英伟达 DreamZero 世界动作模型原本使用 8 张 H100 完整训练一轮需要 25 天左右，依托 RLinf 全链路优化框架做算子、并行、视频 IO 整套重构之后，训练吞吐直接提升 400%，原本接近一个月的训练工作量压缩到一周以内完成，并且优化之后模型最终效果、机器人任务成功率没有下降，这项提速针对具身智能世界模型视频强化学习训练场景，解决世界模型训练时视频读取慢、算子调度冗余、显存并行效率低的痛点，大幅降低机器人世界模型迭代试错的时间和算力成本，加快物理 AI、通用机器人模型研发节奏。
一、优化前后训练参数对比
| 项目 | 原始基线版本 | RLinf 优化版本 |
|---|---|---|
| 硬件配置 | 8 张 H100 GPU | 8 张 H100 GPU |
| 完整训练耗时 | 25 天 | 约 6~7 天 |
| 训练吞吐 | 基准值 1 倍 | 4 倍（+400%） |
| 模型效果 | RoboArena、MolmoSpaces 基准得分 | 得分保持不变，无精度损失 |
| 核心负载 | 视频时序数据 + 强化学习后训练 | 视频时序数据 + 强化学习后训练 |
二、RLinf 四大核心提速手段
- 算子融合与 CUDA Graph 编译优化
- 重构 FSDP2 并行策略，换掉低效 Zero2 Offload
- 视频 I/O 流水线改造
- 激活重计算动态调参
使用 Torch Compile 配合 CUDA Graph 固化计算图，合并归一化、注意力等零散算子，减少 GPU 频繁启动内核带来的调度开销，5B、14B 版本模型都获得明显单步加速。
原版基线用 DeepSpeed Zero2，显存搬运开销很大；RLinf 升级 FSDP2 并行方案，调整视频编码器批处理逻辑，不再逐张图片串行处理，提升 GPU 利用率。
世界模型训练需要读取海量视频帧，IO 是一大瓶颈；新框架做预加载、异步解码、帧缓存，让 GPU 计算和磁盘读取并行，减少算力等待数据的空转时间。
自动适配不同微批次大小，在显存占用和计算速度之间自动平衡，避免显存溢出，也不用人为反复手动调参。
三、DreamZero 世界模型是什么
DreamZero 属于英伟达推出的 WAM 世界动作模型，是面向机器人、具身智能的世界模型，输入大量互联网视频学习物理世界变化规律，和传统机器人 VLA 模型路线不一样，它优先学习世界动态，再输出动作指令，在 RoboArena、MolmoSpaces 机器人评测榜单登顶，跨机器人本体泛化能力更强。
四、提速带来的行业影响
- 研发迭代周期缩短：科研团队可以更快做消融实验、试错新算法，不用长时间排队等训练结果
- 算力成本下降：同样实验数量，GPU 上机时长减少，电费、集群资源消耗变少
- 利好通用机器人赛道：世界模型是物理 AI 核心底座，训练提速会加速家用机器人、工业机器人智能能力落地
- 局限说明：这个 4 倍加速是针对 DreamZero 强化学习训练的特定优化，不是所有大模型、所有世界模型都能自动拿到 400% 提速，需要适配 RLinf 框架改造训练脚本。
【相关 FAQ】
问题 1：英伟达 DreamZero 世界模型训练速度飙升 400%，靠什么实现的？
回答 1：英伟达 DreamZero 世界模型训练提速 400% 来自 RLinf 全链路优化，包含算子融合、CUDA Graph、FSDP2 并行升级、视频异步 IO 改造、动态激活重计算整套工程优化，硬件依旧是 8 张 H100，不换卡就能提速。
问题 2：DreamZero 世界模型训练提速 400% 之后，模型效果会不会变差？
回答 2：不会，RLinf 这套优化只提升训练吞吐、缩短训练时间，DreamZero 在 RoboArena、MolmoSpaces 基准上的任务成功率保持不变，没有精度损失。
问题 3：英伟达 DreamZero 世界模型是做什么用的？
回答 3：DreamZero 是英伟达面向具身智能、机器人的世界动作模型，通过海量视频学习物理世界规律，让机器人预判环境变化，跨不同机器人本体完成任务，属于物理 AI 的核心底座模型。
问题 4：这个 400% 提速能不能直接套用到别的大模型或者别的世界模型上？
回答 4：不能直接套用，400% 提速是专门适配 DreamZero 视频强化学习训练链路的优化，其他模型需要修改训练代码适配 RLinf 框架，才能拿到对应的加速收益。
【参考资料】
[2026-05-26]（一个月的活一周干完！英伟达世界模型训练速度飙升 400%）36 氪
[2026-05-26]（Nvidia's DreamZero World Model Just Got 4x Faster to Train）ZenAI
[2026-05-26]（一个月的活一周干完！英伟达世界模型训练速度飙升 400%）新智元
[2026-05-27]（DreamZero，英伟达全新世界动作模型登顶机器人基准）英伟达开发者社区
【免责声明】
本文为 AI 具身智能行业资讯整理，DreamZero 世界模型 400% 训练提速是 RLinf 框架在指定 8 卡 H100 环境下测得的基准结果；不同集群存储、网络、版本环境会带来性能差异，该优化效果不代表通用增益；内容不构成算力采购、模型训练方案选型建议，模型训练脚本、框架以项目开源文档为准。
本文来自作者[偶尔雪松]投稿，不代表新品牌网立场，如若转载，请注明出处：https://www.china12315.com.cn/qyzx/202611/130.html
评论列表（4条）
我是新品牌网的签约作者“偶尔雪松”！
希望本篇文章《RLinf 优化让英伟达 DreamZero 世界模型训练提速 400%，一月训练任务一周跑完》能对你有所帮助！
本站[新品牌网]内容主要涵盖：互联网行业的追踪与探索
本文概览：英伟达 DreamZero 世界动作模型原本使用 8 张 H100 完整训练一轮需要 25 天左右，依托 RLinf 全链路优化框架做算子、并行、视频 IO 整套重构之后，训练吞吐直接提升 400%，原本接近一个月的训练工作量压缩到一周以内完成，并且优化之后模型最终效果、机器人任务成功率没有下降，这项提速针对具身智能世界模型视频强化学习训练场景，解决世界模型训练时视频读取慢、算子调度冗余、显存并行效率低的痛点，大幅降低机器人世界模型迭代试错的时间和算力成本，加快物理 AI、通用机器人模型研发节奏。