中国最受瞩目的具身智能公司 发布首个基础大模型 说要打破行业瓶颈

1月10日消息，近日，银河通用联合北京智源人工智能研究院（BAAI）及北京大学和香港大学研究人员，郑重发布首个全面泛化的端到端具身抓取基础大模型 GraspVLA。

据介绍，GraspVLA 的训练包含预训练和后训练两部分。其中预训练完全基于合成大数据，训练数据达到了有史以来最大的数据体量——十亿帧「视觉-语言-动作」对，掌握泛化闭环抓取能力、达成基础模型；预训练后，模型可直接 Sim2Real 在未见过的、千变万化的真实场景和物体上零样本测试，全球首次全面展现了七大卓越的泛化能力，满足大多数产品的需求；而针对特别需求，后训练仅需小样本学习即可迁移基础能力到特定场景，维持高泛化性的同时形成符合产品需求的专业技能。

GraspVLA 展示了无需大规模真实数据、仅通过合成数据达到基础模型的预训练过程，和进一步通过小样本微调使基础“通才”快速成长为指定场景“专家”的能力，定义了 VLA 发展的新范式。这一方式打破了世界范围内具身通用机器人当前发展的两大瓶颈 。

真实数据采集不仅非常昂贵，且很难覆盖所有可能的实际应用场景，导致数据量不够无法训练出基础模型、采集成本过大以致无法盈利。即便不计成本地采集，由于人形机器人硬件远未收敛，随着硬件更新，原有的数据效力将大打折扣，造成大规模的浪费。

数据的缺乏直接限制了机器人的泛化性和通用性。大部分机器人只能在特定的环境、特定的物体和特定的条件下完成专用任务，人形机器人无法实现规模商业化。

以 GraspVLA 为代表的银河通用技术路线具有低成本、大数据、高泛化的特点，突破了具身智能的发展瓶颈，将在2025年引领端到端具身大模型走向规模商业化。（崔玉贤）