

> 当行业陷入用海量数据微调视觉模型以提升空间感知能力的军备竞赛时，英伟达用一个免训练框架证明了算力并非唯一解，代码接口才是破局关键。

## 刺破算力狂热　空间推理的真正瓶颈不在模型

长期以来，视觉语言模型（VLM）在面对“物体在哪里”、“如何移动”等三维物理世界的空间推理任务时，表现始终差强人意。为了解决这个“睁眼瞎”的问题，主流科技巨头的下意识反应是疯狂追加算力投资，试图通过投喂海量的带有空间标注的3D和4D数据集，对庞大的模型进行微调。

然而，英伟达Research团队发布的SpatialClaw毫不留情地刺破了这种算力崇拜的幻象。他们敏锐地指出，模型表现不佳的根本原因，并非其大脑不够聪明或知识储备不足，而是它与物理世界交互的“手脚”（动作接口）设计得过于僵化。传统方法要么让智能体写一段死板的单次执行代码，要么依赖高度结构化的工具调用接口，这让模型在面对开放式、动态的复杂空间环境时，如同穿着厚重的防爆服做显微外科手术。

![22.png](https://static.downly.cn/images/252fed7dae6a358e6d3677d044385427.png) <center>图源备注 图片由AI生成</center>

## 代码即接口　重构智能体交互逻辑的降维打击

SpatialClaw给出的解药异常清醒且廉价　完全不需要重新训练大模型，只需要改变它调用感知工具的方式。该框架在底层维护了一个带有状态的Python内核，预先加载了各种感知和几何计算的原语。智能体被允许在每一步操作中编写可执行的Python单元格，它的下一个动作完全取决于刚刚返回的真实环境视觉和文本反馈。

这种将代码作为动作接口的设计，赋予了模型极高的灵活性。在跨越20个空间推理基准测试中，这个没有消耗一卡算力去微调的纯框架设计，直接实现了59.9%的平均准确率，以11.2分的巨大优势碾压了近期被热炒的各种需要重度调优的空间智能体。这就好比一个优秀的指挥官，不需要自己去搬砖（微调学知识），只需要一套极高自由度的通讯系统（Python状态内核），就能完美调度所有的前线作战单元（感知工具）。

![23.png](https://static.downly.cn/images/bdac23b51226bc0d7d65463180a0d27a.png) <center>图源备注 图片由AI生成</center>

## 务实的冷思考　免训练框架的隐性门槛

但剥离公关话术的狂热，我们也必须看到SpatialClaw这种“代码即动作”路线的隐性代价。虽然免除了前期的训练算力成本，但依赖Python内核的实时代码生成与执行，必然会在推理阶段引入显著的延迟。对于具身智能和实时机器人这种要求毫秒级响应的物理应用场景而言，这种基于解释型语言环境的多轮次交互，其稳定性和安全性依然是一个巨大的问号。如果生成的代码在执行时出现死循环或内存泄漏，对于实体机器人将是灾难性的。因此，这种创新短期内仍将是实验室和高端软件测试场景的宠儿，距离真正走向工业流水线，还有一段难以逾越的合规与工程鸿沟。

英伟达SpatialClaw戳破微调神话 免训练重塑空间推理接口



> 智元机器人推出的新一代具身基座大模型从根本上重塑了机器人的思考路径。通过引入高频纠偏的异步双系统，该技术不仅在多项权威基准测试中拔得头筹，更为产业级落地提供了坚实底座。

## 突破边看边做传统局限

具身智能领域的底层逻辑正在被重新书写。智元机器人于4月9日正式揭晓了其呕心沥血打造的新一代具身基座大模型Genie Operator-2。这款被简称为GO-2的模型，肩负着彻底打通从高阶逻辑推理到末端精准物理执行最后一道屏障的行业使命。

其最核心的技术突破在于业界首创的动作思维链机制。有别于传统端到端模型依靠直接输出底层电机控制信号的边看边做模式，GO-2被赋予了类似人类想清楚再动的前瞻性思考能力。在接收到环境输入后，模型会率先在虚拟认知空间中生成一段高度结构化的全局动作序列规划。这种将物理感知与动作空间推理深度解耦的开创性思路，凭借其卓越的泛化能力，其学术论文已正式被全球顶尖人工智能学术会议CVPR2026收录。

![42.png](https://static.downly.cn/images/5828d48a5e13c05461e543165fe73d0d.png)
 <center>图源备注：图片由AI生成</center>

## 异步双系统保障极致微调

为了将在虚拟空间中完美规划的思维链在充满不确定性的现实物理世界中平稳落地，研发团队为GO-2量身定制了一套精密协同的异步双操作系统架构。

其中被定义为智囊的慢系统，以较低的时钟频率运行，专注于处理宏观任务节点，持续向外输出具备长周期逻辑支撑的动作意图流。而充当肌肉的快系统则保持极高频的轮询状态，时刻比对真实环境与慢系统规划的偏差。一旦在执行过程中遭遇目标物体意外滑动或操作台高度微小形变等突发状况，快系统便能在毫秒级进行瞬时微调补偿，确保机械臂最终的物理轨迹与预设的意图严密贴合。

![43.png](https://static.downly.cn/images/011159d083b7e9aad1df2ee6dece029d.png)
<center>图源备注：图片由AI生成</center>

## 霸榜评测与产业量产愿景

硬核的技术革新直接转化为了评测榜单上的统治级数据。在衡量具身模型综合实力的LIBERO Benchmark权威基准测试中，GO-2在四类极其严苛的交互任务中横扫千军，以平均98.5%的惊人成功率登顶全球第一。在另一项内部仿生测试Genie Sim3.0中，该模型仅依靠纯仿真合成数据进行预训练，便在真实物理环境迁移测试中斩获了82.9%的成功率，在零样本泛化指标上显著拉开了与同赛道竞品模型的差距。

更具长远意义的是，智元构建了一套依托Genie Studio平台的分布式进化闭环。通过在复杂的真实产业线中持续汲取交互反馈，GO-2正在从一个封闭的实验室产物加速蜕变为具备持续自学习能力的通用大脑，真正拉开了机器人从纸上谈兵迈向精准改变物理世界的工业新纪元大幕。

智元GO-2模型重磅首发 动作思维链刷新具身智能执行天花板



> V4大模型携原生多模态架构与两千亿参数重磅来袭。通过全面深度适配国产软硬件，此次升级不仅攻克推理计算瓶颈，更将极大催化本土算力生态圈的繁荣。

## 原生多模态与超长上下文突破

在经历了V2与V3系列的快速迭代后，大模型赛道的明星企业即将迎来一次关键性跃升。即将面世的V4版本彻底摒弃了传统的后期拼接模式，在预训练阶段便深度融合了文本与视觉理解能力。这种原生多模态架构赋予了模型更为敏锐的空间推理与结构化输出表现。

以目前正处于测试阶段的“sealion-lite”版本为例，其拥有两千亿的庞大参数规模，并且将上下文窗口拓展至惊人的一百万tokens。这一跨越式升级意味着系统能够一次性吞吐和解析数百万字的超长文本，在复杂任务中展现出压倒性的优势。同时其使用极简代码即可生成高质量图像的能力，再次印证了底层架构优化的巨大潜力。

![22.png](https://static.downly.cn/images/6eaee95aa4fce5de2a69d7031e2a6e35.png) <center>图源备注 图片由AI生成</center>

## 软硬协同赋能本土算力破局

除了算法层面的精进，V4在底层硬件适配上的战略布局同样意义深远。为了打破对单一计算平台的依赖，研发团队在算力兼容性上进行了针对性攻坚，全面深化与国产制造芯片的底层融合。这一举措有效消除了大模型在推理阶段的物理瓶颈。

软硬件的高效协同不仅大幅度降低了企业级客户的部署成本，更有望在需求端为国产半导体注入强劲动能，推动整个AI产业链向着自主可控的方向加速演进。

![23.png](https://static.downly.cn/images/bb572769ab24fd53d31ea3f204eae474.png) <center>图源备注 图片由AI生成</center>

## 持续迭代稳固综合性能护城河

回顾该团队的发展脉络，从早期的效率摸索到如今的性能狂飙，其产品矩阵始终保持着极高的进化频率。随着完整版超过万亿参数的巨无霸模型揭开面纱，以及详尽技术报告的后续释出，市场对这种兼顾技术透明度与商业落地闭环的演进模式充满了期待。多模态能力的全面铺开，无疑将为人工智能领域注入全新的产业活力。


DeepSeek V4全模态架构前瞻 兼容国产算力或重塑芯片生态圈



> 蚂蚁集团发布并开源了视觉-语言-动作模型 LingBot-VLA，凭借创新的混合架构与卓越的空间感知能力，该模型大幅降低了机器人开发门槛，推动具身智能向通用化迈进。

## 混合架构引领通用操控

蚂蚁集团近日推出的 LingBot-VLA，是一款专注于现实世界机器人复杂操控的基础模型。为了构建这一系统，研发团队在 AgiBot G1、AgileX 等 9 种主流双臂机器人上，采集了约 2 万小时的真实遥操作数据，并利用 Qwen3-VL 生成高质量的语言指令，打造了扎实的预训练数据集。

LingBot-VLA 采用了创新的“混合 Transformer”架构。它以 Qwen2.5-VL 作为多模态主干，能够同时处理多视角图像和自然语言指令。模型内置的“动作专家”分支，利用条件流匹配技术，能实时结合机器人状态输出平滑且连续的控制轨迹，确保了双臂协作的精准度。

![Google_AI_Studio_2026-01-30T03_20_35.057Z.png](https://static.downly.cn/images/b692f0330046574d496523c64aa4186e.png) <center>图源备注：图片由AI生成</center>

## 空间感知与数据效率的双重突破

针对传统模型在空间深度感知上的短板，蚂蚁集团引入了 LingBot-Depth 空间感知模型。通过特征蒸馏技术，LingBot-VLA 即使在传感器数据缺失的情况下，也能展现出卓越的 3D 空间推理能力，在叠放、插入等精细化任务中表现尤为出色。

在包含 100 项挑战任务的 GM-100 现实世界基准测试中，LingBot-VLA 的成功率达到 17.30%，显著优于 π0.5 和 GR00T N1.6 等同类模型。更重要的是，该模型具有极高的数据效率，仅需约 80 条特定任务的演示数据，即可快速适配新机器人。

## 开源生态赋能产业

目前，蚂蚁集团已将 LingBot-VLA 的全套训练工具包和模型权重正式开源。该工具包针对大规模 GPU 集群进行了优化，训练吞吐量比现有主流框架提升了 1.5 至 2.8 倍。

这一开源举措将极大降低机器人大模型的开发门槛，让更多开发者能够参与到具身智能的创新中来，加速技术向实际应用场景的渗透。

蚂蚁集团开源具身智能新模型 LingBot-VLA 突破机器人操控瓶颈



> 今日AI界风起云涌：Tahoe Bio利用AI解码生命奥秘，剑指癌症研究新突破；Anthropic则将AI利刃伸向金融界，推出能直连Excel的Claude，解放分析师；同时，国产模型DeepSeek在股市交易中一举夺魁，展现强大实力；Mistral AI、MiniMax也分别发布新平台与模型，竞逐企业级应用与智能体赛道；而在消费领域，Fitbit和谷歌地球则将AI融入健康与地理探索，让尖端技术走入日常生活。

## AI化身生命解码器，Tahoe-x1模型加速癌症研究革命

Tahoe Bio公司发布了参数量达30亿的AI模型Tahoe-x1，该模型采用Transformer架构，能解析基因、细胞与药物间的复杂关系，标志着AI在生命科学领域从辅助工具迈向生命系统建模引擎，有望加速癌症靶点发现和个性化疗法的研发。

![image.png](https://static.downly.cn/images/efaf2d2e5713ada0abc6526255fbeb21.png)

<center>图源备注：图片由AI生成</center>

## Mistral AI 亮剑企业市场，推出 Studio 平台简化应用开发

Mistral发布AI Studio平台，旨在借助其强大模型，赋能用户快速部署AI应用，支持企业大规模构建、监控和管理AI，助力其完成从概念验证到企业级生产的战略转型。

![image.png](https://static.downly.cn/images/d3eccde35b1cde4dc546acf18ecbe0f6.png)

<center>图源备注：图片由AI生成</center>

## 告别繁琐数据处理，Anthropic 发布金融版 Claude 直通 Excel

Anthropic发布金融版Claude，旨在解决金融从业者数据搬运和重复建模的痛点。新功能核心包括Excel原生交互插件、实时全球金融数据源连接和投行级AI代理技能。通过基于Sonnet 4.5模型的Excel插件，可实现数据自动化处理，让Claude成为“分析师第二大脑”，有望将分析师的工作负担减轻80%。该功能目前正面向企业客户进行测试。

![image.png](https://static.downly.cn/images/68009791e4cf9af3618be3d4496d6a85.png)

<center>图源备注：图片由AI生成</center>

## 国产AI模型DeepSeek炒股夺冠，年化回报率远超GPT

中国自主研发的DeepSeek模型在香港大学主导的人工智能交易实验中，凭借10.61%的年化回报率，显著优于GPT等国际顶尖AI模型及纳斯达克100指数，有力证明了AI在无人值守股市交易领域的巨大潜能。

![image.png](https://static.downly.cn/images/fd88845a44f44e53dde82313aeef633b.png)

<center>图源备注：图片由AI生成</center>

## 你的腕上AI私教，Fitbit 推出 Gemini 健康教练

Google将推出基于Gemini大模型的AI“健康教练”功能，为Fitbit Premium订阅用户提供全天候个性化健身、睡眠和健康指导，该功能将于明起在美国安卓用户中预览开放，并将随后登陆iOS平台，旨在通过动态适应能力超越传统预设方案的局限。

![image.png](https://static.downly.cn/images/80380eaca0e6aef1db0f2c065d553b76.png)

<center>图源备注：图片由AI生成</center>

## 为智能体而生，MiniMax 发布 M2 推理模型实现高速响应

MiniMax发布新一代开源推理模型M2，专为智能Agent设计，采用2300亿参数的混合专家架构，每次推理激活100亿参数，实现了每秒100个token的惊人速度，尤其适合实时交互场景。

![image.png](https://static.downly.cn/images/e47606a65e31398c11a8c084b71164b2.png)
<center>图源备注：图片由AI生成</center>

## 与地球对话，Google Earth 集成 Gemini 实现自然语言地理分析

谷歌在其Earth平台引入Gemini大模型，用户能通过自然语言对话进行地理推理，识别风暴、分析干旱，该功能结合了地理空间推理模型、天气预报、卫星图像及人口数据等AI能力，显著提升了交互效率。

![image.png](https://static.downly.cn/images/3709c2d481ce330fe7ded28ace6b6c81.png)

<center>图源备注：图片由AI生成</center>



搜索结果: 空间推理