7月17日，在WAIC 2026主論壇上，它石智航創(chuàng)始人兼CEO陳亦倫博士正式發(fā)布新一代具身原生基座模型AWE 3.5（AI World Engine），該項目榮獲WAIC 2026 SAIL之星獎，成為本屆大會唯一獲此榮譽的具身智能大模型。

率先跑通具身原生模型完整閉環(huán)，方法論被驗證成立

作為業(yè)界率先跑通“預訓練+后訓練”完整范式的具身原生模型，AWE 3.5首次證明了可復現(xiàn)、可擴展、可持續(xù)迭代的具身原生的方法論成立，將行業(yè)從“零散技術嘗試”引入“范式落地”的全新階段。

AWE 3.5的核心競爭力，來自五大環(huán)節(jié)的閉環(huán)：原生架構、雙先驗預訓練、世界引擎驅(qū)動的后訓練、Scaling驗證，以及數(shù)據(jù)持續(xù)反哺。而支撐這個閉環(huán)的，是已快速超越自動駕駛的百萬小時級human-centric數(shù)據(jù)和多模態(tài)信息——今年年底，用于預訓練的真實世界數(shù)據(jù)將沖擊千萬小時。更具行業(yè)標桿意義的是，AWE 3.5訓練數(shù)據(jù)經(jīng)過精細建模與篩選，精準還原物理世界和真實生產(chǎn)場景，讓模型從一開始就具備“理解物理世界、物理AI改變世界”的能力。

相較于AWE 3.0，AWE 3.5不僅實現(xiàn)了技術層面的升級，更完成了從“單一模型優(yōu)化”到“全鏈路方法論構建”的跨越，這將成為模型技術路徑進一步收斂的顯著信號，而AWE 3.5無疑成為這一領域的絕對先行者。

Born as One 原生架構告別“樂高式模型拼接”，機器人長出物理直覺

AWE 3.5以“Born as One”為核心設計理念，從“基因”層面重構具身模型，在設計之初便將動作、感知、幾何、觸覺等多模態(tài)能力深度融合，使其成為模型的原生屬性，而非后期拼接模塊。正因如此，AWE 3.5自身便成為理解物理世界的“第一公民”，不再需要其他模型“翻譯”，而是能夠直接理解物理世界，這意味著原生架構將為具身智能提供超越想象空間的能力上限。這一設計理念使得機器人任務執(zhí)行徹底擺脫單一場景牽制，能夠在不同任務間靈活泛化，為通用具身智能的落地提供全新范式。

此外，AWE 3.5繼承并顯著強化了AWE 3.0的OSD全視角通感決策、HTS高密度觸覺感知、LAS隱空間絲滑動作三大技術路線錨點，使機器人動作更加流暢、穩(wěn)健、精準，在工業(yè)、商業(yè)服務、家庭等場景下提供可信賴及更為一致的精細操作能力。

預訓練+后訓練：賦予機器人通用泛化能力，全面釋放Scaling Law潛力

理解真實世界只是第一步，更重要的是根據(jù)已知信息來推理預測未知，這將是模型走向通用泛化的關鍵一步。當前行業(yè)普遍依賴大量示教數(shù)據(jù)提升機器人推理，而AWE 3.5直接改變了模型學習的起點。

在預訓練階段，AWE 3.5首次引入隱空間動作（Latent Action）與幾何雙先驗。模型在接觸具體機器人本體之前，便能夠同時建立對動作規(guī)律和空間結構的基礎認知，在不同機器人平臺、不同場景、不同任務之間獲得更強的泛化能力。這種能力并非依賴更多數(shù)據(jù)堆積，而是在模型底層完成能力注入，為跨本體遷移奠定基礎。通過對human-centric數(shù)據(jù)進行更精細的建模和學習，相比PI0.5，模型的任務吞吐量得到大幅提升，任務執(zhí)行效率翻倍。

其次，AWE 3.5進一步引入由世界引擎驅(qū)動的后訓練。不同于傳統(tǒng)依賴真機試錯或仿真環(huán)境訓練策略，AWE 3.5能夠在隱空間完成未來狀態(tài)推演，提前預測不同動作可能產(chǎn)生的結果，引導更優(yōu)決策。在此基礎上，通過規(guī)模化擴展預訓練數(shù)據(jù)和模型參數(shù)規(guī)模，模型在預測推理的連貫性、長時性和穩(wěn)定性上顯著增強，全面兌現(xiàn)及釋放Scaling Law為具身智能帶來的能力躍遷。基于此，AWE 3.5現(xiàn)已支持數(shù)分鐘的連續(xù)、交互式閉環(huán)推演。

從海量真實數(shù)據(jù)、具身原生架構到方法論體系驗證，AWE 3.5不僅是一次模型的升級，更代表著中國在物理AI領域探索通用智能基礎設施的重要里程碑。