导航|地址|刷新
中国黑马甩出5个模型、17项全球第一！自进化体系杀进具身智能核心圈_手机网易网




















网易网易号



0







中国黑马甩出5个模型、17项全球第一！自进化体系杀进具身智能核心圈


新智元
2026-07-22 19:12·北京·《新智元》官方网易号

0




打开网易新闻 查看精彩图片

新智元报道



打开网易新闻 查看精彩图片

过去一年，具身智能赛道正经历着前所未有的「冰火两重天」。

一方面，一级市场热钱持续涌入，单笔融资金额屡创新高。

但另一方面，也有企业陆续启动 IPO 进程、寻求二级市场融资。

而放眼全球，具身智能行业的头部玩家们，早已敏锐捕捉到风向的转变。

特斯拉、Figure这些公司在做什么？他们几乎不约而同地把竞争推向了另一个层面——Physical AI。

特斯拉直接将自动驾驶FSD的底层架构复用至Optimus机器人，试图通过「端到端」神经网络，实现从视觉输入到动作控制的映射，如今已经在工厂执行电池分拣。



打开网易新闻 查看精彩图片

Figure AI则通过深度绑定OpenAI，将顶尖VLM注入钢铁躯壳，让Figure 01/02机器人具备自主推理、语义理解能力，进驻宝马的汽车生产线。

他们的Helix VLA模型，走的是快慢脑双系统架构，目标不是卖机器人，是卖劳动力。

这些企业路径不同，但都指向同一个判断：机器人未来的核心，是AI能不能通过这副身体理解现实世界、适应现实世界，并最终改变现实世界。

这种现象的逻辑，其实都藏在资本的周期里。大多数私募基金的投资年限是「3+2」模式（三年投资，两年退出），如今已经到了GPLP们迫切需要变现的节点。

资本的倒逼，让行业面临一个现实的分水岭：过去那个靠电机扭矩有多大、后空翻有多稳来证明「机器能动」的故事，已经讲到头了。

企业必须讲出下一个更宏大也更切实的故事——「机器能干活」。

如果只是在一个无干扰台面上，按部就班地执行机械化工作，根本用不着大模型。

具身智能真正的未来，是走向AGI，是在开放、未知、充满长尾变数的真实世界中执行高度泛化的任务。

而开启这个时代的钥匙——是具备系统提升机器人工作能力的技术体系。

为什么走向AGI

必须是「体系化跃迁」？

什么是真正的体系？

近期行业内有一次动作极具代表性。

高德正式宣布其全栈具身技术体系ABot 完成升级，一次性发布了五款新模型（N1、M0.5、ER、AgentOS、C0），并在17项权威基准中拿下SOTA。



打开网易新闻 查看精彩图片

它提供了一个极佳的产业切片，向外界展示了全球首个全栈具身技术体系是如何将世界模型、基座模型与具身Agent架构耦合为一个「有机生命体」，并实现落地的。

ABot最早发布于今年4月，彼时高德自研的机器导盲犬高德途途首次登上机器人半马的舞台，并展示了其出色的开放环境全自主导航能力。

途途背后的技术支撑就是高德ABot全栈具身技术体系。相比于单个模型能力研究，高德从一开始就搭建了一个为机器人实现高阶智能的底层平台。

其中的每一款模型都有其对应的功能和角色。这是一个具备完整分工且能「自己长本事」的闭环飞轮。




打开网易新闻 查看精彩图片


在开放环境中，任意一个通用任务，都需要机器人同时调配多个能力进行编排和协同，最后落地执行。

以最常见的家庭场景为例，RoboCasa-365等权威基准需要将日常任务拆解为数百个涉及语义理解、长程规划和位移操作的任务，然后进行对应的能力评估。本质是因为，想在家庭场景完成作业，单一的手或者脚足够灵活，还远不足以支撑。

用户需要的是完整的智能，而非只具备手臂或者下肢局部能力的「瘸腿」智能。

而ABot这类架构，正是针对这个痛点而打造。




打开网易新闻 查看精彩图片


三层架构，一个飞轮

高德ABot体系的核心，是一个精密咬合、可自进化的三层结构。

最上层是「具身大脑」，由通用具身大脑ER和机器人Agent操作系统AgentOS构成，负责环境感知、任务推理、高层决策调度与记忆沉淀。

中间层是「运动双核」，由N1和M0.5组成，分工管「脚怎么走」和「手怎么干」。

最底层是「训练与仿真环境」，以世界模型ABot-World和3D世界模型ABot-Earth持续提供仿真和训练。

这三层架构决定了ABot的每一次迭代，都不是孤立地点亮某个新技能，而是像生物进化一样，随着任务和部署的增多进行整体演进。

这样的进化能力更类似于人类成长的节奏，在一个人中学阶段学习的是一元二次方程，大学阶段掌握的则是微积分。每一步的成长，都是完整且高度统一的。

而在这套架构之外，高德途途和它自带的ABot-C0则扮演端到端能力验证的外化本体。让ABot每一个能力的提升都能在本体上有完整呈现。

为什么一定要做这么完整的架构？

因为只有体系跑起来，仿真训练、物理交互与记忆调度才能彼此反哺。

在单点研究的机构里，研究大脑的和死磕灵巧手的彼此割裂。

但在完整的体系内，手和脚的能力，能够被一体调用；它们沉淀的知识和经验，会反向转化为记忆回馈给大脑，大脑再将记忆用于模型的专项训练，从而训练更好的模型和更聪明大脑。




打开网易新闻 查看精彩图片


飞轮每转一圈，整体智能水平就抬高一层。 手和脚的能力提升是同步的——脚走得好，手也不会差。整个系统是一个内循环，逐步向AGI靠近。

从高德此次全新发布的五款模型背后，我们能够完整看到这套体系究竟是如何应用于机器人，并实现它们质变升级的。

这五款模型类似于高德为机器人打造的「数字灵魂」，它们完整地映射在机器人的五大仿生单元。

双脚（ABot-N1）：通用导航基座模型，负责空间感知与移动。

双手（ABot-M0.5）：通用操作基座模型，负责精细化物理交互。

大脑（ABot-ER）：具身大脑，负责统一的逻辑推理与环境认知。

中枢（ABot-AgentOS）：执行中枢，负责记忆调度与任务下发。

运动神经（ABot-C0）：运控系统，将ABot体系的决策稳稳传导至机器人的躯体动作上。

体系化带来的三大「表征」

当这五大「数字灵魂」在三层架构的驱动下精密咬合、协同运转时，便不再是冷冰冰的代码与模型，而是化身为对复杂物理世界有强大适应力的物理智能体。

这种从底层架构向物理世界的全面映射，超越了传统单点突破的机器人研发模式，并最终外化为传统机器人整体性的物理表征。

表征一：「身随眼动」

相比于让机器人实现一些高难度的动作，高德的ABot-N1更聚焦于让机器人合规安全的走进人类生活当中。



打开网易新闻 查看精彩图片

ABot-N1在R2R-CE等5项权威基准取得SOTA

让机器人真正走向开放世界，最大的拦路虎就是机器人无法直接使用常规的导航地图。常规导航用于人类出行，地图精度有限。

但是由于人类具备空间常识和安全意识，即便出现地图偏差和定位漂移，也不影响正常使用，而机器人如果进入开放环境遇到这种问题，将对安全性造成巨大风险。

高德的解法是，为N1导航基座设计了「快慢双系统」架构。慢思考负责长程路线规划，快思考负责实时控制。




打开网易新闻 查看精彩图片


ABot-N1开放环境全自主导航克服定位偏差

一旦判定导航路径或定位有误差，「慢系统」会立刻通过本体系下的视觉感知，让机器人靠像素-语言双思维链来实时行驶在合规路面。

在实际导航任务中，快慢双系统异步协同，让机器人在仅有低精度SD地图时，既能准确抵达指定坐标目标，又能沿人行道、斑马线安全通行，而不是像纯度量式策略那样为了到点而抄近道横穿车道、踩踏绿化带。

更关键的是，N1首创了「Think-and-Point」，不仅消除了部署黑箱，还让机器人在每一次自主导航中收集交互数据，并结合空间几何知识，在ABot体系中内化出属于自己的「空间直觉」。

依靠这种直觉，它在开放环境自主导航任务中创下92.9%的成功率，做到了城市级的长程自主导航。

值得一提的是，ABot-N系列工作已经入选了CVPR年度最佳论文的候选。在此基础上，ABot-N1不仅延续了一套权重对出行导航全场景任务集的完整覆盖，还在R2R-CE等5项权威基准均刷新了SOTA。

表征二：「手脚并用」

一个合格的具身智能体不仅要能「走出去」，还要能「能干活」，移动操作是通用机器人迈向真实物理世界的关键能力。

在真实的移动操作任务中，传统机器人往往是单线程结构，左手、右手、底盘线性串联，如果一步卡住就会直接死机。

体系化的最大亮点之一，就在于「解耦」。

ABot-M0.5将运动与操作拆分为互不干扰的双动作流，并引入「帧级隐式动作」，让机器人在极细的时间颗粒度上实现眼、手、脚的实时对齐。




打开网易新闻 查看精彩图片


ABot-M0.5全自主进行移动操作

这既解决了单一动作空间中移动与操作相互干扰的问题，还保证了模型能捕捉一些微观且高频的物理交互，从而保证任务的执行质量。

面对训练和推理环境不同，造成的长程任务执行过程中的误差累积问题，ABot-M0.5通过ABot体系激活了「数据回流」机制进行了解决。

ABot-M0.5具备独特的「梦境自愈（Dream-Forcing）」能力，这个机制强迫模型在预测的含噪画面中继续生成动作，避免细小偏差导致任务失败。

这些数据源自模型自造，它们会通过ABot的数据回流机制，沉淀为整体记忆和共享经验，持续强化模型训练。数据显示，ABot-M0.5在RoboCasa-365复杂任务测试中大幅领先前代SOTA达20.4%。



打开网易新闻 查看精彩图片

ABot-M0.5在LIBERO、Robo-Twin等4项权威基准中均取得SOTA

表征三：「过目不忘」

在具备了优秀的四肢能力后，机器人在真实且复杂环境中，还需要一个完整的机器人操作系统，来统一进行决策和能力调配。

依靠顶层的ABot-ER与AgentOS，机器人拥有了从「想明白」到「做得到」的完整闭环，以及终身记忆的能力。

其中，ABot-ER是面向真实环境的通用具身大脑，统一支撑机器人从感知到决策全流程。它让机器人不只是识别画面中的物体，而是能够「想明白」物体、空间与任务之间的关系，并做出合理判断。



打开网易新闻 查看精彩图片

ABot-ER取得3项SOTA，并登顶数十家机构联合发布的Embodied Arena 2D-EQA

AgentOS则将规划与执行从本体中解耦，通过插件式Skill接入，让同一套系统能适配各种异构机器人。

同时，它自带跨任务、跨时间的多模态记忆，能在失败中定向优化记忆存储，并将沉淀的数据转化为整个ABot体系的共享资产。




打开网易新闻 查看精彩图片


ABot-AgentOS多模态终身记忆 过目不忘

凭借系统级的经验反哺，机器人真正能够跨本体和跨任务做到举一反三、过目不忘。



打开网易新闻 查看精彩图片

ABot-AgentOS在Locomo等五大权威基准上均取得SOTA

所有的物理表征，都将在具身机器人进行能力外化的呈现，这个部分高德选择了其自研的高德途途和运控系统ABot-C0。这也是支持机器人行动的运动神经。该模型通过构建四足机器人统一的行为基座，实现了ABot能力的端到端验证。



打开网易新闻 查看精彩图片

ABot体系支持异构机器人协作

以上这三大表征绝非孤立技能，而是ABot三层架构「飞轮」高速运转的必然结果。

它们完美印证了这套体系的进化逻辑：手、脚与大脑在真实物理交互中获取经验，在仿真环境里持续训练，最后通过统一的记忆调度完成闭环反哺。

高德途途在现实世界中的端到端成功外化，正是最强有力的证明。

ABot不是在机械地堆砌机器人功能，而是在按照生命的进化节奏，孕育一个能自主生长、不断逼近AGI的完整物理智能体。

把二十年时空数据

变成具身智能的基座

一个做地图导航的公司，为什么能杀入具身智能的核心圈？

如果把「体系化」的三道门槛拆开，答案很明显。

在数据端，相比纯模型驱动的厂商在实验室里死磕合成数据，高德背后是积累了二十年的庞大时空基座。

机器人本质上是物理空间的Agent，高德对空间的理解、环境的拓扑结构、语义信息的丰富维度，是其他厂商难以企及的天然养料。

在架构端，高德从一开始切入具身智能，就不是为了造某一台特定的机器人。它的ABot是一套完整的、解耦的全栈架构，各司其职，又通过总线互通。

这意味着，今天在四足狗上验证的经验，明天可以直接迁移到双足人形上，而不需要推倒重来。

在工程化上， 从扫街榜再到具身智能，高德在转型空间智能公司的过程中，积累了极度深厚的AI工程化经验。

在场景端，无论是高德途途的场景验证，还是城市级长程任务导航的实际案例，高德的体系是在真实泥泞的路上跑出来的。

把这些维度串起来，会看到一个完整的增强回路。

四者彼此咬合，才能构成一个「越跑越强」的体系——而这，恰恰是单点突破玩家很难复制的。




打开网易新闻 查看精彩图片


中场战事，刚刚拉开帷幕

回到开篇的问题：为什么具身智能的下半场，从体系开始？

因为物理世界从不按实验室的套路出牌。用单点参数的领先去击穿物理世界的复杂性，本身就存在风险。

放眼当前的具身智能赛道，行业共识正在发生剧变。

资本催熟的「纯硬件故事」已经讲完，全球最聪明的头脑都在向同一个方向聚焦：单打独斗的时代结束了，体系化作战才是破局的关键。

高德ABot架构的诞生，正是在这一行业叙事下应运而生，它与全球顶尖玩家的探索不谋而合。

它向外界证明了，可以不用再去迷信孤立的「超级大脑」或单个「灵巧手」，而是回归生命进化的本质，去构建一个精密咬合的闭环生态，才是打破莫拉维克悖论的最佳解法。

通往AGI之路上，比拼的不再是谁的长板更长，而是谁的系统能转得更稳、迭代得更快。

谁能率先构建出靠「闭环飞轮」自我进化的生态体系，让机器人在物理交互不断升级，谁就真正拿到了具身智能下半场的入场券。

泡沫退去，真正的洗牌，才刚刚开始。








特别声明：本文为网易自媒体平台“网易号”作者上传并发布，仅代表该作者观点。网易仅提供信息发布平台。






打开网易新闻体验更佳




热搜

宇树科技：8月10日打新

微软股价涨幅扩大至15%

科技股“三度探底”

视频丨国防部：菲方非法图谋不可能得逞

新西兰外长竟要华裔议员“滚回国”

龚宝冬遇难 西南政法大学官网变黑白





热门跟贴




打开APP发贴

0条跟贴








相关推荐




索尼研发乒乓球机器人打败日本顶尖选手

每日经济新闻1212跟贴









智元全模态大模型，登顶全球第一！力压谷歌英伟达，跑赢大厂

智东西25跟贴









李飞飞出手！用世界模型训练机器人，五种真机跑一小时不出错

智东西









小模型读书大模型思考：上海AI Lab提出新知识推理解耦方法DRIFT

机器之心Pro









机器人大厨做扬州炒饭，你想品尝一下吗？

装甲铲史官









AI开始给自己写代码了！GPT-5.6重写内核，服务成本直降20%

新智元2跟贴









人形机器人半马跑姿大赏 ，有的比人快多了！有的“状况百出”

每日经济新闻









想做能终身学习的 AI？先得教会它如何忘记

雷科技









100多万人围观！没头没腿，神似充电宝的机器人全网走红？

机器之心Pro









万帧照片级仿真2

机器之心Pro









动易科技PhyAgents无遥控 无预设双足人形自主对打羽毛球

量子位









机器人进家还差几步？京东：商业化场景是快车道，未来会有更多消费级产品出现

每日经济新闻









520，人类如何回应AI的告白

虎嗅APP









持续领跑世界模型驱动物理AGI，极佳视界再获10亿元B2轮融资

36氪









搬货、烤面包、摆桌牌……每一个动作，都是从零开始的“第一课”

每日经济新闻









朗极智能面向构建智能机器人系统发力2

36氪









亦庄机器人马拉松现场名场面合集

量子位









阿里达摩院开源具身大脑基础模型

机器之心Pro









800万人围观！虾爹给Agent套上循环，让它自己跑起来！

机器之心Pro









再多安全训练，也堵不住大语言模型的致命漏洞

DeepTech深科技











回到顶部回到首页



------
导航页 打开网址