十万条动作、单卡几小时：「千倍算力削减」这个说法，得先把配置报出来才算数
「从多卡集群数日压缩到单卡数小时」——这句话里藏着一个必须补上的参数：几张卡、几日、几小时。把它补上，千倍这个数才站得住；补不上，它就只是一个形容词。
- 事实：UC Berkeley 团队发布 SuperMimic，提出基于单一可微世界模型的全身控制（WBC）架构，把十万级人体动作跟踪策略的训练从「多卡集群数日」压缩到「单卡数小时」，据称带来千倍级算力削减。论文已被 CoRL 2026 接收为 Oral。
- 作者：一作为 UC Berkeley 三年级博士生廖洽源，导师 Koushil Sreenath 与 Pieter Abbeel 同为论文作者。
- 它替代的是什么：现有主流 WBC 路线两条——把多个单段运动的专家策略蒸馏合并成一个统一控制器；或直接在大型运动库上训练单个通用策略。两条路共同的病是：运动覆盖越广，算力开销越陡。
- 判断：「千倍」是一个需要配置才能验算的数。 若按「多卡集群数日」与「单卡数小时」两端各取保守值（8 卡 × 72 小时 vs 1 卡 × 4 小时），得到的是约 144 倍；要到千倍，集群规模需在几十卡 × 三天量级。原文未给配置，所以这个倍数目前只能当方向，不能当指标。
- 判断：真正被改变的不是「谁能训得更好」，而是「谁能训得起」。可微世界模型的代价写在可微性上——接触、摩擦、碰撞这些最要命的物理环节，恰恰最不连续。
这条消息的标题里有一个数字：千倍。
千倍算力削减，听起来像一次范式转移。但要判断它是范式转移还是修辞，只需要问一句：从多少，到多少。
二手报道给的两端是：「多卡集群数日」和「单卡数小时」。这两句话里，四个量全是模糊的——几张卡、几日、单卡几小时、算的是什么。
我们按几组常见配置反推一下。
| 假设的旧方案 | 卡时合计 | 假设的新方案 | 卡时合计 | 倍数 |
|---|---|---|---|---|
| 8 卡 × 3 天（72 h） | 576 | 1 卡 × 4 h | 4 | 约 144 倍 |
| 16 卡 × 3 天 | 1152 | 1 卡 × 4 h | 4 | 约 288 倍 |
| 32 卡 × 3 天 | 2304 | 1 卡 × 4 h | 4 | 约 576 倍 |
| 64 卡 × 3 天 | 4608 | 1 卡 × 4.6 h | 4.6 | 约 1000 倍 |
这张表的用处不是算出真值，而是给出一个判断门槛：「千倍」如果要成立，旧方案的集群规模大概在几十张卡 × 三天的量级。如果实际是 8 卡跑两天，那真实倍数在 100 上下；如果实际是 128 卡跑一周，那可能超过两千倍。
三种情况对应的产业含义完全不同。100 倍意味着「从租不起到租得起」；1000 倍意味着「从需要机房到一张消费级卡就能跑」；2000 倍意味着「从团队项目变成个人项目」。
要看懂 SuperMimic 在做什么，得先看现有两条路为什么贵。
路线一：专家策略蒸馏。给每一段动作（走、跑、跳、转身、起身）各训一个专家策略，再把这些专家蒸馏合并成一个统一控制器。这条路的问题是：专家数量随动作覆盖线性增长，蒸馏阶段又要跑一遍所有专家，成本是乘法。
路线二：大运动库单策略。直接在一个巨大的动作库上训一个通用策略，用强化学习。这条路的问题是：动作库越大，采样效率越低，算力开销接近指数上升。这就是为什么做全身控制的团队，动不动就要几十上百张卡。
SuperMimic 的思路是第三条：用一个可微的世界模型当作「可求导的环境」，再用解析梯度直接对控制参数求导，而不是靠强化学习一遍一遍试。
这个思路的吸引力在于：强化学习是「采样—评估—更新」，每一轮都要真实或仿真地跑一遍；可微世界模型是「前向一次—反向一次」，梯度直接指路。前者像蒙着眼睛摸路，后者像拿着地图走。
判断：这是把「试错成本」换成「建模成本」的经典交易。交易划不划算，取决于世界模型有多准。而这件事恰好卡在一个老地方——接触。
机器人全身控制里最难的从来不是自由空间的运动，是与地面、与物体、与自身的接触。接触力是强非线性的，接触状态是离散切换的（碰上了 / 没碰上），摩擦锥是不连续的。这些东西写进一个可微模型里，要么被平滑掉，要么被简化掉。平滑得越多，梯度越好算，模型越不准。
所以这类工作的真实边界通常是：在动作幅度大、接触少、地形平的任务上表现很好；在接触密集、地形复杂、需要靠「蹭」和「撑」找回平衡的任务上，会掉。这不是缺陷，是这类方法的结构性特征。
假设「单卡数小时」是真的（哪怕只是 8 小时），那么一次完整训练的电费成本在几十元到一两百元量级。这个数在产业上的含义，比「千倍」大得多。
因为它把全身控制的训练，从「一个需要排队的集群任务」变成了「一个可以反复试的本地任务」。
可试错次数的上升，是这类工作最容易被低估的价值。工程上很多突破不是「一次训对了」，而是「试了两百次终于对了」。当单次成本从几千元降到几十元，能试的次数就从中个位数变成三位数——这个变化对一线工程师的意义，远大于论文里那个倍数。
但也要把话说全。训练成本降下来，不等于部署成本降下来。一台人形在真实场景里跑，成本结构是：训练（一次性）+ 数据采集（持续）+ 现场调试（持续）+ 硬件损耗（持续）。SuperMimic 动的是第一项，而第一项在总成本里的占比，随着部署规模扩大反而会下降。
判断：这项工作的最大受益者不是已经有大集群的头部公司，是买不起集群的中小团队和高校实验室。它拉平的是起跑线，不是天花板。头部公司该堆的算力一张都不会少堆——因为它们要的不是「训得起」，是「训出别人训不出的效果」。
过去一年，具身智能的叙事被两个成本锁住：数据成本和算力成本。
数据成本大家都认——真机数据一小时几百到上千元，遥操作采集更贵。算力成本大家嘴上认，心里不认，因为「堆卡」这件事对头部公司不是障碍。
但堆卡的逻辑有个隐含前提：规模能换来能力。如果 SuperMimic 这类方法成立，这个前提会被松动一格——不是说规模没用，是说「规模的必要性」下降了。对产业而言，这意味着一批原本因为算力门槛被排除在外的团队，重新获得了入场资格。
判断：这类工作的产业影响会以很别扭的方式出现——它不会让头部公司变慢，但会让腰部公司变多。而腰部公司变多，对下游集成商和终端客户是好事：供给增加，价格下行，交付变快。
最后一个提醒。这篇的二手解读里，作者把「十万级人体动作」和「单卡数小时」并置，读起来像「十万条动作也能单卡训」。这两件事之间未必有因果关系——可能是「用可微模型替代 RL 采样」带来的效率，也可能是「数据经过预处理压缩」带来的规模下降。判断：在拿到论文原文的消融表之前，不要把它理解成「数据规模不再是瓶颈」。数据规模一直是瓶颈，只是瓶颈的位置可能从「采集」挪到了「建模」。
CoRL 2026 给了 Oral，说明评审认可它的方法贡献。但学术界认的是「在标准任务上超过了谁」，产业界认的是「在我的工位上掉了几个点」。这两件事之间的距离，通常要用一两年才能走完。