跑马拉松、打拳、整理家务，甚至进入工厂完成复杂作业。它们为什么突然变聪明？距离真正走进日常生活，还有多远？
答案绕不开世界模型（World Model）。
以Cosmos3为代表的世界模型正在推动机器人能力升级。过去的机器人更像照着规则办事，而世界模型让它们能够结合视觉、语言、动作等多模态信息，理解环境、规划行动，并将学到的能力迁移到新场景中。
不过，模型发布只是起点。对企业来说，更棘手的问题是：如何让模型持续训练、稳定迭代，最终进入生产环境。
世界模型需要处理海量视频、动作轨迹和空间数据，对训练平台、GPU利用率、集群协同和工程能力都有很高要求。训练效率跟不上，再好的开源模型也很难快速变成产品。
百度百舸近期围绕Cosmos3-Nano-Policy-DROID开展的训练优化实践，就很有代表性。
官方训练方案采用1024张GB200 GPU。BaiDu智能云通过AI Infra工程优化，将其适配到国内主流GPU环境，并从数据加载、I/O、编译和多机协同等环节入手，提高整体训练效率。
优化结果包括：
✅ 训练启动速度提升89倍
✅ 单机吞吐提升99.3%
✅ MFU达到0.42，高于官方公开基准
✅ 12节点扩展效率达到98.3%
这些数字的价值不只是“跑得更快”，更在于充分利用现有算力，让更多企业能够在已有GPU条件下训练世界模型，降低具身智能的研发门槛。
Cosmos3也并非个例。目前，百度智能云已完成OpenPI、GR00T N1.6、DreamZero、Lingbot-VLA、Motus、AHA-WAM、Wan2.2等具身智能模型的训练与推理优化，并持续探索面向世界模型和多模态模型的大规模训练方案。
未来，决定机器人能力上限的，不只有模型，还要看模型能否持续迭代、算力能否高效利用，以及训练平台是否真正具备生产能力。
机器人越来越聪明，背后既有世界模型的突破，也有AI基础设施的持续演进。当世界模型真正做到“训得起、训得快、训得好”，具身智能走向产业应用也会更快。
