优必选:升级开源具身智能大模型 Thinker 9 项基准全球第一破解工业落地难题
时间:2026-02-02 来源:汽车供应商网 作者:资讯部
【汽车供应商网】过去一年,人形机器人核心的具身智能技术在实验室的场景理解、任务规划环节取得显著进展,但落地真实工业产线时,却普遍陷入 “想得到但抓不准、算得出但跟不上” 的困境,核心症结在于长期存在的实验室环境与实际应用场景的鸿沟 —— 人形机器人在空间层面的度量失准,以及时间层面的响应迟滞。
为破解这一行业痛点,优必选基于百亿参数底座模型,对旗下具身智能大模型 Thinker 完成架构升级。本次升级紧扣 “小参数、高性能、全开源” 核心方向,旨在打造能为工业人形机器人提供快速反应与精准空间感知的下一代具身智能大脑,精准适配动态工业场景的应用需求。升级后的 Thinker 将作为智能基座,为优必选群脑网络和协作智能体 Co-Agent 提供认知与决策支撑,进而驱动单机自主与群体智能的协同进化。同时,Thinker 实现了 “小体积大能量” 的关键性能突破,优必选同步宣布将该模型开源,让开发者可基于这一基座探索人形机器人大脑的应用落地,携手加快具身智能技术的行业迭代节奏。
此次升级的 Thinker 模型,一举打破了机器人领域大模型的行业瓶颈 —— 当前行业内同类模型普遍存在空间理解、视觉感知等关键任务精度不足,参数量过大难以满足实时性要求,且受互联网海量低质量数据制约,无法通过 Data Scaling 实现性能有效提升的问题。在涵盖 10B 以下具身智能大脑模型的权威基准评测中,Thinker 斩获 9 项全球第一,重新定义了该领域的性能标杆。此次评测全面考核了具身智能的两大核心能力:机器人第一视角下的场景认知与任务规划能力,以及支撑物理交互的精准感知与空间理解能力,参与评测的还包括英伟达、字节跳动、北京智源、北京人形等顶尖团队的代表性模型,榜单结果集中体现了当前具身智能行业的前沿技术水平。
Thinker 的高性能表现,根植于优必选构建的以数据为核心的全链路解决方案。具身智能的核心竞争力依赖高质量数据支撑,但行业普遍面临原始数据噪声大、多模态对齐困难、标注成本高、小样本泛化难等痛点,优必选通过 “精炼提纯 - 自动化标注 - 数据驱动训练” 的全流程技术优化,为这款轻量化具身大模型筑牢了数据基座。
在数据精炼提纯环节,面对 20B 级含噪声、难对齐、模态缺失的原始多模态数据,优必选搭建了全流程自动化流水线,通过 “广度筛选 + 深度评分” 两步法,实现从 20B 到 10M 级高质量数据的极致提纯:先基于定制化规则从视觉、语言、动作、环境等多模态数据中过滤出 1% 的候选数据池,再引入大模型构建多维度评分模块,从质量、任务、场景等维度精细评价,筛选出最高价值的训练数据。
自动化标注环节则搭建了 “弱监督 + 自监督 + 少量人工校验” 的闭环体系,破解标注难度大、成本高的行业痛点。核心采用 “大模型辅助标注 + 多模型交叉验证” 策略,实现视觉场景分割、动作序列分类等任务的端到端自动化标注;仅对标注置信度低于阈值的样本进行人工复核,将人工参与率控制在 1% 以下,较传统全人工标注方案成本降低 99%、效率提升超百倍;同时将模型训练误差反馈至标注流水线,形成 “标注 - 训练 - 反馈 - 迭代” 的动态闭环,持续提升标注准确率。
在数据驱动训练阶段,优必选采用 Data-centric 训练范式,从三大维度保障模型的泛化与迁移能力:一是基于 10M 高质量数据,全面覆盖任务规划、视觉定位、空间理解、通用知识四大具身智能核心任务;二是针对 “感知 - 决策 - 执行” 闭环中的精细操作、突发场景应对等关键环节进行任务导向型动态采样,强化模型核心能力;三是设计任务 - 功能 - 分类 - 模态四层 L4 级标注标准,精准把控训练数据配比。
依托 Thinker 的技术积淀,优必选还创新性打通双向数据回流机制,构建起 “技术研发 - 场景落地 - 数据反哺 - 模型进化” 的具身智能应用闭环,实现技术优势向落地优势的转化。一方面,优必选发布了 Thinker 的基础能力深度解析、精准问题定位指南、实操优化全流程指导,为下游应用提供精准技术参考、可落地的问题排查方案,以及 Prompt 工程优化、SFT 微调数据构造等实操技巧,助力快速完成场景适配;另一方面,通过在工厂搬运、工件分拣等真实场景的深度部署,回收全新数据、新兴任务需求及交互反馈,将其转化为训练资源反哺 Thinker 迭代,持续扩展模型的基础能力与泛化性。以工厂搬运场景为例,系统收集的料箱识别失败、抓取轨迹动态调整等长尾案例数据,直接推动模型自主进化,最终基于 Thinker 大模型,优必选 Walker S2 在箱体搬运、工件分拣等下游场景实现 99.99% 的作业准确率。
当前,具身智能正加速渗透工业智造、商用服务等千行百业,但技术门槛高、应用成本高成为行业规模化普及的核心瓶颈。基于开源共享的理念,优必选将 Thinker 的模型权重、训练工具链与应用案例进行全量开放,通过降低行业开发门槛,与广大开发者和企业携手共建具身智能产业生态,共同拥抱具身智能的产业化浪潮。
