晨昏线科技余庆：从 CV 模型到世界模型，一个建模者的十年场景迁移｜世界模型 50 人

晨昏线科技聚焦于“大脑”研发，发布世界模型TermiBrain。该模型不生成视频或预测像素，而是在隐空间推演多条可能的“世界线”，评估代价与风险后选择最优路径执行。余庆认为，在硬件成本未降、场景非标阶段，本体厂应专注硬件优化，而将通用具身大脑交由专业团队打造。

余庆拥有11年AI实战经验，历经安防、教育、华为通信网络及数据库领域，核心能力在于将行业隐性经验转化为模型可解问题。以下为经过编辑的对话实录。

大模型之前的那些年：从CV到ICT智能化

深度学习替代传统CV的判断逻辑

余庆早期深耕计算机视觉与安防项目，其主导的人脸入户锁产品实现量产销售。当时业界主流为基于OpenCV的传统机器视觉（如小波变换、Haar特征），依赖人工设计特征和先验知识，难以应对边界情况。

随着AlexNet在ImageNet上展现出比传统方法高出10%-20%的性能优势，余庆团队判断深度学习能显著提升泛化性，遂切入该赛道。在安防活体检测中，团队创新性融合近红外与RGB多模态数据，解决了单一传感器在光照变化下的局限，通过双摄像头方案完成初代产品研发。

从CV迁移至NLP与语音

在教育业务阶段，余庆将CV领域的深度学习经验迁移至NLP与语音方向，承接深圳市中考英语口语识别及作文自动评分项目。尽管领域不同，但数据、模型训练与特征提取的本质逻辑相通。

华为NAIE：构建网络自动驾驶平台

加入华为后，余庆组建网络AI引擎（NAIE）团队，承接无线、光、数通等六大产品线的AI需求，推动从数字化向智能化的演进，提出“网络自动驾驶”概念（L1-L5分级）。

团队核心任务是将ICT领域的AI问题建模为目标函数，并通过持续学习平台收集数据迭代优化。遵循“先做特性，后建平台”的路径，团队在落地多个高价值应用后提炼共性需求，构建AIOps及持续学习平台，将AI应用交付周期从3周缩短至数小时。

在华为做大模型：从机器语言到通信盘古

机器语言大模型：世界模型的前身

2022年初，余庆团队立项机器语言大模型，旨在解决核心网故障定位难题。核心网数据包含空间拓扑、时序监控指标、日志告警及运维指令等多模态信息，被定义为“机器语言”。针对故障样本稀缺问题，团队采用两条路径：一是表征正常范式以识别离群异常；二是利用图预训练全局特征进行故障定界与修复建议。

该项目积累了大量日志语料并搭建了200卡算力集群，为后续通信行业大模型奠定基础。

通信盘古行业大模型：慢思考与快执行

2023年，余庆担任通信盘古行业大模型技术负责人。针对ICT领域API繁多且对准确性要求极高的特点，团队在盘古底座基础上引入强化学习（RLHF），增强API调用能力。不同于纯文本生成，通信大模型需结合时序预测、空间拓扑等多维度模型，形成“慢思考（理解与规划）+快执行（API调用与小模型执行）”的双系统架构。

数据库大模型：隐性经验的显性化

在华为云数据库大模型项目中，团队重点解决DBA隐性经验挖掘问题。面对金融国产化背景下Oracle SQL向高斯数据库迁移的需求，团队利用70万对翻译样本训练大模型，实现SQL-to-SQL转换准确率超95%，有效降低了迁移门槛。

机器人动手之前，先想清楚

晨昏线科技的定位与商业模式

2025年8月，余庆加入晨昏线科技任CTO。公司定位为“基于物理世界模型的通用具身大脑”，技术路线为时空结合的物理世界模型。客户涵盖本体厂商及终端行业客户，商业模式包括模型授权、具身智能盒子（端侧/边缘侧）销售及整套解决方案。

广义的大脑不仅输出动作指令，还包含作业管理界面、数据工具链（采集、标注、训练）及Physical Agent框架，帮助客户解决异常处理与模型迭代问题。

世界模型的核心：多世界线推演

TermiBrain世界模型强调“目标因果”，通过“多世界线生成”实现慢思考。例如在执行递水任务时，模型会在隐空间推演多种路径，综合评估时间代价、物理可行性（如支撑面、遮挡）及物体属性（如温度），通过多维度融合强化学习选出最优世界线。

目前发布的GCWM 1.0架构包含三大模块：增强空间理解模型、目标因果预测模型（世界模拟器）及TCM因果操作模型（支持小样本学习与跨场景泛化）。未来计划发布GCWM 2.0，打通端到端链路。

落地案例与数据闭环

在真实场景中，晨昏线科技的解决方案已在零售拣货、免税店前置仓等场景落地。例如在零售展示中，机器人能根据订单指令自主导航并优化抓取策略（分层或同时抓取）。

为适配20多种机器人形态，公司定义了硬件抽象层（HAL），实现天级接入。数据采集方面，分为开发态（第一视角、遥操作、全身参数采集）和运行态（现场摄像头回流），重点关注带有工业Know-how的高质量轨迹数据。

商业价值与ROI

公司现有员工150人，预计年底营收千万级。对于工业客户，团队通过融合工序（如将震动检测、材质触摸、称重合并）提升ROI；对于零售客户，则通过全流程可追溯减少客诉退单。部分客户已表现出规模复制的预期。

护城河：模型、硬件经验与平台能力

应对本体厂与大模型厂的竞争

余庆认为，本体厂自研大脑面临高昂的团队与算力成本；通用大模型厂缺乏真机操作经验，难以处理力控、触觉反馈等物理细节。晨昏线科技的护城河在于：

• 模型能力：具备千亿参数、千卡集群训练经验，率先发布目标因果世界模型。
• 硬件经验：积累大量机器人控制、运动学求解及多形态硬件适配经验。
• 平台能力：五年积累的持续学习与AI平台构建经验，以及将场景问题建模为模型问题的Know-how。

世界模型的演进观

晨昏线科技将世界模型视为分阶段演进的工具：初期作为判断与预测角色（如指法预测）；中期作为世界模拟器，考量物理因果与代价；长期作为驱动模型演进的仿真器，通过RSI架构解决真实场景中的Corner Case，成为AI进入物理世界的入口。