GPT Plus会员费对比世界模型：月成本揭秘

物理AI的单月部署成本，首次被压缩到了与GPT Plus订阅费用相当的水平。

视频与文本之间巨大的算力鸿沟，业内早有共识。但今天，具身世界模型的部署成本被智在无界彻底改写——在机器人本体部署一套世界模型，月支出仅需150元，几乎等同于一个GPT Plus会员的订阅价。

这个价格来自其最新发布的隐式世界模型产品Being-H-Flash。以单台机器人每天扫码处理1000件快递的流水线场景为例，Being-H-Flash的月度算力成本仅为150元，相当于英伟达Cosmos方案的2%，比基于VLA架构的Pi0.5方案还低70%。

成本优势只是表象。当其他显式世界模型仍高度依赖云端算力进行推理时，Being-H-Flash已将推理过程直接迁移至机器人本体。在Orin NX这类百TOPS级别的边缘计算平台上，它能稳定维持接近20FPS的实时推理帧率，并同时兼容国产AI芯片与英伟达硬件生态。

（注：不同世界模型在训练级GPU、消费级GPU与端侧芯片上的推理速度对比，单位FPS，数值越高性能越强，x表示当前算力无法支撑运行）

据智在无界官方介绍，Being-H-Flash是全球首款能够在端侧，特别是百TOPS级计算平台上实现实时推理的世界模型。那么，这一技术突破是如何实现的？

端侧部署：世界模型从云端走进本体

要理解Being-H-Flash为何能在100TOPS的边缘芯片上达到实时性能，必须回溯到开篇提及的两个核心概念：显式世界模型与隐式世界模型。

过去一年，以VLA（Vision-Language-Action）为代表的具身模型显著提升了机器人操控任务的执行上限。但一个深层次问题逐渐浮出水面：在高度动态的真实物理环境中，仅仅完成“感知-动作”的映射往往不够。当场景涉及物体运动、遮挡、接触与形变时，机器人必须预判自身动作引发的连锁物理反应。否则，一个看似合理的动作指令，可能在执行初期就已偏离预期结果。

因此，机器人不仅要规划下一步动作，更需要推演动作执行后的物理状态。具备前瞻规划能力的“世界模型”由此成为具身智能演进的关键方向。值得注意的是，世界模型内部同样存在技术路线的分野。

具体而言，以英伟达Cosmos-Policy为代表的显式世界模型，采用逐帧生成未来物理画面的方式，再基于这些预测帧规划后续动作。

这种方法的优势在于能够直接建模未来的物理变化过程，但其代价同样显著：逐帧生成未来画面带来了极高的算力消耗与不可忽视的推理延迟。

而Being-H0.7采用的隐式世界模型，则另辟蹊径。它摒弃了显式的画面生成环节，转而在多模态感知输入与动作输出之间构建一个潜空间（Latent Space）。当前观测数据、任务目标以及对未来状态的隐式表征，均被压缩至这个潜空间中进行高效推演。换言之，模型依然在执行“预测未来”的功能，只是不再依赖“视觉化渲染”这一中间步骤。

（注：与英伟达的显式路线不同，Being-H0.7首次开创了“人类视频预训练”+“潜空间推理”相结合的隐式世界模型技术路径）

这一技术路线的核心优势在于：将“预测未来”的计算任务从高维像素空间迁移至低维潜空间。大量视频生成带来的算力开销被有效规避，而对未来物理状态的推演能力则被完整保留。更轻量的模型架构，是Being-H-Flash能够成功部署于端侧的关键第一步。

然而，放弃画面生成并不意味着预测精度的妥协。为确保模型在潜空间中的推演能力，研发团队动用了超过20万小时的第一人称人类操作视频与超过1.5万小时的机器人示教数据进行联合训练。同时，团队构建了一套专为端侧部署优化的推理基础设施，其中包括自研的Universal Async Chunking（UAC）等异步推理技术。模型负责在潜空间内完成未来状态预测，系统则负责将这些预测以极低延迟转化为实际动作指令。前者避免了像素级推理带来的巨大计算负担，后者则进一步压缩了从感知到控制的端到端时延。

最终，Being-H-Flash成为全球首款在百TOPS级边缘芯片上实现实时推理的世界模型产品。

边缘落地之后：从技术可行到商业可用

一个关键问题随之而来：世界模型跑进端侧，对实际落地意味着什么？

答案涉及两个维度。第一，它决定了机器人产品的“可用性”。第二，它决定了项目投资的“经济性”。

先从可用性说起。与DeepSeek对话时，模型多思考几秒再给出回答，用户通常可以接受。但机器人场景截然不同。产线上机器人若延迟两秒做出决策，螺丝可能已经拧穿电路板；仓储机器人若延迟两秒进行避障，货物可能已经倾翻。因此，若世界模型依赖云端推理，网络延迟与断连风险将成为整个控制链路中最脆弱的环节。更何况，许多工厂现场的网络条件本身有限，断网与抖动是常态。端侧实时推理、实现本地闭环控制的价值，在此背景下尤为突出。

以接住一颗高速滑落的小球为例。看似是简单的抓取动作，真正的难点在于预测而非执行。机器人需要在极短时间内持续判断小球下一秒的位置，并实时调整机械臂轨迹完成拦截。类似的挑战也出现在液体与柔性物体的操作中：倾倒时液体的流动路径，抓取塑料袋时其形变方向。这些任务看似各异，本质上考验的是同一种核心能力——对未来物理状态的实时预测。

当这种预测能力首次能够在机器人本体上实时运行时，世界模型便从一个实验室Demo，进化为产线上可用的实际能力。过去，世界模型运行在云端，机器人部署在产线，两者之间横亘着一条脆弱的网络连接。今天，世界模型第一次真正被嵌入机器人本体。这或许才是Being-H-Flash更深层的战略意义。

接下来，是第二个命题：世界模型能否实现大规模商业化落地。

经济账：世界模型终于算得通了

Being-H-Flash实现了一项此前世界模型难以兼顾的目标：保留对物理世界的精确预测能力，同时将部署成本压缩至产业界可接受的区间。

长期以来，世界模型面临的核心悖论是：预测能力越强，部署成本越高；成本越高，距离真实商业落地就越远。以Cosmos-Policy为代表的显式世界模型即是典型案例——它们能够精确建模复杂的物理过程，但高昂的推理开销使其绝大多数情况下只能部署在云端数据中心。对于大量真实业务场景而言，仅算力成本一项，就足以让项目可行性归零。

相比之下，Being-H-Flash选择了截然不同的技术路径。它没有将世界模型演变为一个更大规模的视频生成器，而是通过潜空间推理技术，在保留前瞻预测能力的同时，将实时运行所需的算力门槛压缩至百TOPS级边缘平台。对于机器人制造商而言，这意味着不再需要在模型能力与部署成本之间进行痛苦的二选一。

此外，为覆盖多元化的部署需求，智在无界还推出了完整的Being-H-Flash产品矩阵。其中，Being-H-aura面向标准落地场景，Being-H-ventus进一步强化运行效率表现，而旗舰版Being-H-procella则针对特定机器人本体、硬件平台及业务场景进行深度专项优化。

（注：Being-H-Flash产品矩阵，以隐式世界模型为技术底座，从aura、ventus到procella，逐级提升真实场景中机器人的部署效率与运行性能）

正如开篇所述，Being-H-procella已实现英伟达与国产芯片双平台适配，并在国产百TOPS级边缘平台完成了实用化部署。这意味着，“国产世界模型+国产芯片”的组合，首次从产业愿景落地为工程现实。

当端侧算力门槛降至百TOPS级，月度算力成本降至百元级别，许多过去在经济账上无法通过的场景，开始具备规模化落地的可能性。仓储物流中高速移动的包裹、工业产线上持续调整的机械臂，以及商超与家庭环境中涉及的柔性物体操作与连续任务序列，均开始进入世界模型的能力覆盖范围。

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世界模型从理论提出到端侧部署的完整技术闭环。而这或许揭示了世界模型商业化进程中真正关键的一点——决定它能否走出实验室的，从来不只是技术能力的上限。更重要的，是谁能率先将模型装入机器人本体、嵌入产线，并将总成本打到产业愿意买单的临界点。至少从今天来看，世界模型终于算得清这笔经济账了。

One More Thing

最后简要介绍Being-H-Flash背后的研发团队——BeingBeyond（智在无界）。

智在无界成立于2025年5月，是一支刚满一周年的年轻团队。创始人卢宗青，现任北京大学计算机学院长聘副教授、智源学者，长期深耕强化学习领域。在学术层面，他较早提出利用大规模人类视频数据训练具身模型的研究方向，这也成为智在无界后续技术路线的起点。

公司核心技术研发人员占比超过70%，博士学历占比接近60%，主要毕业于北京大学、清华大学、中国人民大学、南洋理工大学、南加州大学等国内外知名高校。过去一年，智在无界保持大约3-4个月推出一代模型的迭代节奏。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，这条技术路径始终围绕着同一个核心命题：如何让机器人像人类一样，通过观察世界来理解世界。

而今天发布的Being-H-Flash，则将这一整套能力首次带入了百TOPS级边缘芯片。从人类视频预训练，到隐式世界模型，再到端侧实时部署。一年时间，四代模型迭代，这一过程本身，就极具“具身智能”的风格。