社区

近日，广东省网信部门公布新一批生成式人工智能服务已备案信息。自变量机器人自主研发的GreatWall通用具身大模型正式通过“广东省生成式人工智能服务备案”，成为大湾区首家完成备案的通用具身大模型。这标志着自变量在模型合规化、产品化和规模化应用方面取得新的进展。 根据备案材料，GreatWall完成备案前，依据国家标准，围绕训练语料、生成内容、知识产权、个人信息保护、准确性、可靠性和风险拦截等方面，完成了历时5个月的安全评估，累计开展超过20万次语料与生成内容抽检，并完成27148道高风险拒答测试。经过层层检验，模型已建立从数据输入到服务运行的安全保障机制，为其在真实场景中的安全、稳定、合规应用奠定基础。 据公告，截至11月11日，全省新增3款完成备案的生成式人工智能服务，累计备案数量达到230款，继续位居全国前列。广东作为全国生成式人工智能产业最活跃的区域之一，产业聚集效应显著。 自变量的通用具身大模型GreatWall系列，涵盖行业领先、多条技术路线的通用具身大模型体系，包括世界统一模型WALL-B、世界模型WALL-WM、VLA模型WALL-OSS等。面向开放的物理世界，WALL-B采用预训练、端到端和通用具身大模型技术路线，将视觉、语言、触觉、动作和物理预测等能力融合在统一模型中，使机器人能够理解环境、物体与任务之间的关系，并自主完成感知、判断和操作。该模型具备跨本体、跨任务和跨场景复用能力，已在家庭服务、物流分拣等真实场景中规模化应用。 自变量机器人联合创始人兼COO杨倩表示：“具身智能最终要进入家庭、物流和工业等真实环境，安全、合规与可靠不是附加项，而是走向规模化应用的基础。广东不断完善的备案规则和贴近企业的服务机制，为技术创新提供了清晰、稳定的预期。此次完成备案是一个新的起点，自变量将继续完善模型安全治理和产品规范，在守住安全底线的前提下，推动通用具身智能更早进

近日，广东省网信部门公布新一批生成式人工智能服务已备案信息。自变量机器人自主研发的GreatWall通用具身大模型正式通过“广东省生成式人工智能服务备案”，成为大湾区首家完成备案的通用具身大模型。这标志着自变量在模型合规化、产品化和规模化应用方面取得新的进展。 根据备案材料，GreatWall完成备案前，依据国家标准，围绕训练语料、生成内容、知识产权、个人信息保护、准确性、可靠性和风险拦截等方面，完成了历时5个月的安全评估，累计开展超过20万次语料与生成内容抽检，并完成27148道高风险拒答测试。经过层层检验，模型已建立从数据输入到服务运行的安全保障机制，为其在真实场景中的安全、稳定、合规应用奠定基础。 据公告，截至11月11日，全省新增3款完成备案的生成式人工智能服务，累计备案数量达到230款，继续位居全国前列。广东作为全国生成式人工智能产业最活跃的区域之一，产业聚集效应显著。 自变量的通用具身大模型GreatWall系列，涵盖行业领先、多条技术路线的通用具身大模型体系，包括世界统一模型WALL-B、世界模型WALL-WM、VLA模型WALL-OSS等。面向开放的物理世界，WALL-B采用预训练、端到端和通用具身大模型技术路线，将视觉、语言、触觉、动作和物理预测等能力融合在统一模型中，使机器人能够理解环境、物体与任务之间的关系，并自主完成感知、判断和操作。该模型具备跨本体、跨任务和跨场景复用能力，已在家庭服务、物流分拣等真实场景中规模化应用。 自变量机器人联合创始人兼COO杨倩表示：“具身智能最终要进入家庭、物流和工业等真实环境，安全、合规与可靠不是附加项，而是走向规模化应用的基础。广东不断完善的备案规则和贴近企业的服务机制，为技术创新提供了清晰、稳定的预期。此次完成备案是一个新的起点，自变量将继续完善模型安全治理和产品规范，在守住安全底线的前提下，推动通用具身智能更早进

从客房取衣，穿过走廊抵达洗衣房，打开洗衣机、放入衣物，再完成烘干、装篮并送回客房。一项看似日常的酒店服务，背后涉及空间理解、设备操作、物理交互和多步骤任务协同。 大晓机器人将双脑协同架构带入酒店洗衣场景，首次集中呈现了世界模型、通用模型与具身智能 RSI 的协同应用。 在环境侧，以开悟世界模型为核心的世界模型技术体系中，Mundo世界模型是围绕开悟世界模型的能力提升与实际应用而设计的有益补充。通过将具体场景转化为可探索、可编辑、可物理交互的数字孪生世界，相较于Atlas以场景重建和视角探索为主的能力，Mundo进一步将物体质量、摩擦等物理属性纳入场景，使物体运动、接触与碰撞可以通过物理引擎计算，为机器人在数字环境中开展导航、操作训练和策略优化提供支持。 在任务与技能侧，大晓机器人发挥 GPT-Astra 等通用模型的任务理解、推理和技能生成能力，将其转化为机器人可高效执行的产业技能；并通过专为具身智能设计的 RSI 策略，让真实执行中的反馈持续驱动技能改进。开悟世界模型帮助机器人理解环境与动作后果，通用模型负责组织任务、生成并迭代技能。通用模型+开悟世界模型双脑协同推动机器人从数字环境中的训练与优化，走向真实酒店里的连续服务。 此次酒店洗衣服务，是大晓机器人双脑协同架构、Astra 与 RSI，以及世界模型在酒店真实场景中的首次应用。它标志着机器人从数字环境中的训练与优化，进一步走向真实酒店中的连续服务。   把真实场景变成机器人的专属训练世界 机器人要在酒店完成洗衣服务，首先需要熟悉将要工作的空间：从客房到洗衣房的路线如何通行，走廊、电梯口和狭窄区域如何通过，洗衣机、烘干机和衣篮又分布在哪里，以及如何实现场景操作。 大晓机器人依托开悟世界模型体系中的Mundo世界模型，从真实酒店出发，给定房间、走廊、电梯与洗衣房的图片集，并将其转化为三维场景。随着多视角信息逐步

11月10日，蚂蚁灵波科技开源触觉基础模型LingBot-Touch，为机器人大脑补齐关键的触觉感知能力。该模型基于近5000小时真实触觉数据预训练，覆盖磁触觉、视触觉和压阻式三类主流传感原理，可将不同信号转化为同一套触觉表征，供不同灵巧手和动作模型使用，让机器人在“看得清楚、想得明白”的同时，进一步补齐精细操作所需的触觉感知。   在通用大模型加速演进的时点，选择推出一款面向物理操作闭环的触觉基础模型，传递出蚂蚁灵波对具身原生路线的持续投入和笃定。   此前，蚂蚁灵波通用大脑已覆盖高精度空间感知、高动态环境交互和可泛化灵巧操作，让机器人看得更清楚、想得更明白、干得更利索。此次 LingBot-Touch已接入LingBot-VLA，将感知能力延伸到“指尖”，让机器人“摸得更灵敏”，具身原生通用大脑能力再提升。   26项真机测试 任务成功率提高14至26个百分点   随着通用大模型持续进步，机器人理解复杂任务、推理操作步骤的能力正在增强。但在真实物理世界中，机器人每执行一步动作，都要感知物体和环境发生的变化，再修正下一步动作。许多精细操作中，机器人能看清物体在哪里，也能把手伸到正确的位置，却未必能顺利完成任务，因为手指碰到物体之后，受力是否合适、物体是否滑移，仅靠视觉难以判断，需要触觉提供补充。   以灵巧手拧瓶盖为例，深度信息可以帮助手指对准瓶盖。开始转动后，瓶盖可能已经松动，也可能指腹正沿着盖壁打滑。这两种情况在画面中相似，却需要不同的动作调整。此时，指尖的接触位置、受力大小及其变化，都成为动作模型的重要判断依据，而这些信息往往被手指和物体遮挡，视觉难以获得。   为了验证触觉表征对真实操作的帮助，蚂蚁灵波在Sharpa Wave和XHand1两款灵巧手上进行了26项真机测试，涵盖翻书页、拧瓶盖、辨识麻将牌等

2026年11月3日至6日，CeMAT ASIA 2026（2026亚洲国际物流技术与运输系统展览会）在上海新国际博览中心举行。普渡机器人以“一脑多形，引领智慧物流”为主题，携商用配送、工业配送、商用清洁及通用具身智能等多类产品亮相，完整呈现“一脑多形”智慧物流解决方案。  围绕客户对作业衔接、部署便利性与现场适应能力的需求，普渡将多形态产品放入具体工序，通过多机联动、窄通道交互与多任务展示，呈现统一智能底座如何组织不同机器人共同完成作业，为工业物流提供可按需组合、逐步扩展的自动化选择。 一脑贯通工序 多形适配现场 工业物流中的不同任务，对机器人有不同要求。料箱取放需要灵活的操作能力，产线配送关注通行与交接，托盘转运则强调承载与搬运。普渡以“一脑多形”组织这些能力，让不同形态在合适的环节发挥所长，并围绕共同任务形成协作。 在CeMAT现场，这套方案被放进了一次完整的入库工序中。PUDU T 系列顶升托盘出库，D7接续夹取料箱并完成装载； T系列将物料配送至另一桩位后，D7再将料箱转移至地面托盘，MP2000随即识别托盘、进叉搬运。料箱在不同机器人之间流转，移动运输与双臂操作相互配合，共同完成工序接力。  支撑这场接力的，是普渡具身导航、具身操作、具身交互三大技术栈，以及开箱即用的分布式调度能力。多台设备在同一空间内协调运行，完成相遇避让与跨机交接，无需额外部署调度系统，有助于减少客户为组织多机协作而增加的系统配置工作，让单台应用向多机协同扩展更加便利。 协作还要适应具体的空间与作业条件。本次演示将1.4米窄通道、90°死角开机点、不规则摆放的托盘及异形货架腿等工业场景常见约束条件带入展台，分别呈现机器人在受限空间定位、载具识别、障碍应对和通行等方面的表现。针对既有现场进行适配，有助于减少客户对场地改造与标准化布置的依赖。 针对狭窄通道与密集货架区域的配送

近日，继ACE-Brain-0.6在六项空间锚定评测中超越GPT-6 Astra后，大晓机器人正式推出ACE-Brain-0.6 API。随着训练数据从110万条扩展至约150万条，模型七项公开Grounding基准平均得分提升至75.41，进一步扩大对Astra的领先优势，推理速度也实现超越。此次API开放，将具身空间智能转化为开放共享的基础能力，赋能全球开发者创新，加速构建面向真实物理世界的具身智能技术生态。 GPT-6 Astra的出现，证明了通用大模型向物理世界迁移的巨大潜力；但机器人从“知道要做什么”到“准确知道在哪里做、如何与环境交互”，仍需更专业的物理空间智能能力——精准感知空间、理解物体关系、判断交互区域，并将抽象任务转化为可执行的物理空间信息。通用具身智能决定机器人能够想多远，专业具身智能决定机器人能否真正理解物理世界、准确行动；二者可在不同能力维度上相互补充、协同进化。 围绕这一关键能力，大晓机器人持续推进ACE-Brain-0.6技术进化。此次升级将高质量空间锚定训练数据由约110万条扩展至150万条，依托规模化、自动化、可验证的数据管线，进一步提升模型在目标识别、空间定位与交互理解等方面的表现。从平均得分大幅提升到推理速度超越Astra，ACE-Brain-0.6再次验证了数据Scaling驱动专业具身能力持续跃升的技术潜力。 如果说评测领先Astra，让ACE-Brain-0.6的技术实力被行业看见，那么此次API开放，则让这一能力真正走向开发者。通过ACE Hub，开发者无需独立部署模型，即可快速调用ACE-Brain-0.6的空间锚定能力，探索其在机器人操作、智能零售、物流分拣及空间智能应用中的潜力，大幅降低技术验证与应用开发门槛。 真实世界的智能价值，最终不由参数规模决定，而取决于能否精准理解、可靠行动。未来，大晓机器人将持续推进具身基模型能

考拉悠然近日完成 B++轮融资，投资方为明文炜业。本轮资金将用于世界模型基座与多模态大模型的纵深迭代、具身智能体的产品化与规模化落地，以及高端研发人才的持续引进。作为世界模型及具身智能赛道的领军企业，考拉悠然此次获明文炜业投资，既凸显了投资方对其技术路线与商业化能力的明确认可，也进一步强化了考拉悠然在该赛道的领先地位。在全球人工智能从数字空间迈向物理世界的关键窗口期，此次融资被视为资本市场对世界模型 + 具身智能技术路线的进一步确认。 一、形成以“基座模型 + 智能体 + 场景复制”的产品化模式 考拉悠然由申恒涛院士领衔，携手20余位海内外名校博士联合创立，是国内极少数同时具备底层世界模型基座、多模态大模型、具身智能体全栈自研能力，并已实现规模化商业落地的人工智能企业。 多数团队从上层应用切入，考拉悠然却选择从最难的一层做起：自研悠然无界世界模型与多模态大模型，构筑起对物理世界规律建模与推演的核心能力。以此为底座，考拉悠然已形成“基座模型+智能体+场景复制”的产品矩阵——悠然无界世界模型与多模态大模型组成的“双模型引擎”托底，Geek Mind 具身大脑及智能体实现产品落地，并向车间巡检、森林防火等场景规模化复制。 技术实力亦获得国际权威评测的印证：截至目前，考拉悠然已登顶世界模型权威榜单 WorldArena、TriWorldBench，以及机器人挑战赛 RoboTwin 榜首。 二、从世界模型到可进化的具身大脑 在大模型完成对语言与图像的理解之后，人工智能的下一站是理解并作用于物理世界。世界模型正是这一跃迁的核心：它让机器在行动之前，先在具身大脑内完成一次推演——理解物理规律、预测环境变化、校验行动路径。 考拉悠然将世界模型以及多模态大模型作为模型基座，构建"感知—推演—规划—执行—反馈"的完整闭环，使机器人不再只是执行预设程序的设备，而是

近期，以OpenAI GPT-6 Astra为代表的通用多模态模型，展现出强大的跨本体、跨场景、跨任务通用交互能力，推动人工智能加速迈向真实物理世界。大晓机器人通过深入分析发现，相比GPT-5.5，GPT-6 Astra的视觉空间锚定（Visual Grounding）准确率显著提升，其强大的具身泛化能力不仅依赖高级推理，更得益于空间感知与空间推理能力的跃升。 在实际操作中，Astra通过Grounding精准识别目标物体、交互区域及空间参照，结合几何计算确定位置、位移与运动参数，将抽象任务意图转化为具体物理动作。这一发现为具身智能行业提供了重要技术启示：以视觉空间锚定能力为关键突破口，加速推动具身智能从高级认知迈向精准感知与可靠执行。 围绕这一突破口，大晓机器人正式发布全新视觉空间锚定增强型具身基模型ACE-Brain-0.6。继ACE-Brain-0.5探索感知、规划、行动、评估与进化的统一认知闭环之后，ACE-Brain-0.6进一步聚焦Grounding这一核心能力，以GPT-6 Astra为重要参照，通过规模化、多样化、可验证的空间监督数据，强化模型的目标识别、空间定位与交互锚定能力，探索以数据Scaling驱动具身基模型能力跃升的新路径，为提升通用具身交互能力提供关键支撑。 依托约百万条高质量、可验证的空间锚定训练样本，ACE-Brain-0.6实现具身空间感知能力新突破：在八项Grounding评测（七项国际权威公开基准及大晓自建RobotGrounding）中，六项成绩超越OpenAI GPT-6 Astra；七项公开基准平均得分达74.53分，领先Astra的73.68分；在真实机器人场景评测RobotGrounding中取得94.13分，超越Astra的91.10分。同时，在与Google Gemini 4 Argon、Anthropic Claude

2026年9月28日，AMD宣布以约82亿美元全股票收购李飞飞创办的World Labs，李飞飞将出任AMD执行副总裁兼首席科学家。这是AMD历史上规模第二大的收购案。一家成立仅两年的公司获得芯片巨头如此定价，意味着AI的竞争重心，正从数字世界转向物理世界。 视线转回国内。影身智能早已在同一条路上跑出完整答卷：以原生4D世界模型为核心引擎，打通从数据采集、模型训练到场景落地的全链条，并已经把这台“引擎”装进了真实产线。 影身智能创始人、CEO闵伟有一个直截了当的判断：“数据从来不是多少的问题，而是维度问题。”这与李飞飞从ImageNet到World Labs一以贯之的“数据焦虑”，形成隔空呼应。 一个在硅谷为空间智能定价，一个在中国车间为物理智能验证。看懂这两件事，就看懂了世界模型赛道的上半场：方向已无悬念，真正的分野才刚刚开始。 一、AI走向物理世界的“必答题” 世界模型要“预测下一个物理状态”。业界普遍认为，这是AI从数字智能迈向通用物理智能的关键路径。 但共识之下藏着硬瓶颈：世界模型需要同时具备三维空间信息与时间维度的4D数据，这类数据获取成本极高、供给极度稀缺。物理世界的信息是物体、接触、力、形变及其在时间上的演化——用二维视频或静态3D数据训练世界模型，信息在源头就被降维了。这解释了行业的集体困惑：训练数据从十万小时堆到千万小时，泛化能力却没有本质突破。 影身智能把这个困局称为“维度鸿沟”：机器人训练用一维语言加二维视频，处理却要在四维物理世界中交互，这是机器人能力没有突破性进展的底层原因。 要走4D世界模型这条路，对团队有两个硬要求：一是三维视觉和动态重建的学术积累，二是机器人进入真实产线的工程落地能力。同时具备这两项能力的团队，在国内屈指可数。 自成立起就押注原生4D世界模型的影身智能，是少数同时满足这两个条件的团队：创始人闵伟是清华博士、原阿里机器人业务负责

近日，大晓机器人与中国石油上海销售公司正式达成战略合作，启动试运营首个加油站便利店场景的全闭环具身智能机器人项目。双方将依托中国石油上海销售公司的数智平台、供应链体系及线下便利店网络，结合大晓机器人在开悟世界模型、机器人本体及具身智能技术方面的核心能力，共同探索“场景出题、平台协同、模型驱动、本体执行”四位一体的具身零售共创模式，打造面向真实业务场景的仓店一体化智能零售新范式。 在线上订单及到店消费场景中，大晓机器人以开悟世界模型作为“最强大脑”，以自研轮臂升降式履约机器人作为灵活“执行终端”，通过“晓满”即时零售场景解决方案接入中国石油数智平台与门店业务体系，赋能机器人自主完成商品识别、拣选、补货、上架、打包、放置及订单履约等任务。依托中国石油线下便利店网络的真实业务场景与规模优势，双方将持续验证开悟世界模型跨商品、跨任务、跨门店的泛化能力，加快形成从单店验证到网络复制、从机器人作业到业务协同的具身零售新模式，共同推动加油站便利店运营向更智能、更高效、更具规模复制能力的方向升级。 随着即时零售、到店零售与本地生活服务不断融合，加油站门店正从单一消费终端逐步演变为集商品仓储、订单履约和本地配送于一体的综合运营节点。SKU持续增加、线上订单波峰明显、夜间补货和高频理货需求增长，使传统依赖人工衔接的“仓—店”运营模式面临更高的人效与协同压力。如何让后台库存、前场销售与即时订单实现更高效联动，成为零售终端智能化升级的重要课题。 大晓机器人始终致力于让具身智能进入真实物理世界。公司首创ACE研发范式，构建以环境式数采和世界模型为核心的物理智能闭环技术体系，推出以人为中心的环境式数据采集方案2.0、开悟世界模型Kairos 3.1和具身超级大脑模组A1，并进一步发布晓满、晓新、晓途三大行业级解决方案，持续推动具身智能在即时零售、酒店服务及开放场景中的规模化商业落地。 双方此次合作落地