殺進機器人賽道，面壁智能怎麼打出差異化？對話首席科學家

面壁智能正式跨足機器人領域，並在2026年世界人工智能大會（WAIC）期間，開源了其首個具身智能技術成果——MiniCPM-Robot系列模型。這組模型包含通用視覺語言動作模型（VLA）MiniCPM-RobotManip，以及專為移動機器人跟蹤導航設計的MiniCPM-RobotTrack，標誌著這家北京大模型獨角獸正式從純語言模型與多模態模型，延伸至物理世界的感知與操作。成立於2022年8月的面壁智能，過去一年成長極為迅速。今年上半年累計融資已超過50億元人民幣，估值突破200億元，是目前中國端側智能領域公開估值最高的獨角獸企業。

公司長期專注於小參數量的高效能多模態模型，並以「端側AI」為核心策略，如今將這套技術邏輯帶入機器人賽道，試圖以更輕量、更低成本的方案，與市面上參數量動輒數十億甚至上百億的機器人模型做出差異化。MiniCPM-RobotManip的訓練基礎，來自面壁智能最新發布的多模態端側模型MiniCPM-V 4.6。這款模型延續了面壁一貫的「小尺寸、高性能」路線，尤其擅長對視覺Token進行極致壓縮，使得模型在極簡的運算資源下仍能維持高品質的視覺理解。MiniCPM-RobotManip僅以1.5B的參數量，就能達到比肩3B至4B規模模型的表現，但流式實時推理的計算成本足足降低一半。

更關鍵的是，它支援長達1分鐘的具身原生記憶，讓機器人在執行任務時，能記住前後文脈絡，例如先拿起A物體再放到B位置這類需要連續記憶的操作，都能高效完成。另一款模型MiniCPM-RobotTrack，則是由面壁智能與南京大學共同研發，專門針對移動機器人的跟蹤與導航場景。這款模型宣稱是業界首個支援真實本地斷網部署的跟蹤模型，換句話說，機器人不需要連上雲端伺服器，僅靠自身的運算單元與攝影機，就能完成純視覺的自主指令追蹤。這項能力對於在工廠、倉儲、物流等網路環境不穩定的場域中運作的機器人來說，意義重大。

MiniCPM-RobotTrack原生適配宇樹科技的Go2 Edu四足機器人，僅依靠Go2 Edu原裝的攝影機與本地算力，就能夠執行單目標、動態多目標以及模糊目標的跟蹤任務。在實測中，它能夠穩定維持5 Hz以上的更新頻率，端到端響應時延約為180毫秒，這對於需要即時反應的移動機器人來說，已經相當接近實用門檻。此外，研發團隊還為這套模型建立了自進化數據管線，機器人在實際運作過程中，可以持續蒐集新的場景數據，回饋到訓練流程中，讓模型在複雜動態環境下的跟蹤能力不斷提升。面壁智能選擇將這兩款模型開源，背後有明確的戰略考量。

目前機器人領域的VLA模型大多集中在學術界與少數大型企業手中，開源社群中缺乏真正輕量、可部署在邊緣裝置上的方案。面壁智能希望透過開源MiniCPM-Robot系列，吸引更多開發者與機器人硬體廠商加入，在端側機器人生態中建立自己的標準與影響力。這與該公司過去在端側語言模型上的策略一脈相承——先以開源建立社群信任，再透過商業化服務與客製化方案獲取營收。從技術架構來看，MiniCPM-RobotManip與MiniCPM-RobotTrack都保留了面壁智能在端側模型上的核心優勢：極小的體積、極低的推理成本、以及對記憶與上下文的理解能力。

這些特質使得它們特別適合搭載在資源受限的機器人平台上，例如小型四足機器人、輪式服務機器人、甚至機械手臂。而傳統上，機器人若要執行複雜的視覺語言任務，往往需要仰賴雲端算力或高階GPU，成本與功耗都居高不下。面壁智能的切入點，正是試圖打破這個瓶頸。值得注意的是，MiniCPM-RobotManip支援的1分鐘具身原生記憶，並非簡單的影片緩存，而是模型在理解視覺輸入後，能夠將關鍵資訊壓縮並保留在內部狀態中，類似人類短期記憶的運作方式。這項能力讓機器人在執行多步驟任務時，不會因為畫面切換或物體移動而遺忘先前的指令或環境狀態。

例如，在自動化組裝產線上，機器人可以先識別零件A，記住它的位置，再移動到另一個區域夾取工具B，最後回到原處進行組裝，整個流程不需要外部指令反覆下達。在移動機器人方面，MiniCPM-RobotTrack的純視覺本地跟蹤方案，也解決了過去依賴GPS、UWB或雷射雷達的痛點。這些傳統定位技術在室內、地下或鋼結構密集的環境中容易失效，而純視覺方案只要光線充足，就能夠持續鎖定目標。面壁智能與南京大學的團隊在訓練數據中加入了大量動態遮擋、光線變化、目標外觀改變等對抗性樣本，讓模型在真實場景中更具魯棒性。目前，這兩個模型的開源程式碼已上傳至GitHub，供開發者下載與測試。

面壁智能方面表示，未來將持續迭代MiniCPM-Robot系列，並計畫擴展到更多機器人硬體平台，包括輪式機器人、人形機器人以及服務型機械臂。同時，公司也正在與多家機器人製造商洽談合作，將這些模型整合到量產產品中。隨著大模型技術從雲端走向終端，從文字圖像走進物理世界，面壁智能的機器人模型開源，代表著端側AI與具身智能的邊界正在模糊。而這家成立僅四年的獨角獸，能否在機器人賽道中複製其在端側語言模型上的成功，將取決於開發者社群的反饋速度，以及硬體合作夥伴的落地進度。至少從技術規格來看，MiniCPM-Robot系列已經在成本、記憶與即時性上，提出了與市場主流方案截然不同的差異化路線。