螞蟻旗下具身智能模型開源

螞蟻集團近日正式宣布，旗下具身智能模型已全面開源。這款模型屬於視覺系列，具備十億級參數規模，並且採用當前最寬鬆的開源協議釋出，開發者與研究單位得以更自由地進行應用、修改與再發布。根據公開資訊，該模型在部分深度估算指標上已超越市場同級產品，展現優異的視覺感知能力，能為多種機器人提供「視覺大腦」，協助機器人更精確地判斷環境與物體位置。目前該模型已開放體驗，相關成果可供業界進一步探索與整合。 所謂具身智能，指的是能夠感知環境並透過實體載具（如機械手臂、輪式機器人、人形機器人等）執行動作的智能系統。視覺感知是其中關鍵的一環，機器人必須正確判斷物體的三維位置、幾何形狀與空間關係，才能完成取物、避障、導航等任務。螞蟻此次開源的視覺模型取名雖未特別強調型號，但其技術規格瞄準的就是這類高精度空間理解需求。 十億級參數在當前的視覺模型中屬於中大型規模，既能提供足夠的表徵能力，又不會過度加重邊緣裝置的運算負擔。更引人注意的是開源協議的選擇。螞蟻採用的是目前業界公認限制最少的許可證之一，代表任何人皆可用於商業用途、進行修改或再授權，不必擔心後續的法律風險。這項策略與許多大型科技公司「部分開源、部分保留」的做法形成對比，有望吸引更多初創團隊與學術單位加入生態。 在技術細節上，該模型特別強調深度估算的準確度。深度估算是指從二維影像推算出物體與相機之間的實際距離，這是機器人避開障礙、抓取物體的重要基礎。據官方透露，在公開的深度估算基準測試中，該模型的多項指標已經領先市面上其他類似規模的視覺模型。換句話說，機器人裝上這套「視覺大腦」，能夠更快、更穩定地理解周圍環境，即使光線變化或物體部分遮蔽，也能維持一定的辨識能力。 從應用面來看，這項開源成果直接受惠的對象包括服務型機器人、工業協作機器人以及物流自動化設備。開發者可以直接下載模型，整合到自家的硬體平台上，不必從零開始訓練影像辨識系統，大幅縮短產品開發時程。同時，因為開源協議寬鬆，研究人員也能針對特定場景進行微調，例如倉儲夜晚低光照環境、醫療手術的高精度定位等，進一步拓展模型的適用範圍。 螞蟻集團近年來持續投入人工智慧基礎研究，尤其在自然語言處理與電腦視覺領域累積了多項開源專案。此次將具身智能模型公開，顯示其在機器人技術的布局正逐漸從幕後走向前線。業界普遍認為，開源能加快技術迭代速度，尤其對硬體規格尚未統一的機器人產業來說，一套通用且高性能的視覺模型有助於降低進入門檻，讓更多小型團隊有機會參與創新。 值得注意的是，雖然「開源」常被視為企業對社群的回饋，但背後也有商業策略的考量。一旦開發者社群廣泛採用該模型，相關工具鏈與最佳實踐就會圍繞它建立，後續若要推出更進階的付費版本或雲端服務，自然容易取得市場。螞蟻集團是否會循此模式，後續可能推出搭配專用硬體或調校服務的商業方案，尚待觀察，但目前開源版本已足夠完整，可直接投入真實專案。 目前該模型已開放體驗，感興趣的開發者可透過指定平台下載原始碼與預訓練權重。官方同時提供了文件與範例程式，幫助使用者快速入門。由於具身智能牽涉到硬體整合，螞蟻也鼓勵開發者分享實作經驗與測試結果，形成一個正向循環的社群。未來版本預計會加入更多感測器支援，例如深度攝影機與光達的融合，進一步提升複雜環境中的表現。 從更宏觀的角度來看，這項開源動作也呼應了全球機器人領域對「基礎模型」的追求。類似大型語言模型之於文字生成，視覺基礎模型試圖為機器人提供通用感知能力，讓同一套模型在不同機型、不同場景中都能發揮作用。螞蟻此次釋出的視覺系列模型，正朝著這個方向邁出關鍵一步。 對於台灣的產業界而言，這項開源消息同樣值得關注。國內機器人與自動化業者眾多，從半導體晶圓搬運、電子組裝到餐飲送餐，不同應用場景常需要客製化視覺演算法，資源有限的中小企業往往難以負擔高昂的研發成本。有了這樣一款高精度且合法商用化的開源模型，開發團隊可以直接取用並針對自身需求調整，有機會加速產品上市並提升競爭力。 當然，開源模型並非萬能。實際部署時仍需考慮硬體相容性、即時性要求以及模型的泛化極限。螞蟻在技術文件中建議使用者先在自己的測試環境中驗證模型表現，確保充足的資料涵蓋率。同時，開放社群也將累積更多使用情境的反饋，幫助原開發團隊持續修正弱項。 總體而言，螞蟻集團將具身智能視覺模型以最寬鬆協議開源，不僅提供了高品質的技術工具，也為整個機器人生態注入了活水。從深度估算指標的領先表現到開放體驗的即時可用性，這一系列做法展現了集團在人工智慧領域深耕的決心，以及擁抱開放合作的態度。未來隨著更多開發者投入，該模型有望成為機器人感知層的重要基石，推動智慧機械從工廠走向更廣泛的日常生活。