重點：機械人唔只要「睇到」，仲要識得「摸到」同「感到」

上海人工智能實驗室在 2026 年 9 月 13 至 14 日前後發布 Intern Physical World Model W0。據發布報道，這是一套面向機械人、專攻高接觸操作的物理世界模型，目標是把大型模型由數碼世界的規劃，帶到需要真正接觸物件和儀器的實驗操作現場。3235

不少機械人任務失手，問題未必是鏡頭望唔到物件，而是關鍵資訊根本唔止靠影像判斷：例如夾爪開始打滑、容器遇到異常阻力、工具碰到表面，或者材料反應同預期不同。W0 的定位，就是讓機械人將這些實體互動訊號放進決策迴路。

據報，W0 將以下元素結合起來：

• 視覺：觀察物件、工具與工作空間；
• 力覺與觸覺：感知接觸、阻力及物件受力變化；
• 機械人自身狀態：例如姿勢或運動狀態；
• 未來狀態預測；以及
• 動作執行與即時修正。3235

換句話講，佢唔係先靠鏡頭定好一套固定動作，再照單全收；而係在接觸條件變咗時，按新回饋改下一步。這類能力對精細夾取、插入、混合、處理容器等工作尤其重要，因為單靠鏡頭未必睇得穿真正的接觸狀態。

「原生力觸」係咩意思？

W0 的其中一個賣點叫 原生力觸（native force-tactile）。按發布說法，力覺與觸覺並非事後加上的安全警報，而是和視覺、機械人身體狀態一樣，直接參與操作決策。35

實際上，這代表機械人感到阻力突然增加、握持開始滑動、接觸力度有變時，即使畫面未必清楚反映，也可以調整下一個動作。這個研究方向並非全新：觸覺原生的世界—動作模型，正嘗試聯合預測未來影像與接觸結果，以處理接觸密集的機械人操作。33

不過，現時公開資料未見 W0 的完整技術論文、資料集或可重現的基準測試。因此，「原生力觸」目前應理解為開發方公布的設計與能力描述，未到可由外界全面審核的程度。

「雙工協同」點樣令反應快啲？

W0 另一個重點是 雙工協同。發布資訊指，系統採用「異步異頻」架構：不同任務可以在不同時間尺度上同步推進。35

可以簡單理解成兩條路徑一齊做嘢：

1. 預測路徑：持續估計任務接下來可能發生甚麼，並更新較長視野的操作判斷；
2. 即時控制路徑：接收剛到的感測器資料，迅速更新馬達指令，不用等較慢的規劃循環完成。

接觸型機械人操作正正需要這種分工：規劃要望遠一點，但碰撞、阻力或滑動一出現，控制又要即刻反應。讓兩者以不同頻率並行，理論上可縮短環境改變到動作修正之間的延遲。35

同 NCP-ArchPreview 有咩分別？兩者講的「協同」不是同一回事

上海人工智能實驗室亦有參與 NCP-ArchPreview，並與上海交通大學 LUMIA Lab 合作開發。兩個系統名稱都可能令人聯想到「協同」，但處理的根本是兩回事。

系統	主要領域	結合內容	主要輸出
Intern W0	實體機械人	視覺、力覺、觸覺、機械人狀態、預測與控制	實體動作及環境狀態預測
NCP-ArchPreview	語言模型	下一詞元預測與下一概念預測	維持標準下一詞元介面的文字生成

NCP-ArchPreview 除了普通的下一詞元預測（Next Token Prediction），也學習預測跨越多個詞元的離散「概念」表示（Next Concept Prediction）。概念預測會引導詞元解碼器，但最終仍沿用一般語言模型的文字生成介面。1922

一句講晒：W0 處理的是機械人如何感知、預測及作用於真實世界；NCP-ArchPreview 處理的是語言在潛在空間中的表徵與預測。 現有資料未有證據顯示 NCP-ArchPreview 是 W0 的控制器，或者是 W0 的核心組件。

接上 InkStone 與 Intern-S2：由「諗到」走到「做到」

發布報道稱，W0 已接入 Intern InkStone 科學發現平台，並與 Intern-S2 科學模型協作。32 Intern-S2 被描述為一個支援多模態科學理解、推理、生成及長步驟任務的科學智能體基礎模型系列。12

報道所描繪的分工，可理解為一個閉環實驗室流程：

• 科學系統協助提出假設、實驗程序或選擇；
• W0 指揮的實驗室硬件負責執行實體步驟，同時觀察過程；
• 實驗結果再回流到下一輪決策，而非只跑一次預先寫死的流程。32

對自動化科研來說，難關往往唔係生成一份實驗方案，而係如何在真實儀器、真實材料和不斷變化的現場回饋下，穩定地做出來。

已公布的濕實驗與乾實驗應用

根據發布報道，W0、InkStone 與 Intern-S2 的組合已支援多個閉環科研項目，包括：

• 基因編輯蛋白的定向進化；
• 美哌卡因（mepivacaine）的多步有機合成；
• 脂質納米顆粒（LNP）製備，當中包括在製備期間動態調整流程參數。3235

這些確實是自適應自動化的合理目標領域。以 LNP 為例，配方與製程條件會影響結果；LNP 亦廣泛用作核酸載荷的遞送載體。19

但要留意，以上 W0 示範目前仍屬開發方報道的成果。公開資料未有列出詳細實驗流程、錯誤率、資料集、跨實驗室比較，或獨立團隊重複驗證。

點解值得留意？最大關口又係咩？

W0 的潛在意義，是充當 AI 科學推理與真實實驗執行之間的自動化層。如果未來能在不同儀器和不同實驗室環境下證明可靠，或可減少「AI 想好實驗」與「人手或傳統自動化設備實際操作」之間的斷層，令化學、生物及材料研究的設計—製作—測試—學習循環更靈活。32

不過，真正難題仍然是泛化能力與可靠性。高接觸操作對校準、感測器漂移、器皿差異、材料變化、污染控制都很敏感；而實驗室中少見但後果嚴重的失誤，更不能只靠漂亮示範片段來判斷。

現時公開材料尚未證明 W0 能跨實驗室、跨儀器、跨長流程操作，或者由獨立用戶穩定使用。現階段較準確的定位，是一個值得關注、面向科學實驗的實體 AI 早期案例：整合願景很大，已有公布應用，但距離經得起廣泛驗證的通用自主實驗室基建，仍有一段路要行。

重點：機械人唔只要「睇到」，仲要識得「摸到」同「感到」

上海人工智能實驗室在 2026 年 9 月 13 至 14 日前後發布 Intern Physical World Model W0。據發布報道，這是一套面向機械人、專攻高接觸操作的物理世界模型，目標是把大型模型由數碼世界的規劃，帶到需要真正接觸物件和儀器的實驗操作現場。3235

不少機械人任務失手，問題未必是鏡頭望唔到物件，而是關鍵資訊根本唔止靠影像判斷：例如夾爪開始打滑、容器遇到異常阻力、工具碰到表面，或者材料反應同預期不同。W0 的定位，就是讓機械人將這些實體互動訊號放進決策迴路。

據報，W0 將以下元素結合起來：

• 視覺：觀察物件、工具與工作空間；
• 力覺與觸覺：感知接觸、阻力及物件受力變化；
• 機械人自身狀態：例如姿勢或運動狀態；
• 未來狀態預測；以及
• 動作執行與即時修正。3235

換句話講，佢唔係先靠鏡頭定好一套固定動作，再照單全收；而係在接觸條件變咗時，按新回饋改下一步。這類能力對精細夾取、插入、混合、處理容器等工作尤其重要，因為單靠鏡頭未必睇得穿真正的接觸狀態。

「原生力觸」係咩意思？

W0 的其中一個賣點叫 原生力觸（native force-tactile）。按發布說法，力覺與觸覺並非事後加上的安全警報，而是和視覺、機械人身體狀態一樣，直接參與操作決策。35

實際上，這代表機械人感到阻力突然增加、握持開始滑動、接觸力度有變時，即使畫面未必清楚反映，也可以調整下一個動作。這個研究方向並非全新：觸覺原生的世界—動作模型，正嘗試聯合預測未來影像與接觸結果，以處理接觸密集的機械人操作。33

不過，現時公開資料未見 W0 的完整技術論文、資料集或可重現的基準測試。因此，「原生力觸」目前應理解為開發方公布的設計與能力描述，未到可由外界全面審核的程度。

「雙工協同」點樣令反應快啲？

W0 另一個重點是 雙工協同。發布資訊指，系統採用「異步異頻」架構：不同任務可以在不同時間尺度上同步推進。35

可以簡單理解成兩條路徑一齊做嘢：

1. 預測路徑：持續估計任務接下來可能發生甚麼，並更新較長視野的操作判斷；
2. 即時控制路徑：接收剛到的感測器資料，迅速更新馬達指令，不用等較慢的規劃循環完成。

接觸型機械人操作正正需要這種分工：規劃要望遠一點，但碰撞、阻力或滑動一出現，控制又要即刻反應。讓兩者以不同頻率並行，理論上可縮短環境改變到動作修正之間的延遲。35

同 NCP-ArchPreview 有咩分別？兩者講的「協同」不是同一回事

上海人工智能實驗室亦有參與 NCP-ArchPreview，並與上海交通大學 LUMIA Lab 合作開發。兩個系統名稱都可能令人聯想到「協同」，但處理的根本是兩回事。

系統	主要領域	結合內容	主要輸出
Intern W0	實體機械人	視覺、力覺、觸覺、機械人狀態、預測與控制	實體動作及環境狀態預測
NCP-ArchPreview	語言模型	下一詞元預測與下一概念預測	維持標準下一詞元介面的文字生成

NCP-ArchPreview 除了普通的下一詞元預測（Next Token Prediction），也學習預測跨越多個詞元的離散「概念」表示（Next Concept Prediction）。概念預測會引導詞元解碼器，但最終仍沿用一般語言模型的文字生成介面。1922

一句講晒：W0 處理的是機械人如何感知、預測及作用於真實世界；NCP-ArchPreview 處理的是語言在潛在空間中的表徵與預測。 現有資料未有證據顯示 NCP-ArchPreview 是 W0 的控制器，或者是 W0 的核心組件。

接上 InkStone 與 Intern-S2：由「諗到」走到「做到」

發布報道稱，W0 已接入 Intern InkStone 科學發現平台，並與 Intern-S2 科學模型協作。32 Intern-S2 被描述為一個支援多模態科學理解、推理、生成及長步驟任務的科學智能體基礎模型系列。12

報道所描繪的分工，可理解為一個閉環實驗室流程：

• 科學系統協助提出假設、實驗程序或選擇；
• W0 指揮的實驗室硬件負責執行實體步驟，同時觀察過程；
• 實驗結果再回流到下一輪決策，而非只跑一次預先寫死的流程。32

對自動化科研來說，難關往往唔係生成一份實驗方案，而係如何在真實儀器、真實材料和不斷變化的現場回饋下，穩定地做出來。

已公布的濕實驗與乾實驗應用

根據發布報道，W0、InkStone 與 Intern-S2 的組合已支援多個閉環科研項目，包括：

• 基因編輯蛋白的定向進化；
• 美哌卡因（mepivacaine）的多步有機合成；
• 脂質納米顆粒（LNP）製備，當中包括在製備期間動態調整流程參數。3235

這些確實是自適應自動化的合理目標領域。以 LNP 為例，配方與製程條件會影響結果；LNP 亦廣泛用作核酸載荷的遞送載體。19

但要留意，以上 W0 示範目前仍屬開發方報道的成果。公開資料未有列出詳細實驗流程、錯誤率、資料集、跨實驗室比較，或獨立團隊重複驗證。

點解值得留意？最大關口又係咩？

W0 的潛在意義，是充當 AI 科學推理與真實實驗執行之間的自動化層。如果未來能在不同儀器和不同實驗室環境下證明可靠，或可減少「AI 想好實驗」與「人手或傳統自動化設備實際操作」之間的斷層，令化學、生物及材料研究的設計—製作—測試—學習循環更靈活。32

不過，真正難題仍然是泛化能力與可靠性。高接觸操作對校準、感測器漂移、器皿差異、材料變化、污染控制都很敏感；而實驗室中少見但後果嚴重的失誤，更不能只靠漂亮示範片段來判斷。

現時公開材料尚未證明 W0 能跨實驗室、跨儀器、跨長流程操作，或者由獨立用戶穩定使用。現階段較準確的定位，是一個值得關注、面向科學實驗的實體 AI 早期案例：整合願景很大，已有公布應用，但距離經得起廣泛驗證的通用自主實驗室基建，仍有一段路要行。