摘要：该模型基于Vision-Language-Latent-Action(ViLLA)框架，由VLM(多模态大模型)+MoE(混合专家)组成，具有采训推一体，小样本快速泛化、“一脑多形”的跨本体应用、持续进化、人类视频学习等突出优势，可以借助人类和多种机器人数据，
曾是华为“天才少年”、现智元联合创始人“稚晖君”彭志辉（来源：央视网）
曾凭借华为“天才少年”计划以201万年薪加入、现任智元联合创始人兼CTO的“稚晖君”彭志辉，日前在微博发布预告“下周智元机器人有好东西发布”。
3月10日上午，智元机器人正式发布首个通用具身基座模型——智元启元大模型GO-1（Genie Operator-1）。
该模型基于Vision-Language-Latent-Action(ViLLA)框架，由VLM(多模态大模型)+MoE(混合专家)组成，具有采训推一体，小样本快速泛化、“一脑多形”的跨本体应用、持续进化、人类视频学习等突出优势，可以借助人类和多种机器人数据，赋予机器人革命性学习能力。
上述消息引发热议。10日上午，#华为离职天才少年官宣刷屏#、#稚晖君或再掀机器人行业风暴# 等多个词条登上了微博热搜。
3月10日上午沟通会上，智元具身研究中心常务主任任广辉对钛媒体AGI等表示，截至目前，智元机器人已经量产下线1000台机器人。他还透露，Go-1基于通用数据训练，拥有非常强的泛化能力，在零数据下可以泛化到一个新场景、新任务，而基于该模型可以部署到各行各业当中，整体成本会比较低。
任广辉强调，“具身智能”会向通用化、开放化和智能化迈进，走向开放世界，不再局限于实验室了。
智元机器人合伙人、研究院执行院长、具身业务部总裁姚卯青表示，智元对于 AI 技术的投入是战略级的，非常坚定，今年也将开始规模化的生产和交付，并不会去显著将一些 AI 研发投入转移到最终的终端售价上面。他认为，在智元启元大模型GO-1下，智元机器人进入到G3-G4过程当中，能够很好完成某一任务，同时也逐步具备这种通用能力。
“机器人公司如果不做大模型，那是属于没有未来的，机器人没有智能化、没有作业能力只是一个硬件，他能做的事情非常有限。”姚卯青对钛媒体AGI等强调，未来，AI 能力一定是区分机器人产品竞争力的核心。硬件也许大家会有一些类似的方案逐渐收敛，供应链也会高度整合，那么在最后大家比拼一定是AI的能力，这对于机器人落地和自主作业能力至关重要。
据悉，成立于2023年的智元机器人，是当前国内人形机器人赛道头部企业之一，其创始人之一彭志辉是坐拥250多万粉丝的B站UP主“稚晖君”。
公司成立不到1个月，智元就完成天使轮融资、年内更斩获4次融资，成立仅6个月就发布首款人形机器人，2024年还发布五款商用人形机器人新品，并且去年底开源百万真实机器人数据集，以及年初率先达成1000台机器人量产等，引发行业关注。
截至目前，智元机器人已完成天使轮、A1、A1+等多轮融资，累计募资总额超过16亿元。
智元机器人共有三条主打产品线，分别是远征、Genie和灵犀。
事实上，现有具身模型面临多个落地困境，包括泛化性差，到新场景时成功率大幅下降；扩展新任务时需要大量数据，落地成本高；不同本体的数据无法共用，数据成本高；模型无法持续进化；DP/ACT等具身小模型技能单一且无法快速学习新技能，GR-1/2等模型无法构建通用的场景感知、指令理解等能力，语义指令泛化受限，以及小样本泛化到新场景/新任务能力较弱等。
如今，智元希望解决上述一系列问题，并于今天发布了首个具身基座大模型Genie Operator-1 (GO-1)。
这是全球第一个基于大规模、高质量自有数据，基于自有机器人本体训练并部署的机器人基座模型。
该模型开创性地提出了Vision-Language-Latent-Action （ViLLA） 架构，该架构由VLM（多模态大模型） + MoE（混合专家）组成，其中VLM借助海量互联网图文数据获得通用场景感知和语言理解能力，MoE中的Latent Planner（隐式规划器）借助大量跨本体和人类操作视频数据获得通用的动作理解能力，MoE中的Action Expert（动作专家）借助百万真机数据获得精细的动作执行能力，三者环环相扣，实现了可以利用人类视频学习，完成小样本快速泛化，降低了具身智能门槛，并成功部署到智元多款机器人本体。
Genie Operator-1有五大特点：采训推一体，搭配智元软硬件一体化框架，可以实现数据采集、模型训练、模型推理的无缝衔接；小样本快速泛化，具有强大的泛化能力，使得后训练成本非常低，能够在极少数据甚至零样本下泛化到新场景、新任务；一脑多形，是一个通用机器人策略模型，能够在不同机器人形态之间迁移，快速适配到不同本体；持续进化，搭配智元一整套数据回流系统，可以从实际执行遇到的问题数据中持续进化学习；人类视频学习，可以结合互联网视频和真实人类示范进行学习，增强模型对人类行为的理解。
据智元介绍，相比已有的最优模型，GO-1平均成功率提高了32%（46%->78%）。其中，在执行“Pour Water”（倒水）、“Table Bussing”（清理桌面） 和 “Restock Beverage”（补充饮料） 任务表现尤为突出。
智元机器人方面表示，GO-1的出现，为机器人代替人类完成工作生活中的各种事情，提供了强大的脑力支持。从准备餐食、收拾桌面这样的家庭场景任务，到接待访客、发放物品这类办公和商业场景的常见工作，再到工业等更多场景的其他操作任务，通用具身基座大模型都可以快速实现。这也意味着“具身智能”从单一任务到多种任务、从封闭环境到开放世界、从预设程序到指令泛化加速迈进，让机器人走向更多不同场景、适应多变的真实世界。
此外，任广辉透露，公司已与阶跃星辰合作，后续围绕阶跃的多模态、推理和训练、工程化等底层模型能力，进行深度的合作，将阶跃星辰多模态等能力赋能到机器人上面。
在姚卯青看来，利用 AI 大模型，能够助力机器人操作上手能力，从而加速进入工厂、零售、服务业等场景工作，长期还能进入家庭。“这才是机器人价值被充分发挥的时刻。”
谈到最受关注的9.9万元机器人话题，姚卯青对钛媒体AGI独家表示，9万9的机器人只具备基础运动能力，在本体、硬件、算法都还没有收敛的情况下，大家急着“卷”价格战，没有什么意义。因此，姚卯青呼吁人形机器人产业需要看产品竞争力，如果都达不到给用户创造价值的时候打9.9万元，只会把整个行业变成一个很不健康的状态。
姚卯青强调，未来1-2年，人形机器人能够在局部工业场景应用落地，机器人走进家庭还需要5年左右的时间。此外，机器人实现像人一样有通用能力的物理世界AGI（通用人工智能）还需要5-10年时间。
据钛媒体AGI独家了解，预计2025年第二季度，智元将会推出基于强化学习的仿真模型，今年下半年，智元机器人将发布X2等多个新款商用机器人产品，以及“灵巧手”等多个新技术，加速推进2025年智元10倍营收增长目标。
来源：钛媒体