中興具身模型突破認知，AI從虛擬到現實成功率翻倍

你能想象嗎？

當老墨對機器人說“把臟衣服放進洗衣機再烘干”，它不僅聽得懂，還能一步步規劃路線、打開衣柜、分類衣物，甚至在洗衣液不足時主動提示——這不是科幻電影場景，而是中興最新具身模型EmbodiedBrain實現的真實效果。

最近這個模型在行業測試里創下46.46%的任務成功率，直接是同類產品的兩倍，讓AI從只會“紙上談兵”的虛擬工具，變成了能落地干活的“實干家”。

EmbodiedBrain模型的架構革新

要知道，以前不少AI模型看著厲害，一到真實場景就“掉鏈子”。

要么看不懂復雜環境，把醬油當醋拿；要么反應慢半拍，指令下達后得等好幾秒才行動；更關鍵的是，很多測試數據都是實驗室里的“理想情況”，到了家里、工廠這種真實場景就水土不服。

中興星云大腦團隊就是沖著這些痛點去的，花了大功夫搞出了這套EmbodiedBrain模型，分7B和32B兩種參數規格，從架構到訓練全是新設計。

這個模型最絕的地方，是打通了“看得到、想得通、做得對”的全流程。

它有三個核心部件協同工作：原生分辨率視覺編碼器能像人眼一樣捕捉細節，連衣服上的褶皺、物品的擺放角度都能精準識別；視覺-語言融合器就像“翻譯官”，把看到的圖像信息和聽到的語言指令統一成模型能理解的“通用語言”；再加上基于Qwen2.5的解碼器當“大腦”，能處理長視頻里的動態變化，比如看著鍋里的水燒開就知道該關火。

光有好架構還不夠，訓練數據和方法更是關鍵。

訓練突破：從數據到方法的全面升級

團隊設計了一套“規劃中心型”數據格式，比如“取番茄加熱”這個任務，會明確拆成“導航到冰箱→打開冰箱→取番茄→加熱”等步驟，每個步驟都對應具體動作。

數據來源也很雜，既有10萬級的通用對話樣本，也有50萬條空間推理數據，連老人用手勢控制家電的場景都考慮到了。

訓練時先用監督微調打基礎，再用獨創的Step-GRPO強化學習讓模型“舉一反三”，比如教它“取蘋果”后，它能自己學會“取橙子”，還能比傳統方法快20%完成訓練。

最近一個月，這套技術已經在真實場景里落地了。

從單場景到多協同

上海有個社區試點了搭載該模型的養老服務機器人，有位獨居老人不小心把湯灑在地上，機器人看到后立刻規劃了處理流程：先通過語音提示“地面濕滑請小心”，再導航到儲物間取拖把，拖地時還會避開老人常走的路線。

更有意思的是，機器人發現老人沒吃午飯，還主動問“是否需要加熱冰箱里的饅頭”，整個過程沒出一點錯，反應時間不到1秒。

負責試點的工作人員說，之前用其他品牌機器人，要么識別不出地面水漬，要么取拖把時會撞翻椅子，現在這個成功率高多了。

性能數據更是實打實的硬。

在14項主流測試里，EmbodiedBrain-32B版本在空間推理的BLINK基準上拿到88.11分，比同類7B模型高了近40分；在最考驗真功夫的VLM-PlanSim-99仿真測試中，它完成了46個家庭任務，而同類產品最多只完成25個。

就拿“清洗蘋果后放冰箱”這個任務來說，它能生成11步完整流程，從“導航到水槽”“打開水龍頭”到“擦干蘋果”“放入冰箱冷藏室”，每一步都符合生活邏輯，而其他模型要么漏掉“擦干”步驟，要么會把蘋果放進冷凍室。

更讓人佩服的是，中興直接把模型的訓練數據、代碼和評估方法全開源了，還公開了99個家庭任務的仿真環境。

這意味著其他企業和科研機構不用從零開始，直接就能在這個基礎上做開發。

團隊負責人說，接下來要讓模型支持多機器人協作，比如家里的清潔機器人和廚房機器人能配合做飯，工廠里的搬運機器人和組裝機器人能協同作業，還要適配更多品牌的硬件設備。

從實驗室數據到真實場景落地，從中興的技術突破到全行業共享，EmbodiedBrain讓我們看到了AI落地的清晰路徑。

隨著這類技術的普及，未來機器人幫我們做家務、照顧老人、打理工廠將不再是遙不可及的事，中國在具身智能領域的競爭力也越來越強了。