单卡 3 小时对 128 卡 7 天:把「千分之一」算出来,是七千分之一
伯克利的 SuperMimic 用单张 GPU 训练约 3 小时,在动作跟踪基准上超过了 128 张 GPU 跑 7 天的对照模型,团队说 GPU 小时不到千分之一。把这两个数各自乘开,实际是七千分之一。但这个漂亮的比值只算了一段训练——世界模型本身怎么来的、仿真环境怎么搭的、真机迁移做到哪一步,这三笔账没进分子也没进分母。
- 核心对比:CoRL 2026 上,加州大学伯克利分校团队展示 SuperMimic,单张 GPU 训练约 3 小时,在特定人形动作跟踪基准上超过128 张 GPU、7 天训练的对照模型。
- 把比值算开:128×7×24 = 21,504 GPU 小时;单卡 3 小时 = 3 GPU 小时。两者之比约 1/7,168,即万分之一点四——团队表述的「不足千分之一」是保守说法。
- 推理加速:世界模型推演速度可达 MuJoCo Warp 物理仿真器的 10 倍以上,最高 62 倍;控制实验中达到相近表现所需的虚拟训练步数大幅减少。
- 真机进度:已在宇树 G1 上实现「部分动作」的真机迁移。
- 同一篇里的对照数字:Sharpa 支持的 DEX-X 在方块抓取/倒水/桌面清洁三项成功率为 93.3%/80%/53.3%;「Do as I Do」把动作迁移成功率从 25% 提到 71%;另一项用生成视频的研究从约 2500 段视频得到约 2000 条可用参考,其中 1500 余条在仿真中实现,40 次真机测试成功 27 次。
- 判断:训练成本下降是真的,但「整体降本」还没被证明——省下的是策略优化那一段,世界模型开发、仿真建设、真机验证这三段仍在账外。
先把两个数放在一起:3 小时,和 128 张卡、7 天。
前者是 SuperMimic 在单张 GPU 上训练的时间,后者是它对比的对照模型所消耗的资源。团队的说法是:GPU 小时数「不足千分之一」。
这个说法很克制。稍微算一下就知道它有多克制。
128 张卡跑 7 天,乘开是 128 × 7 × 24 = 21,504 GPU 小时。
单卡跑 3 小时,是 3 GPU 小时。
3 除以 21,504,等于 0.000139——约七千分之一,或者说万分之一点四。
也就是说,团队说的「不足千分之一」,实际是两个数量级的保守。真实比值接近七千分之一。
这个细节值得单独拎出来,因为它反映了一种很少见的表态方式:把已经足够惊人的数,往小了说。学术报告里这种做法通常出现在作者自己也不确定这个比值的可比性时——宁可说小,不愿被质疑夸大。
而且这个比值本身确实要打个折。128 卡跑 7 天,这 7 天里有多少是有效训练、多少是调参重跑、对照模型的步数预算是否和 SuperMimic 相同,报道一个字没提。所以七千分之一这个数,只能当量级看。
SuperMimic 的训练分三步:
第一步,让机器人在物理仿真器里执行动作,记录状态变化。第二步,训练一个可微世界模型,学「动作怎么改变物理状态」。第三步,在世界模型里预测动作结果,用梯度反馈直接优化控制策略。
省时间的是第三步。因为世界模型可以被反复调用,而且能给梯度——不用像强化学习那样靠成千上万次试错去估一个奖励信号。
但前两步没省。第一步要搭仿真环境、要标定机器人的动力学参数、要设计动作库;第二步要训练世界模型本身,这是一个独立的大模型训练任务,报道没有给它的卡数和时长。
这篇报道里最诚实的一句话,恰好来自记者而不是研究团队:
这句话把整件事说清了。3 GPU 小时买到的是「一个策略的优化」,不是「一套能力的获得」。要获得能力,还得先把世界模型造出来——而世界模型是重资产,一次性投入,长期摊销。
这也解释了为什么这个成果出自高校:高校可以把世界模型的开发成本算进科研经费,企业得算进产品成本。一家做交付的公司如果照抄这条路,会发现自己省下了训练费,却多了一支做世界模型的团队。
判断:训练成本的下降,对小团队是利好,对中等规模公司是陷阱。小团队本来就没卡,用别人的开源世界模型做微调,边际成本确实接近零;中等规模公司会误以为自己也该自建世界模型,结果把钱花在第二步上,第三步省下的又赔回去。自建还是接入,是这一轮最该算清楚的战略选择。
报道里有两个加速度的数:世界模型推演速度可达 MuJoCo Warp 的 10 倍以上,最高 62 倍。
这两个数经常被合并成一句「快 62 倍」。但它其实是「常规 10 倍、峰值 62 倍」。
差六倍的区间,通常意味着什么?在仿真里,速度取决于场景复杂度:刚体少、接触简单、没有柔性体的时候,GPU 并行效率高,能跑到几十倍;一旦有软体、有大量接触点、有力控约束,速度就掉回十倍量级。
而人形机器人的动作跟踪,恰恰是最容易掉进「大量接触」的那一类——脚踩地、手抓物、身体与环境碰撞。所以论文报的是 62 倍,工程上能稳定拿到的更可能是 10 到 20 倍。
这不是挑刺。10 到 20 倍已经足够改变工作流:原本跑一周的实验,现在半天出结果;原本一天只能试三个策略,现在能试三十个。工程上的差别不在于「能不能」,在于「敢不敢多试」。
报道写:已在宇树 G1 人形机器人上实现部分动作的真机迁移。
「部分动作」意味着什么?意味着不是整套技能,是若干条。可能是一个挥手动作用,可能是几个姿态转换,也可能是一段行走节律。报道没有说数量、没有说类型、没有说真机成功率。
这个限定为什么重要?因为「仿真里学会」和「真机上能做」之间,隔着整个 sim-to-real gap:电机响应延迟、关节间隙、地面摩擦、传感器噪声、结构柔性。这些在仿真里全都被简化过,到了真机全部回来。
行业里通行的做法是域随机化——在仿真里把参数随机扰动,逼策略学会鲁棒。但这本身有代价:随机化范围设小了迁不过去,设大了策略变保守,动作会变得僵硬。
所以「部分动作迁移成功」这个进展,真实的含义是:这条路在少数动作上走通了,还没证明能规模化。
判断:看 sim-to-real 的成果,只问一个问题——迁过去的那些动作,在真机上连续做一百次,成功多少次、要不要人扶。这个问题没有答案之前,「单卡 3 小时」的价值只在实验室里成立。
这篇稿子最有价值的地方,是它不只报了 SuperMimic,还顺手摆了几条别的降本路线,其中一条的数字链特别能说明问题。
加州大学伯克利分校、Sharpa 与香港大学的一项联合研究,用 AI 生成视频辅助机器人训练:把视频里的操作动作重建为三维轨迹,再在仿真里训练控制策略。结果是——
| 环节 | 数量 | 留存率 |
|---|---|---|
| 生成的视频 | 约 2500 段 | 100% |
| 可用的动作参考 | 约 2000 条 | 80.0% |
| 在仿真中成功实现的轨迹 | 1500 余条 | 约 60%(对 2500 计) |
| 真机测试成功 | 27 次(共 40 次) | 67.5%(对真机试验计) |
这条链读下来,每一级都在掉:生成视频八成可用,仿真里六成能实现,真机上一次测试三分之二能成。三个环节连乘,从 2500 段视频到 27 次成功,转化率约 1.1%。
这个 1.1% 才是自动化数据生产现在的真实效率。它不丢人——一年前这个数接近于零,因为生成视频根本不能用于训练。但它足以说明,为什么「数据是瓶颈」这句话在具身智能里喊了两年还没解决。
报道里还有一条路线,方向完全不同,但可能更接近落地。
大晓机器人在酒店洗衣场景做「具身智能递归自我改进」(RSI):让通用模型 Astra 自己看机器人作业的录像、测量数据和动作记录,做失败归因、生成改进方案,方案经过历史样本回放确认后部署到真机,下一轮真机执行再验证效果。
数字是:围绕「从烘干机取出衣物」这一个技能,约 57 小时完成 165 轮真机实验,形成 37 条改进提议和约 80 个版本,牛仔裤留在烘干机筒内的比例从平均 48% 降到 32%,最好成绩 19%。
这组数不好看。48% 降到 32%,意思是每三件牛仔裤还有一件留在筒里。
但它诚实,而且信息量大。它把「一个技能要迭代多久」这个平时没人报的数摆出来了:57 小时、165 轮、80 个版本。这意味着一件衣服的取出动作,需要三天不间断的真机试错才能把失败率砍掉三分之一。
对比一下 SuperMimic 的 3 小时——两者不是同一件事,也不该放在一起比。SuperMimic 优化的是策略搜索,大晓优化的是失败归因与方案生成。前者在仿真里跑,后者在真机上跑。真机跑一轮的成本,是仿真跑一轮的几百倍。
判断:这两条路最终会合流,但顺序不能颠倒。先在仿真里把策略搜到收敛,再在真机上做失败归因——反过来做,就是把最贵的资源(真机时间)花在最笨的活(试错)上。大晓那 165 轮里,如果有多少轮本来可以在仿真里排除掉,这个数没人算,但它决定了 RSI 到底省不省钱。
第一,看到「算力降到千分之一」这类说法,先自己乘一遍。卡数、天数、小时数,三个数乘开就有答案。这篇里的答案是七千分之一——比团队自己说的还夸张两个数量级。会算这个,就不会被「快 62 倍」这种峰值数字带走。
第二,训练成本不等于研发成本。省下的是第三步。第一步的仿真建设和第二步的世界模型训练,是重资产、一次性、要摊销的。判断一项降本技术能不能用,先问它把成本挪到了哪里,而不是问它省了多少。
第三,看 sim-to-real 成果,问连续次数。「部分动作迁移成功」和「能连续做一百次」之间,差着一整个工程周期。前者是论文,后者是产品。这两件事之间的时间,通常比论文到论文的时间长得多。