7月17日，在waic 2026主论坛现场，它石智航创始人兼ceo陈亦伦博士正式推出全新一代具身原生基座模型——awe 3.5（ai world engine）。该模型荣膺waic 2026 sail之星奖，成为本届大会唯一获此殊荣的具身智能大模型。
率先实现具身原生模型全链路闭环，方法论获实践验证
作为业内首个完整贯通“预训练+后训练”技术路径的具身原生模型，AWE 3.5首次以可复现、可扩展、可持续演进的方式，验证了具身原生范式的可行性，推动行业从“碎片化技术探索”迈入“系统性范式落地”的新纪元。
AWE 3.5的核心优势，源于五大关键环节构成的闭环体系：原生一体化架构、双先验驱动预训练、世界引擎赋能的后训练机制、规模化能力验证（Scaling Validation），以及数据持续反哺迭代。支撑这一闭环的，是已迅速超越自动驾驶领域积累规模的百万小时级以人为中心（human-centric）真实数据与多模态信息流；预计今年年底，用于预训练的真实世界数据量将突破千万小时大关。尤为关键的是，AWE 3.5所采用的训练数据经过深度建模与精准筛选，高度还原物理规律与实际生产环境，使模型自诞生起即具备“感知物理世界、驱动物理AI变革现实”的底层能力。
相较前代AWE 3.0，AWE 3.5不仅完成技术指标跃升，更实现了从“单点模型调优”向“端到端方法论构建”的质变跨越。这标志着具身智能的技术演进路径正加速收敛，而AWE 3.5无疑已成为该方向无可争议的开拓者与引领者。
Born as One 原生架构终结“乐高式拼接”，赋予机器人物理直觉本能
AWE 3.5秉持“Born as One”原生一体设计理念，从模型底层基因出发，彻底重构具身智能架构——在初始设计阶段即深度融合动作执行、多维感知、空间几何、触觉反馈等多元能力，使其成为模型内生属性，而非后期叠加模块。由此，AWE 3.5本身即为物理世界的“原住民”，无需依赖外部模型进行语义转换或中间映射，可直接理解并响应真实物理环境。这种原生架构极大拓展了具身智能的能力边界，使机器人任务执行摆脱单一场景束缚，实现在跨任务、跨环境中的自主泛化，为通用具身智能的规模化落地开辟全新路径。
情感新闻资讯类网站模板(带手机端)，支持可视化，自定模型内容，简洁后台易上手，支持自定义内容栏目等。模板特点： 1、安装即用，自带人人站CMS内核及企业站展示功能（产品，新闻，案例展示等），并可根据需要增加表单 搜索等功能（自带模板） 2、带手机端 3、前端banner轮播图文本均已进行可视化配置 4、伪静态页面生成 5、支持内容模型、多语言、自定义表单、筛选、多条件搜索等功能 6、支持多种URL
与此同时，AWE 3.5全面继承并显著强化AWE 3.0确立的三大核心技术支柱：OSD全视角通感决策、HTS高密度触觉感知、LAS隐空间丝滑动作生成。整体动作表现更趋自然流畅、稳定可靠、精准可控，已在工业制造、商业服务、家庭场景等多元应用中展现出高度一致且值得信赖的精细操作能力。
预训练+后训练双轮驱动：激活通用泛化潜能，充分释放Scaling Law红利
理解现实世界仅是起点，真正迈向通用智能的关键，在于基于已有知识推理未知、预测未来。当前业界普遍依赖海量人工示教提升机器人推理能力，而AWE 3.5则从根本上重构了模型的学习起点。
在预训练阶段，AWE 3.5首创引入隐空间动作表征（Latent Action）与几何结构双先验机制。模型在尚未接入具体机器人硬件之前，即可同步构建对运动规律与空间关系的基础认知，从而在不同本体平台、多样化场景及复杂任务间展现出更强的迁移与泛化能力。该能力并非源于数据堆砌，而是通过模型底层结构注入，为跨平台、跨形态的具身智能部署奠定坚实基础。依托对human-centric数据更精细的建模与学习，相比PI0.5，AWE 3.5的任务吞吐效率显著提升，任务执行速度实现翻倍增长。
在后训练阶段，AWE 3.5进一步融合由世界引擎驱动的动态推演机制。区别于传统依赖真机试错或仿真环境的训练范式，AWE 3.5可在隐空间中高效完成对未来状态的多步推演，提前评估各类动作可能引发的物理结果，从而引导更优策略生成。结合预训练数据规模与模型参数量的双重扩展，其在长时序推理、逻辑连贯性与运行稳定性方面取得显著突破，真正兑现Scaling Law在具身智能领域的巨大潜力。目前，AWE 3.5已支持长达数分钟的连续、交互式闭环物理推演。
从海量真实数据沉淀、具身原生架构创新，到整套方法论体系的工程化验证，AWE 3.5不仅是一次模型版本的迭代升级，更是中国在物理AI领域构建通用智能基础设施进程中的一座重要里程碑。
