福尼亚大学洛杉矶分校（UCLA）多位学者于2024年11月21日发表于《Actuators》的论文表明：采用磁流变半主动悬架并结合多目标智能优化控制策略，相比被动减震器和其他传统半主动悬架，车身侧倾角和俯仰角都显著减少，验证了磁流变悬架在车身姿态控制上的显著优势。 在智能电动汽车时代，许多新能源汽车的整备质量已达2.5吨左右。车重的显著提升，导致车身与悬架的控制难度大幅上升，传统减震器在处理较大惯性带来的低频较大震动时往往面临物理瓶颈。而这恰恰是具备宽域调节能力的MagneRide®磁流变悬架系统最擅长的领域。目前，该系统已成功赋能新阿维塔12未来智能豪华轿车等多款主流高端新能源车型，以高水准的平顺性带来出众的车身姿态。 精准的姿态控制，前提是全面、实时的动态感知。为此，MagneRide®磁流变悬架系统构建了高规格的硬件感知架构。在系统运行中，配置于底盘的4个轮端传感器负责实时读取车轮的运动速度、加速度等运动数据；同时，系统电子控制单元（ECU）内置了惯性测量单元（IMU）用于收集车身姿态数据。通过将车轮数据与车身数据深度融合，系统对全面信息快速判断和进行计算，从而输出极为精准的阻尼调节指令，毫秒间实现对四个车轮独立精细控制。 车辆在高速过弯时，外侧悬架被压缩、内侧悬架被拉伸，进而产生明显的侧倾。MagneRide®磁流变悬架能赋能车身“过弯不偏”，核心在于其独特的阻尼力对称特性。在技术机制上，该系统在压缩和回弹两个方向的阻尼力调节，都能覆盖同等的200至9000牛顿的宽广范围。 这意味着，当车辆处于弯道中时，外侧磁流变减震器提供的强大“支撑”的同时，内侧也能“拉住”车身。这种双向协同发力，能够牢牢锁定车身姿态，抑制侧倾。 与依赖机械阀片、受限于活塞运动速度的传统减震器不同，MagneRide®磁流变悬架完全通过电磁场强弱来改变内部磁流变液的流变特性。这一物理特性，使得磁流变减震器可以在任何活塞速度下，实现任何阻尼力的瞬时调节。无论是在低速碾压大起伏路面，还是在高速激烈过弯，系统都能在毫秒间完成超大范围内的阻尼力无级切换。 京西智行MagneRide®磁流变悬架系统以全速域、宽范围、零迟滞的动态响应，确保了车辆在复杂多变的路况下始终具备连贯、出众的平顺性；通过多维感知、对称阻尼以及毫秒级的全速域响应，从物理底层重塑了车辆的姿态控制能力。 参考文献：Vehicle Attitude Control of Magnetorheological Semi-Active Suspension Based on Multi-Objective Intelligent Optimization Algorithm，《Actuators》，2024年11月21日发表。 https://www.mdpi.com/2076-0825/13/12/466 —

制造业是立国之本、强国之基。人工智能正加速重构生产方式和产业形态，推进新型工业化，已不能停留在设备更新或单点提效，而要推动AI进入研发、生产、供应链、营销和服务全过程。工业和信息化部等八部门印发的《“人工智能+制造”专项行动实施意见》明确提出，推动“智能产业化”与“产业智能化”双向赋能，制造业 AI 转型已成为建设现代化产业体系的重要支撑。 对佛山而言，这场转型既是国家战略要求，也是城市发展的主动选择。作为全国唯一的制造业转型升级综合改革试点城市，佛山制造业增加值长期占地区生产总值比重50%以上，形成了先进制造、泛家居、纺织、有色金属等产业集群。当前，佛山正处于由“制造大市”向“智造强市”跃升的关键期。此时需要回答的，已不只是某家企业要不要用AI，而是如何让一项通用技术穿透产业链、覆盖企业群，转化为一座制造业城市的整体竞争力。 主动求变、向智而行，佛山以城市级能力回应国家战略 佛山制造业的优势在集群，转型的难点也在集群。产业门类多、链条长，中小企业数量庞大，企业基础差异明显。龙头企业有条件自建平台、训练模型，更多中小企业却面临成本高、人才缺、数据散、场景难找等门槛。若仍以单个企业、单个项目为单位推进，容易形成新的数据孤岛和能力鸿沟，难以把“点上智能”转化为“链上协同”。 这也决定了，佛山的转型不是某一个企业、某一个行业的局部改造，而是一座制造业城市的系统升级。围绕传统产业优化提升、新兴产业培育壮大、未来产业前瞻布局“三箭齐发”，佛山市有的放矢：既要培育新动能、更新旧动能，也要让龙头企业率先突破、中小企业用得起AI，最终沉淀可持续、可复制的产业能力。 为此，佛山市政府强化市级统筹，把分散的算力、数据、模型、工具和服务组织起来，由“企业找政策、找技术、找服务”转向政府搭平台、提供主动式服务。政府不是替企业决策，而是建设公共能力、降低转型门槛。这需要一个覆盖全市产业、支撑长期运营的城市级智能化底座。 从全球首发到标杆落地，联想城市超级智能体在佛山进阶 这一需求，与联想城市超级智能体的演进方向高度契合。 2025 年 3 月，联想全球首发城市超级智能体，提出面向智慧城市 4.0 的 “1+N” 框架。作为具备感知、认知、决策与自主演进能力的城市级智能中枢，城市超级智能体以多智能体协同实现自动化治理，通过持续反馈自我进化，是支撑城市运行的智能生产力基座。 这套架构的提出，推动智慧城市从依赖人工介入的“城市大脑”，走向拥有感知、行动和持续进化能力的智慧城市4.0新阶段。去年，联想率先提出架构与理念，并在武夷山、宜昌、上海虹口等地展开实践；今年，这套能力深入制造业腹地，在佛山形成产业集群赋能的标杆落地，实现从城市治理向产业价值创造的进阶。 作为核心承载，“佛山市人工智能赋能传统制造业数智服务平台”将政府统筹、技术底座、行业知识、应用开发和本地运营纳入同一体系。平台以擎天AI为技术支撑，贯通算力、数据、模型、智能体、应用和服务，配套建设可信计算中心与AI大模型中心，提供可组合、可持续迭代的公共AI能力。 针对产业壁垒高、专业知识分散、数据标准不一等痛点，平台围绕先进制造、泛家居、纺织、有色金属建设四类高质量专属数据集，为行业智能体的训练与迭代提供数据基础，推动产业经验从“个人头脑”沉淀为“平台资产”，让通用模型真正理解佛山制造。 联想的制造业基因是其独特优势。具备技术服务商与制造企业的双重身份，联想深知制造业 AI 落地不仅要解决技术可行性，更要回应运营、迭代与规模化复制的现实命题。为此，联想整合全栈技术底座、产业场景经验、本地运营团队、创新实验室与生态伙伴，形成前端挖需求、后端做研发的协同体系，使城市超级智能体成为连接技术供给、产业需求与长期运营的有机整体。 20款关键应用贯通产业集群，重塑产业链供应链新竞争力 城市级AI底座的价值，最终要在产业一线检验。围绕佛山重点产业集群，项目布局20款行业关键应用，覆盖研发、生产、供应链、销售和服务，让AI变成企业切实可用的生产工具。 在先进制造领域，装备联合仿真、工艺知识图谱、预测性维护、PCB缺陷检测与根因分析、智能排产等应用，可推动研发、质量与运维协同提效。在泛家居领域，参数化设计、智能选型、需求洞察和智能营销，有助于企业应对多品种、小批量、快交付。在陶瓷领域，智能配色、配方筛选、烧成曲线优化和质量预测，可以把分散在老师傅头脑中的知识沉淀为可复用的行业能力。在纺织领域，趋势研判、花型生成、工艺知识管理、质量检测和动态排产，可以缩短开发周期，提升小单快反能力。在有色金属领域，工艺优化、设备维护、缺陷溯源、能耗分析和供应协同，可推动生产由经验判断向数据与机理协同驱动转变。 这20款应用不是分散的“工具箱”，而是构成“平台支撑应用、应用牵引平台”的闭环。平台为应用提供算力、模型、数据治理、开发工具和安全能力；应用进入生产现场后，又把新的工艺知识、场景需求和反馈数据带回平台，牵引数据集、模型和工具持续优化。一个场景验证有效，便可沉淀为标准化、模块化能力，向更多企业复制，由企业提效走向产业链协同。 这一闭环带来的不只是降本增效。需求预测、动态排产和供应链协同，有助于企业更早感知波动；工艺知识沉淀、智能质检和预测性维护，可以减少对少数经验人员的依赖。产业链供应链韧性由此转向“更早感知、更快决策、更强协同”，佛山制造也将从主要依靠成本和规模，转向依靠创新、品质、柔性交付和服务能力。 佛山的AI突围，不是另起炉灶，而是让深厚的制造业家底长出新能力。城市超级智能体的意义，在于探索从企业智能化到集群智能化、再到城市产业体系智能化的进阶路径。从2025年全球首提架构与理念，到2026年在佛山形成首个产业标杆实践，联想城市超级智能体正在完成从“城市有智能”到“产业用智能”的关键一跃，擘画智慧城市4.0时代的产业智能化的现实图景，更为全国广大制造业城市迈向智造强市提供可复制、可推广的“佛山经验”。

7月22日，美图公司技术副总裁兼美图影像研究院（MT Lab）负责人刘洛麒在阿里巴巴举办的技术活动上表示，AI视觉产业正进入新的发展阶段，行业竞争正在从模型能力比拼延伸至模型赋能产品，推动创作体验与用户价值提升。 在刘洛麒看来，未来AI视觉产品的发展方向不仅要打造强大的模型能力，更需要AI能够理解用户审美、创作习惯和专业需求。与此同时，专业Agent与行业技能的不断沉淀，将成为AI视觉产品的重要竞争力，但不能局限于打造更强的Agent，还要让多个Agent协同工作，形成真正能够完成复杂任务的Agent Teams。 AI需要拆解复杂任务，以团队形式完成工作 刘洛麒在活动现场分享说，大模型的发展不仅带来了技术升级，也推动整个AI产品形态发生变化。 过去，用户更多使用的是功能明确的App；如今越来越多的产品开始向AI Agent演进；而未来，产品将进一步发展成为多个Agent协同工作的Agent Teams，通过不同角色之间的专业分工，实现复杂任务拆解、流程协同和持续优化，让AI以团队形式完成工作。 这些变化的背后，本质上仍然来自底层模型能力的持续突破。刘洛麒介绍，目前美图基于MoE架构的原生多模态大模型美图奇想大模型，支持文字、图像、视频、音频等多模态输入，并具备专业视觉决策能力，能够结合用户意图、审美偏好以及行业知识，对复杂视觉任务进行拆解和规划。 从“可用”到“好用”再到“爱用” 在刘洛麒看来，AI视觉的发展正在经历新的阶段。早期，行业关注的是AI是否“可用”；随后进入强调效率和体验的“好用”阶段；但当前更重要的是要打造用户真正”爱用”AI产品。 随着AI工具能力不断增强，用户学习成本反而越来越高，产品设计的重要方向应该是要让AI主动理解目标、规划流程，并交付最终成果。 刘洛麒认为，随着模型能力不断成熟，AI视觉行业的发展重心也在发生变化，未来产品竞争比拼的将是行业知识、专业经验以及工作流程，这也是和通用模型能力间最大的不同。因此，专业Agent与行业技能的不断沉淀，融入真实创作流程，帮助用户持续创造价值，将成为AI视觉产品的重要竞争力。