超越π0，中國團(tuán)隊用1B參數(shù)模型登頂具身智能榜單

田晏林 發(fā)自 凹非寺
量子位 | 公眾號 QbitAI

誰能想到，在全球具身智能操作能力的頂級榜單上，打敗海外標(biāo)桿模型π0的，居然是一個只有1B級參數(shù)的輕量級模型。

近日，全球具身智能領(lǐng)域關(guān)注度最高的公開榜單之一Evo-SOTA更新排名。

優(yōu)艾智合研發(fā)的FabriVLA，在多任務(wù)操作核心基準(zhǔn)Meta-World MT50中，以90.0%的tier-average成功率登頂?shù)谝?/strong>，超過包括π0在內(nèi)的一眾國際知名模型。

在沒有堆疊數(shù)百億參數(shù)的情況下，這個小身板模型在全難度梯度測試中拿到SOTA，其輕量化設(shè)計也為部署到機(jī)器人邊緣端提供了基礎(chǔ)。

Meta-World MT50的抓取、放置、開門、插拔等操作，與工業(yè)場景的基本工序高度重合，考驗(yàn)的正是在不同任務(wù)下的多任務(wù)能力和操作穩(wěn)定性。

而這，恰恰是工業(yè)場景最看重的能力。

榜單成績證明的是算法性能，但工業(yè)真正需要的是落地真實(shí)環(huán)境。

過去9年，優(yōu)艾智合在半導(dǎo)體、能源化工、鋰電等行業(yè)完成800+真實(shí)場景交付。

近期，該公司又趁熱打鐵推出了工業(yè)具身智能大模型「智合」FabriX與工業(yè)原生人形機(jī)器人「隙鋒」，并喊出了一個極其激進(jìn)的口號：

3年內(nèi)，賦能10000個工業(yè)現(xiàn)場。

原本外界還覺得這步子邁得太大，但「隙鋒」首發(fā)當(dāng)日獲得4000臺意向訂單。

而今，F(xiàn)abriVLA拿下全球SOTA，也讓這4000臺訂單背后的邏輯越發(fā)清晰：

工業(yè)客戶看重的，從來不是參數(shù)有多大，而是誰更好用。

1B級模型如何登頂具身智能Benchmark？

FabriVLA登頂絕非一次偶發(fā)的運(yùn)氣暴擊。

Evo-SOTA作為全球具身智能領(lǐng)域重要公開評測榜單之一，匯聚了全球高校與科技公司的主流模型。

所有結(jié)果均基于公開發(fā)表論文，具備極高的行業(yè)參考價值。

而在它選用的Meta-World MT50基準(zhǔn)中，包含了整整50個不同任務(wù)，覆蓋抓取、放置、推動、開門、插拔等多類復(fù)雜操作。

它考驗(yàn)的不是機(jī)器人死記硬背某一個特定動作的上限，而是同時掌握50項不同任務(wù)的多任務(wù)操作能力。

這與工業(yè)一線的訴求不謀而合。

產(chǎn)線上的組件千變?nèi)f化，機(jī)械臂如果換個工件就罷工，對工廠來說就是災(zāi)難。

FabriVLA能拿下第一，意味著輕量化VLA模型同樣可以具備頂級具身智能操作能力，為工業(yè)具身智能落地提供了模型基礎(chǔ)。

但這引起不少人的好奇：為什么一個1B參數(shù)模型，可以擊敗更大的模型？

FabriVLA選擇圍繞機(jī)器人操作任務(wù)重新設(shè)計神經(jīng)網(wǎng)絡(luò)架構(gòu)。

傳統(tǒng)VLA模型往往陷入盲目擴(kuò)增參數(shù)的困局，靠硬背關(guān)節(jié)角度來應(yīng)對復(fù)雜場景。

FabriVLA卻提出兩個關(guān)鍵創(chuàng)新：

• 門控自注意力機(jī)制：讓模型預(yù)測出的一連串動作前后互相「看見」、彼此配合，并通過一個從零漸進(jìn)打開的門控逐步學(xué)會動作間的時序銜接，執(zhí)行復(fù)雜裝配這類長序列動作時更連貫、更穩(wěn)定。
• 深淺層視覺特征融合：同時看懂零件整體結(jié)構(gòu)和細(xì)微的位置、邊界與姿態(tài)，處理插拔、組裝、精準(zhǔn)擺放這類精細(xì)工序時，一次到位的成功率大幅提升。

對于機(jī)器人來說，看見一個物體只是第一步。

它不僅需要知道「這是什么」，還需要知道「應(yīng)該怎么操作」。

比如拿起一個零件。

高層視覺信息幫助機(jī)器人理解目標(biāo)是什么。

低層視覺細(xì)節(jié)幫助機(jī)器人判斷具體位置、形狀和姿態(tài)。

如果只有語義理解，機(jī)器人可能知道這是一個零件，卻不知道手應(yīng)該伸到哪里。

如果只有視覺細(xì)節(jié)，又無法理解任務(wù)目標(biāo)。

FabriVLA通過「深淺層視覺特征融合」，讓機(jī)器人同時擁有理解能力和精細(xì)操作能力。

而「門控自注意力機(jī)制」，則讓動作序列中的每一步都能參考前后步驟，學(xué)會動作之間的銜接與配合。

簡單來說，就像熟練工人的手，每一個動作都為下一個動作做好準(zhǔn)備。

這兩項設(shè)計均經(jīng)過了嚴(yán)苛的消融實(shí)驗(yàn)。

消融實(shí)驗(yàn)顯示：

去掉深淺層特征融合，tier-average成功率從90.0%降至82.9%；門控自注意力則是動作頭中貢獻(xiàn)最大的組件。

這說明FabriVLA的提升，來自于架構(gòu)對真實(shí)任務(wù)的深度優(yōu)化，而非單純靠參數(shù)堆疊。

背后其實(shí)也反映了一個趨勢：

具身智能正在從「參數(shù)競賽」進(jìn)入「架構(gòu)競賽」。

而1B級參數(shù)登頂，更重要的意義在于，它讓機(jī)器人模型第一次距離真實(shí)部署更近了一步。

大模型解決的是機(jī)器人的「聰明」。

小模型看的是機(jī)器人「能不能天天工作」。

更小的模型意味著更低推理成本、更低部署門檻，機(jī)器人也不必完全依賴云端算力。

據(jù)了解，FabriVLA未依賴大規(guī)模機(jī)器人數(shù)據(jù)預(yù)訓(xùn)練，僅通過單階段聯(lián)合訓(xùn)練實(shí)現(xiàn)SOTA表現(xiàn)。

對于工業(yè)現(xiàn)場而言，這一點(diǎn)尤其重要。

工廠需要的是穩(wěn)定、實(shí)時、可靠。

而不是每一次動作，都等待遠(yuǎn)端服務(wù)器給出答案。

在Benchmark里跑出第一名，并不等于能在一線產(chǎn)線里直接上崗。

從學(xué)術(shù)SOTA走向工業(yè)現(xiàn)場，還需要一個能現(xiàn)場解決問題的「工業(yè)大腦」。

從FabriVLA到FabriX

真實(shí)工業(yè)環(huán)境里，機(jī)器人需要面對的是不斷變化的設(shè)備、復(fù)雜的工藝流程，以及7×24小時不能停機(jī)的生產(chǎn)要求。

工業(yè)具身智能真正的挑戰(zhàn)，不是讓機(jī)器人完成一次任務(wù)，而是讓它像熟練工一樣，長期穩(wěn)定地工作。

這也是FabriVLA之后，優(yōu)艾智合推出智合FabriX模型的原因。

如果說FabriVLA解決的是「機(jī)器人能不能理解并完成任務(wù)」，那么FabriX解決的是「機(jī)器人能否進(jìn)入工業(yè)現(xiàn)場持續(xù)工作」。

兩者并不是簡單的模型升級關(guān)系。

FabriVLA證明了輕量化VLA模型具備復(fù)雜操作泛化能力。

FabriX則進(jìn)一步將這種能力放入工業(yè)系統(tǒng)中，它不是簡單的工業(yè)版VLA，而是圍繞真實(shí)生產(chǎn)環(huán)境重新設(shè)計了一套工業(yè)具身智能技術(shù)基座。

因?yàn)楣I(yè)世界有自己的規(guī)則。

一個通用大模型可以允許偶爾生成錯誤答案。

但工業(yè)領(lǐng)域的機(jī)器人不行。

生產(chǎn)線上，一次錯誤動作可能導(dǎo)致設(shè)備損壞，一次錯誤調(diào)度可能影響整條產(chǎn)線效率。

因此，工業(yè)大模型必須向上兼容存量工業(yè)軟件、向下兼容工業(yè)硬件協(xié)議，不能推倒現(xiàn)有產(chǎn)線重建，只能無縫升級改造。

而且，工業(yè)現(xiàn)場始終盤旋著一個「不可能三角」：

• 追求極高泛化性，往往會犧牲動作穩(wěn)定性；
• 追求絕對可靠性，又容易淪為僵化的固定腳本；
• 而追求生產(chǎn)節(jié)拍的效率，則會讓大模型的慢推理不堪重負(fù)。

最關(guān)鍵的是，單機(jī)機(jī)器人升級到數(shù)十上百臺集群協(xié)同后，每新增一臺機(jī)器人，整體狀態(tài)空間爆炸，耦合復(fù)雜度大幅提升。

為了搬走工業(yè)具身智能的「三座大山」，F(xiàn)abriX沒有盲目套用純端到端的VLA路線，而是采用了Edge+Local（邊端側(cè)）雙重架構(gòu)。

FabriX-Edge端（邊緣服務(wù)），類似工廠里的「資深工程師」。

它基于工業(yè)真機(jī)數(shù)據(jù)訓(xùn)練的多模態(tài)MoE基座模型，負(fù)責(zé)理解訂單需求、工藝流程以及現(xiàn)場全局狀態(tài)。

面對復(fù)雜任務(wù)，它負(fù)責(zé)拆解問題、規(guī)劃路徑和協(xié)調(diào)資源。

而FabriX-Local（本地執(zhí)行），則更像機(jī)器人身邊的「現(xiàn)場師傅」。

它將物理機(jī)理控制中的確定性規(guī)則作為先驗(yàn)知識，結(jié)合可供性交互數(shù)據(jù)Affordance Data，引導(dǎo)機(jī)器人完成具體動作。

同時，為底層執(zhí)行設(shè)置安全約束，保證機(jī)器人在實(shí)時運(yùn)動過程中不會偏離工業(yè)標(biāo)準(zhǔn)。

兩者結(jié)合，讓機(jī)器人既擁有AI的靈活性，也擁有工業(yè)系統(tǒng)的確定性。

這也是FabriX想解決的核心問題：如何讓機(jī)器人既聰明，又可靠。

FabriX的核心創(chuàng)新有兩點(diǎn)：

確定性先驗(yàn)蒸餾

具身智能領(lǐng)域，一個長期爭議是：

機(jī)器人到底應(yīng)該完全依靠端到端模型學(xué)習(xí)，還是保留傳統(tǒng)算法能力？

FabriX：別爭了，融合吧！

工業(yè)場景里，純視覺模型存在天然短板。機(jī)器人看到的是像素，但工業(yè)需要機(jī)器人理解空間關(guān)系。

比如機(jī)械臂抓取一個零件。

模型不僅要知道「這是一個零件」，還要知道：它距離機(jī)械臂多遠(yuǎn)？當(dāng)前姿態(tài)是什么？應(yīng)該施加多少力度？

如果完全依靠模型從圖像中推理，就像讓一個新人憑照片猜測精密設(shè)備參數(shù)。

泛化能力有了，但穩(wěn)定性不足。

FabriX則將優(yōu)艾智合過去9年的工業(yè)感知算法積累，以及大量真實(shí)工業(yè)數(shù)據(jù)，轉(zhuǎn)化為模型訓(xùn)練中的確定性先驗(yàn)。

通過工業(yè)專用感知編碼器，將傳統(tǒng)算法中的幾何信息、空間關(guān)系等能力注入VLA模型。

在推理過程中，再通過視覺提示和結(jié)構(gòu)化空間Token，讓機(jī)器人同時獲得端到端模型的泛化能力，以及工業(yè)算法的精度。

這背后的思路很明確。

不是讓AI重新學(xué)習(xí)整個物理世界，而是把工業(yè)現(xiàn)場已經(jīng)驗(yàn)證過的規(guī)律，交給AI使用。

機(jī)器人不再只是「看見」，還能真正理解自己面對的空間。

約束錨定智能體

大模型的自主推理容易產(chǎn)生幻覺。

這放在工業(yè)領(lǐng)域是非常致命的。

FabriX為了不讓大模型直接下發(fā)最終調(diào)度指令，重新定義了大模型的位置。

它把訂單、工藝規(guī)則與現(xiàn)場約束轉(zhuǎn)換為標(biāo)準(zhǔn)化、可驗(yàn)證的形式化約束。

真正涉及任務(wù)調(diào)度、資源匹配等復(fù)雜優(yōu)化問題，則交給專業(yè)求解器完成。

同時，F(xiàn)abriX采用任務(wù)條件確定性路由，根據(jù)不同任務(wù)激活對應(yīng)專家模塊，避免傳統(tǒng)MoE架構(gòu)中可能出現(xiàn)的隨機(jī)路由問題。

最終，所有輸出還需要經(jīng)過「雙回路校驗(yàn)」，即在生成式AI輸出動作前，設(shè)置「模型推理+規(guī)則校驗(yàn)」并行機(jī)制。

所有指令必須經(jīng)過基準(zhǔn)規(guī)則庫的硬邏輯判卷，只有通過才放行執(zhí)行。

一旦發(fā)現(xiàn)異常，模型能實(shí)現(xiàn)自我感知、自我恢復(fù)和自我診斷。

讓工業(yè)智能真正進(jìn)入產(chǎn)線

過去9年，優(yōu)艾智合在半導(dǎo)體、能源化工、鋰電等高壁壘行業(yè)完成了800+真實(shí)場景的落地。

產(chǎn)品覆蓋30多個國家和地區(qū)，工業(yè)移動操作機(jī)器人全球市占率領(lǐng)先，復(fù)購率超過70%。

這些在濕熱、帶電、無塵等極限環(huán)境里沉淀下來的真機(jī)工業(yè)數(shù)據(jù)，構(gòu)成了FabriX難以被復(fù)制的技術(shù)護(hù)城河。

因?yàn)檎鎸?shí)工業(yè)現(xiàn)場的數(shù)據(jù)，決定著機(jī)器人能不能成為生產(chǎn)力。

每一次搬運(yùn)、每一次巡檢、每一次復(fù)雜環(huán)境下的任務(wù)執(zhí)行，都是機(jī)器人理解物理世界的訓(xùn)練樣本。

但想讓工業(yè)智能真正進(jìn)入產(chǎn)線，僅有一個「大腦」還不夠。

機(jī)器人還需要一副能夠承擔(dān)工作的身體。

前段時間，優(yōu)艾智合發(fā)布了搭載FabriX的工業(yè)原生人形機(jī)器人「隙鋒」。

與追求家庭全能機(jī)器人的路線不同，隙鋒從工業(yè)效率和可靠性出發(fā)設(shè)計。

能夠做到：今天進(jìn)廠培訓(xùn)，第二天成為熟練工。

與傳統(tǒng)自動化設(shè)備不同，隙鋒并不是針對某一個固定動作打造的專用機(jī)器。

工業(yè)現(xiàn)場真正需要的，是一個面對變化時還能繼續(xù)工作的智能員工。

比如同樣是物料搬運(yùn)，不同工廠的物料形態(tài)、擺放方式、生產(chǎn)節(jié)奏都可能不同。

傳統(tǒng)機(jī)器人往往需要重新編程、重新調(diào)試。

但隙鋒，在實(shí)際部署過程中，出廠時已經(jīng)具備抓、取、握、拿等基礎(chǔ)原子技能。

進(jìn)入工業(yè)場景后，工程師只需采集少量崗位數(shù)據(jù)進(jìn)行現(xiàn)場適配，即可讓隙鋒上崗作業(yè)，并快速遷移到不同崗位。

上線后，它還能一邊工作一邊自動采集數(shù)據(jù)，以24小時為周期循環(huán)自訓(xùn)練，實(shí)現(xiàn)技能的跨場景遷移與進(jìn)化。

能夠做到在寸土寸金、地形復(fù)雜的工業(yè)車間里穿梭自如，背后除了有FabriX的加持，還離不開優(yōu)艾智合的三大專利。

• 靜流懸掛機(jī)構(gòu)：確保機(jī)器人在跨樓層、進(jìn)出電梯、越過連廊溝坎時能夠平穩(wěn)運(yùn)行，適應(yīng)數(shù)十萬平方米的龐大廠區(qū)。
• 自研MAIC系統(tǒng)：內(nèi)置毫秒級響應(yīng)算力載體，確保實(shí)時通訊與精確控制。
• 暢馭運(yùn)動系統(tǒng)：全向全方位運(yùn)動底盤，支持側(cè)向橫移、原地轉(zhuǎn)身乃至S型曲線運(yùn)動，能輕松擠進(jìn)僅容一人轉(zhuǎn)身的狹窄設(shè)備通道。

One more thing

具身智能行業(yè)，正在走到一個關(guān)鍵分叉口。

一邊，是資本市場對通用AGI和超大規(guī)模模型的想象；另一邊，是工業(yè)現(xiàn)場對穩(wěn)定性、節(jié)拍和安全性的現(xiàn)實(shí)拷問。

接下來，行業(yè)該往何處走？

優(yōu)艾智合用1B參數(shù)的FabriVLA登頂全球SOTA，再將模型能力進(jìn)一步延伸到FabriX和隙鋒，給出一種方向。

或許并不是誰的模型更大，誰的話語權(quán)就高。

參數(shù)規(guī)模可以決定模型上限，但真實(shí)世界的數(shù)據(jù)、工業(yè)場景的經(jīng)驗(yàn)，以及智能與物理系統(tǒng)結(jié)合的能力，決定機(jī)器人能走多遠(yuǎn)。