7月19日，在2026世界人工智能大会期间，大晓机器人发布开悟世界模型3.1（Kairos 3.1）、以人为中心的环境式数据采集方案2.0，以及面向即时零售、酒店服务和开放场景的三套行业解决方案。
在WAIC期间，网易科技等与大晓机器人首席科学家陶大程进行了一场深度对话。陶大程表示，模型的价值不在于画面生成得多逼真，而在于能否降低机器人在真实世界中的行动代价。
作为此次发布的核心，Kairos 3.1被定义为融合生成智能、物理智能与认知智能的行动一体化世界模型。该模型将视觉观测、语言指令、力触状态和策略轨迹等数据压缩至统一隐空间，形成“理解—推演—执行—反思”的自进化闭环：机器人先完成环境评估和任务拆解，再在平行空间比较动作路径，选择更优方案执行并将结果反馈模型。ACE-BRAIN-0.5则承担空间感知、决策规划等能力；Kairos-HomeWorld补充中国家庭的户型、物体和任务分布，覆盖30万套住宅平面图、5000个全屋仿真场景与8700个3D资产。大晓机器人方面披露，在NVIDIA Jetson Thor平台BF16精度下，Kairos 3.1 8B模型推理延迟为125毫秒，并通过KairosRT计算引擎推进端侧实时推理。
与此同时，数据是这套闭环的另一根支柱。大晓提出“信息密度定律”，强调数据价值不在数量堆叠，而在是否包含会改变行动结果的信息。其环境式数据采集方案2.0由ACE Ego Kit、ACE Sense Glove、ACE Data Engine和ACE Ego Matrix组成，分别覆盖全维采集、三维力触与动捕、自动化预处理和多源数据统一；同时开源L5级家居复杂任务数据集ACE-Data-0，将真实交互、失败恢复和接触关系纳入具身模型训练。
在商业化层面，大晓推出即时零售“晓满”、酒店无人洗衣“晓新”和四足全域作业“晓途”三套方案。“晓满”配套履约机器人W1，应对多SKU、高密窄仓和订单波峰；“晓新”覆盖收、放、洗、叠及熨烫；“晓途”适配多形态四足机器人，用于巡检、避障和多机协同。新闻稿显示，“晓满”已进入烧卖购、快客达和中石油便利店等场景，计划一年内落地1000家、两年拓展至1万家量级门店；“晓途”已在漕河泾园区、上海滨江城市治理和天津海棠花节等场景运行。同期亮相的PHYSICAL IQ物智平台，则为不同机器人本体与世界模型建立可横向比较的评测标尺。
在产业洞察层面，对于外界常将VLA、世界模型和统一具身基模型视为彼此竞争的路线，陶大程认为，技术范式尚未完全收敛，但判断标准已经改变。“具身世界模型不能只看生成画面是否逼真，也不能只看能否从观测直接输出动作，而要看它是否真正服务控制、降低机器人在真实世界中的行动代价。”他说，未来路线会围绕控制充分状态、多动作分支推演、动作因果、多时间尺度记忆和高控制信息密度数据逐步融合。
这意味着，机器人所需要的并非物理世界的“全量复印机”。“能高清复刻世界的通用生成模型，并不必然等于能支撑机器人行动的具身世界模型。”陶大程说。在他的定义中，模型要在有限观察、计算资源和试错成本下，维护与决策有关的控制充分状态，比如可操作区域、接触关系、风险边界和任务进度；更重要的是，要理解一个动作会造成什么后果，而不是复现训练数据中常见的动作序列。家庭与工厂可以共享底层物理规律、空间关系和动作后果模型，但真实部署仍需场景和本体校准，最终要回到真实闭环，检验模型推演能否与真实执行保持一致。
在陶大程看来，当前最突出的入口瓶颈仍是数据，但不是简单的数据量不足，而是大量数据与控制无关，难以帮助模型识别动作后果、失败边界和恢复路径。“近边界失败与恢复数据、临界成功数据和接触数据，往往比大量普通成功轨迹更能告诉模型‘什么时候会失败、为什么会失败、失败后如何回归正轨’。”他说。规模负责覆盖更多物体、场景和物理现象，控制信息密度决定数据是否真正触达安全和控制边界。因此，数据采集不能脱离模型和任务单独进行，而应由模型公司、本体企业和场景方共同设计，在真实运行中持续筛选高价值数据。
这一逻辑也决定了商业化切入口。陶大程认为，工业巡检、即时零售、前置仓、无人仓储和酒店服务等边界清晰、需求刚性、任务可重复的B端场景，更适合在短期内验证世界模型。机器人错误可以直接折算为碰撞、任务中断、人工接管和运营损耗，技术是否有用不再停留在演示效果，而能被运营指标检验。“具身智能跨越‘演示阶段’的标志，不是完成一次惊艳Demo，而是在长期运营中形成可重复的任务成功率、可控的人工接管率和部署成本。”陶大程说。
陶大程认为，真正的能力是把高控制信息密度数据、世界模型、端侧工程和真实场景闭环放到同一系统里。推理时延、显存、通信、能耗和安全约束不是额外条件，而是模型进入控制闭环的组成部分，如果风险判断无法在控制周期内完成，再准确的离线预测也难以转化为产业价值。
因此，PHYSICAL IQ物智平台在大晓的构想中也不能替代真实运营。陶大程认为，更合理的评价应是“标准化Benchmark+真实场景闭环”：前者提供公开、客观、可复现的横向尺度，后者用任务成功率、人工接管率、恢复率、安全事故、单位任务成本和跨场景复制能力检验产业价值。所以，对物理AI而言，模型从“理解世界”走向“支撑行动”的关键，最终不在一次发布或一次展示，而在一次次真实决策中少犯错、能恢复，并持续把能力复制到更多场景。（定西）