# 智元发布WITA-Omni具身全模态模型，远征A3-Ultra实现端侧部署

> 原文链接：https://robotics.hellobike.com/news/2026-11-16-wita-omni
> 频道：news | 更新日期：2026-11-16 | 标签：auto, aihot
> 核心摘要：智元发布WITA-Omni具身全模态端到端交互大模型，支持触觉与本体状态输入及动作表情输出。该模型在远征A3-Ultra本体部署，交互响应最快400ms、平均600ms，登顶DailyOmni等四大权威榜单，已在文娱导览场景验证。

# 智元发布WITA-Omni具身全模态模型，远征A3-Ultra实现端侧部署

::: v-pre
> 本文由 AI 根据公开内容整理，可能有误，请以原文为准：[智元发布 WITA-Omni：行业首个具身全模态端到端交互大模型](https://www.agibot.com.cn/article/315/detail/270.html)（AGIBOT 智元（网页）（via AIHOT））

## 核心内容

智元正式发布WITA-Omni（硅光动语全模态大模型），定位为行业首个具身全模态端到端交互大模型。该模型已在量产人形机器人远征A3-Ultra完成本体部署，并在文娱导览等开放场景开展规模化验证。实测交互响应最快约400毫秒、平均约600毫秒，较业内平均水平快近3倍，同时登顶DailyOmni、MMAU、EmbSpatialBench及ActivityNet-TimeLens四个权威评测榜单，标志着具身交互智能进入部署态新阶段。

技术上，WITA-Omni采用流式全双工架构与快慢双模系统，前台Interaction Engine负责即时交互，后台Background Agent处理长程推理与工具调用。模型原生支持触觉、本体状态输入及动作、表情输出，通过视听融合感知前端消除自噪声并锁定移动目标。训练层面构建全模态预训练、具身行为对齐与交互策略强化范式，结合上百种语言免切换交流与Intelligent FaceUI可视化能力，解决了复杂物理环境下的低时延、抗干扰与自然交互难题。

## 关键看点

- **端侧部署性能**：WITA-Omni在远征A3-Ultra本体运行，交互响应最快400ms、平均600ms，较行业均值快3倍，解决无网实时计算与隐私问题
- **全模态感知输出**：突破音视频限制，新增触觉与本体状态输入通道，同步输出机器人动作与参数化面部表情，实现物理世界原生交互
- **快慢双模架构**：前台流式引擎保障即时应答，后台Agent负责深度推理与工具调用，共享上下文支持随时打断与任务动态调整
- **权威榜单验证**：登顶DailyOmni、MMAU、EmbSpatialBench及ActivityNet-TimeLens四大榜单，全模态理解与时空定位能力获量化认证

## 工程与产业观察

WITA-Omni将大参数量交互模型成功部署于量产本体，验证了具身智能从云端向端侧迁移的工程可行性。其快慢双模架构与全模态对齐范式，为解决机器人真实场景下的低时延交互与抗噪难题提供了可复用技术路径，推动人形机器人从功能演示迈向具备自然社交能力的部署态产品。

线索来源：[AIHOT](https://aihot.news/items/ohwih0e8mwcxh79dpad3r6lq9)
:::

## 原始参考来源 (Sources)

- [AGIBOT 智元（网页）（via AIHOT）：智元发布 WITA-Omni：行业首个具身全模态端到端交互大模型](https://www.agibot.com.cn/article/315/detail/270.html)