6.8
深览指数
科技智东西·ZeR0
佛系码字，日常闲置。··AI 生成
杀进机器人赛道，面壁智能怎么打出差异化？对话首席科学家
面壁智能发布MiniCPM-Robot系列具身智能模型，以1.5B参数实现比肩3-4B模型的性能，推理成本减半，并支持1分钟原生记忆。文章通过对话首席科学家，阐述了面壁智能做具身智能的三大核心策略：走'先通后专'的通用模型路线、只做模型不碰本体、发挥端侧高效多模态技术优势。对于关注端侧AI与具身智能技术路线，以及大模型公司差异化竞争策略的读者，此文提供了来自一线玩家的一手判断。原文 ↗
核心观点
- ▍面壁智能的具身智能策略核心是'先通后专'，先打造通用基础模型，再适配具体场景，而非针对单一任务训练专家模型。
- ▍面壁智能在具身智能领域只做模型、不碰本体，希望通过与吉利、乐聚等本体厂商合作，嵌入终端生态，走类似安卓的生态路线。
- 01MiniCPM-RobotManip模型以1.5B参数，在RMBench测试中，处理60帧历史观测任务时，单决策步推理时延为120ms，低于π0.5的234ms。
- 02MiniCPM-RobotTrack模型是业内首个支持真实本地断网部署的跟踪模型，适配宇树Go2 Edu，稳定达到5+ Hz，端到端响应时延约180毫秒。
- 03面壁智能与吉利机器人合作，VLM模型已集成到其生产仓储场景；与乐聚机器人合作推出展厅导览Agent，覆盖6大类商用场景，检测成功率超95%。
- 04面壁智能在视觉Token压缩上实现16倍无损压缩率，远超业界主流的4倍，这是其实现高效记忆与低推理成本的核心技术壁垒。
- 05截至2026年6月30日，面壁智能MiniCPM开源模型系列累计下载量突破3800万次。
反方 / 局限
- — 文章提到，端侧模型受限于算力与模型尺寸，当前仍然比较专用，可处理的任务类型有限，达到GPT-5.6级水平还需1-3年。
- — 刘知远承认，当前具身智能行业面临共同的数据瓶颈，没有一种数据是完美的，且具身智能的'ChatGPT时刻'尚未到来。
13 分钟 · 4 卡片 · 11 资料
读原文 →