編輯｜+0

提到具身智能，你首先會(huì)想到什么？

是宇樹在春晚驚艷亮相的「轉(zhuǎn)手絹」、特斯拉 Optimus 的「金色傳說(shuō)」、真到被懷疑真假的小鵬，還是 2025 年各家競(jìng)相上演的「炫技大賞」，空翻、家務(wù)、熱舞、打拳，無(wú)所不能？

已經(jīng)過(guò)去的 2025 年，無(wú)疑是具身智能大爆發(fā)的一年。

熱鬧屬于硬件，但具身智能還有另一個(gè)關(guān)鍵賽道：具身智能與機(jī)器人基礎(chǔ)模型，即具身智能的「大腦」。它們定義了具身智能的智力天花板，也長(zhǎng)期主導(dǎo)了行業(yè)對(duì)「通用性」的解釋權(quán)。

在這個(gè)賽道，過(guò)去兩年的敘事主線幾乎被 Pi、Google、Figure 等海外團(tuán)隊(duì)主導(dǎo)。但在 2026 年伊始，格局發(fā)生了變化。

1 月 12 號(hào)，千尋智能（Spirit AI）開(kāi)源了自研 VLA 基礎(chǔ)模型Spirit v1.5，該模型在第三方機(jī)器人模型評(píng)測(cè)組織RoboChallenge 的 Table30 榜單上位列第一，超過(guò)了之前最強(qiáng)模型 Pi0.5。

千尋開(kāi)源了Spirit v1.5的基模權(quán)重、推理代碼以及使用樣例，接受公眾檢驗(yàn)，也方便社區(qū)在 Spirit v1.5 的基礎(chǔ)上創(chuàng)新。

• Code: https://github.com/Spirit-AI-Team/spirit-v1.5
• Model: https://huggingface.co/Spirit-AI-robotics/Spirit-v1.5
• Blog：https://www.spirit-ai.com/en/blog/spirit-v1-5

Spirit v1.5 vs Pi0.5 視頻對(duì)比。上：Spirit v1.5，下：Pi0.5。

這一手「硬核登頂+開(kāi)源共享」的組合拳，引發(fā)了海外 AI 社區(qū)的即時(shí)關(guān)注，甚至引來(lái)了英偉達(dá)具身智能負(fù)責(zé)人 Jim Fan（范麟熙）的點(diǎn)贊、Hugging Face 的官方祝賀，以及多位海外大 V 的轉(zhuǎn)發(fā)。

這不再是一次簡(jiǎn)單的榜單輪換。它意味著，在具身智能這個(gè)未來(lái)的核心戰(zhàn)場(chǎng)上，中國(guó)團(tuán)隊(duì)終于結(jié)束了「跟隨模式」，正式拿到了「全球第一梯隊(duì)」的入場(chǎng)券。

Spirit v1.5 為什么能贏 Pi0.5？

要回答這個(gè)問(wèn)題，我們必須先看一眼「競(jìng)技場(chǎng)」。

RoboChallenge 是由 Dexmal、Hugging Face 和智源研究院等機(jī)構(gòu)發(fā)起的全球首個(gè)大規(guī)模真機(jī)評(píng)測(cè)平臺(tái)。與常見(jiàn)的仿真環(huán)境跑分不同，RoboChallenge 的核心在于物理世界的真機(jī)實(shí)測(cè)

平臺(tái)建立了一套名為「Table30」的任務(wù)集，包含設(shè)定在桌面環(huán)境中的 30 個(gè)多樣化操作任務(wù)。這些任務(wù)不僅涵蓋插花、制作三明治、插入網(wǎng)線等日常技能，還被特意設(shè)計(jì)用來(lái)挑戰(zhàn)模型能力的各個(gè)維度：包括精確的 3D 定位、遮擋處理、時(shí)間依賴性以及多階段長(zhǎng)序列任務(wù)。

在該體系下，Spirit v1.5 在多構(gòu)型機(jī)器人（包括 Franka、Arx5、UR5 及雙臂 ALOHA 系統(tǒng)）上均進(jìn)行了評(píng)測(cè)。截至 2026 年 1 月 12 日的評(píng)估顯示，Spirit v1.5 在該基準(zhǔn)測(cè)試上超越了 Pi0.5 等之前的全球領(lǐng)先開(kāi)源模型，取得了當(dāng)前最優(yōu)的性能。

Spirit v1.5 vs Pi0.5 視頻對(duì)比。上：Spirit v1.5，下：Pi0.5。

Spirit v1.5 的勝出并非偶然，其核心原因在于對(duì)機(jī)器人預(yù)訓(xùn)練數(shù)據(jù)范式的根本性重構(gòu)。

擺脫「干凈數(shù)據(jù)」的詛咒，

轉(zhuǎn)向「物理常識(shí)」的習(xí)得

傳統(tǒng)的具身模型，大多基于如 Open X-Embodiment (OXE)、Agibot 和 RoboCOIN 等數(shù)據(jù)集進(jìn)行訓(xùn)練。這些數(shù)據(jù)集雖然規(guī)模龐大，但主要由高度精選的、即所謂的「干凈」數(shù)據(jù)組成。

在這種模式下，為了最大化采集成功率，研究人員往往像電影導(dǎo)演一樣精心設(shè)計(jì)場(chǎng)景：物體被放置在可預(yù)測(cè)、易于觸及的位置，動(dòng)作被簡(jiǎn)化或腳本化。這種「完美」的數(shù)據(jù)雖然為模型提供了一個(gè)穩(wěn)定的起點(diǎn)，但卻產(chǎn)生了一個(gè)致命的副作用：經(jīng)驗(yàn)的零散孤島。

如果在訓(xùn)練中，「擦桌子」的數(shù)據(jù)集永遠(yuǎn)只包含桌子和標(biāo)準(zhǔn)的擦拭動(dòng)作，模型就永遠(yuǎn)學(xué)不會(huì)如何在抹布打滑后恢復(fù)，或者如何處理桌面上意料之外的雜物。這種過(guò)度「凈化」的數(shù)據(jù)限制了機(jī)器人的泛化能力，一旦面對(duì)開(kāi)放世界的不可預(yù)測(cè)性，模型極易失效。

相比之下，Spirit v1.5 采用了「開(kāi)放式、目標(biāo)驅(qū)動(dòng)」的數(shù)據(jù)采集策略。其核心理念是摒棄書面腳本，只給操作員一個(gè)模糊的高層目標(biāo)（如「清理廚房」），允許其即興發(fā)揮。

在 RoboChallenge 的 Table30 測(cè)試中，Spirit v1.5 展現(xiàn)出的跨場(chǎng)景泛化能力主要得益于以下幾點(diǎn)：

• 構(gòu)建連續(xù)的技能流形

傳統(tǒng)數(shù)據(jù)制造了任務(wù)間的割裂，而 Spirit v1.5 的數(shù)據(jù)采集員可能會(huì)先拿起食物容器，發(fā)現(xiàn)碎屑后開(kāi)始擦拭，接著整理餐具。這種連續(xù)的會(huì)話將多個(gè)微技能自然串聯(lián)，涵蓋了抓取、扭轉(zhuǎn)、插入和復(fù)雜的雙手協(xié)調(diào)。

這意味著模型不再是機(jī)械地重復(fù)單一動(dòng)作，而是學(xué)習(xí)到了動(dòng)作與動(dòng)作之間的過(guò)渡與銜接。如同案例所示：無(wú)論是給假人模型化妝，還是組裝復(fù)雜的樂(lè)高結(jié)構(gòu)，模型掌握的是一個(gè)原子技能譜系，而非孤立的動(dòng)作片段。

• 內(nèi)化的糾錯(cuò)與恢復(fù)能力

這是 Spirit v1.5 區(qū)別于傳統(tǒng)模型的關(guān)鍵。由于訓(xùn)練數(shù)據(jù)通過(guò)「將采集員派往現(xiàn)實(shí)環(huán)境中的隨機(jī)地點(diǎn)」獲得，包含了海量的物體交互和環(huán)境轉(zhuǎn)換，模型見(jiàn)識(shí)過(guò)各種失敗與混亂。因此，Spirit v1.5 習(xí)得了類似人類的「物理常識(shí)」。

當(dāng)面對(duì)復(fù)雜操作中的干擾、物體打滑或光線突變時(shí)，模型展現(xiàn)出了驚人的韌性，它學(xué)會(huì)了在動(dòng)作執(zhí)行受阻時(shí)如何進(jìn)行動(dòng)態(tài)調(diào)整和恢復(fù)，而不是像腳本機(jī)器那樣直接死機(jī)。

多樣化采集數(shù)據(jù)示例。上：采集員通過(guò)末端執(zhí)行器操作給假人模型化妝。下：采集員組裝復(fù)雜的樂(lè)高結(jié)構(gòu)。兩個(gè)案例都展示了多樣化原子技能的連續(xù)流，包括抓取、扭轉(zhuǎn)、插入和復(fù)雜的雙手協(xié)調(diào)。

模型不是「更大」，

而是「更對(duì)」

技術(shù)報(bào)告中的消融實(shí)驗(yàn)進(jìn)一步證實(shí)，Spirit v1.5 的優(yōu)勢(shì)源于更高效的數(shù)據(jù)利用策略，而非盲目的算力擴(kuò)張。

實(shí)驗(yàn)建立了兩組模型進(jìn)行對(duì)比：A 組使用精選演示數(shù)據(jù)，B 組使用開(kāi)放式多樣化數(shù)據(jù)，且保持兩組的總數(shù)據(jù)量完全相同。結(jié)果揭示了顯著的「多樣性增益」：

• 收斂速度與遷移效率：在針對(duì)全新任務(wù)微調(diào)時(shí)，使用多樣化采集訓(xùn)練的模型（Spirit 策略）達(dá)到相同性能基線所需的迭代次數(shù)比基線模型少了 40%。這表明，任務(wù)的多樣性比單任務(wù)的演示數(shù)量更為關(guān)鍵。

多樣化采集預(yù)訓(xùn)練的模型比干凈數(shù)據(jù)采集訓(xùn)練的模型具有更快的收斂速度和更好的驗(yàn)證誤差。

• 驗(yàn)證誤差的持續(xù)下降：研究還發(fā)現(xiàn)，隨著多樣化數(shù)據(jù)規(guī)模的擴(kuò)大，模型在新任務(wù)上的驗(yàn)證誤差呈持續(xù)下降趨勢(shì)。這證明模型正在有效地從現(xiàn)實(shí)世界日益增加的內(nèi)在多樣性中汲取養(yǎng)分，形成了一種通用的策略基礎(chǔ)。

不同數(shù)據(jù)規(guī)模下的模型效果。擴(kuò)大多樣化采集的數(shù)據(jù)規(guī)模可以持續(xù)降低模型的驗(yàn)證誤差。

既是「榜單殺手」，

也是「工程利器」

除了在學(xué)術(shù)榜單上領(lǐng)先，Spirit v1.5 在工程落地層面也解決了困擾行業(yè)已久的可擴(kuò)展性的難題。

傳統(tǒng)的「干凈數(shù)據(jù)」采集需要工程師團(tuán)隊(duì)設(shè)計(jì)任務(wù)、編寫詳細(xì)指南并嚴(yán)格篩選數(shù)據(jù)，這種工作流程極大地限制了數(shù)據(jù)采集的體量和擴(kuò)展性。

Spirit v1.5 采用的非結(jié)構(gòu)化采集方式，允許操作員在只設(shè)定高層目標(biāo)（如「清理廚房」）的前提下即興發(fā)揮。這種范式轉(zhuǎn)變帶來(lái)了巨大的工程效益：

• 采集效率提升：數(shù)據(jù)顯示，人均有效采集時(shí)長(zhǎng)增加了200%。因?yàn)椴僮鲉T不再是重復(fù)數(shù)百次枯燥的機(jī)械動(dòng)作，而是像玩游戲一樣在物理世界中互動(dòng)，保持了極高的投入度。
• 專家依賴降低：這種流程將對(duì)算法專家干預(yù)的需求削減了60%。這意味著，大規(guī)模擴(kuò)展數(shù)據(jù)采集規(guī)模不再受限于稀缺的專家資源，管理成本不再線性增加。

目前，Spirit v1.5 的基模權(quán)重、推理代碼以及使用樣例已全部開(kāi)源，供研究人員復(fù)現(xiàn)和探索。這不僅證明了其作為「實(shí)戰(zhàn)派」模型的底氣，也為通用機(jī)器人從實(shí)驗(yàn)室走向真實(shí)的家庭和產(chǎn)線環(huán)境鋪平了道路。

中國(guó)開(kāi)源力量的突破性進(jìn)展

如果說(shuō)技術(shù)上的超越是 Spirit v1.5 的「硬實(shí)力」，那么選擇全量開(kāi)源則是其更具產(chǎn)業(yè)價(jià)值的決定。

回顧過(guò)去兩年，從 Qwen、DeepSeek 到 Kimi、GLM 等，中國(guó)的大模型團(tuán)隊(duì)已經(jīng)證明了這一點(diǎn)：開(kāi)源模型不僅能追平閉源模型的性能，更能成為推動(dòng)全球技術(shù)平權(quán)的重要基礎(chǔ)設(shè)施。這些來(lái)自中國(guó)的開(kāi)源力量，實(shí)際上已經(jīng)成為了許多海外開(kāi)發(fā)者構(gòu)建應(yīng)用的首選基座。

不可否認(rèn)，「開(kāi)源共建」也已逐漸成為具身智能領(lǐng)域的行業(yè)共識(shí)，但拼圖尚未完整。

高性能的機(jī)器人基礎(chǔ)模型（如 Google RT 系列或 Pi）大多處于閉源或半閉源狀態(tài)。開(kāi)發(fā)者往往面臨「兩難」：要么使用性能較弱的舊模型，要么依賴大廠的 API，不僅成本高昂，且難以針對(duì)特定硬件進(jìn)行適配。這種「基座缺失」直接制約了具身智能從實(shí)驗(yàn)室走向產(chǎn)業(yè)落地的速度。

Spirit v1.5 的開(kāi)源，標(biāo)志著中國(guó)團(tuán)隊(duì)正在將 LLM 領(lǐng)域的開(kāi)源繁榮，延續(xù)到具身智能領(lǐng)域。

• 對(duì)于科研界，它打破了「無(wú) SOTA 可用」的局面，提供了一個(gè)與 Pi0.5 同等甚至更強(qiáng)的可復(fù)現(xiàn)基線；
• 對(duì)于產(chǎn)業(yè)界，它為大量試圖進(jìn)入具身智能賽道的中小型廠商，提供了一套經(jīng)過(guò)驗(yàn)證的、可商用的技術(shù)底座，避免了行業(yè)性的重復(fù)造輪子。

從 Qwen、DeepSeek 到 Spirit，中國(guó)團(tuán)隊(duì)正在通過(guò)高質(zhì)量的開(kāi)源貢獻(xiàn)，逐漸從全球 AI 生態(tài)的「參與者」轉(zhuǎn)變?yōu)殛P(guān)鍵基礎(chǔ)設(shè)施的「建設(shè)者」。

結(jié)語(yǔ)：

從「追隨」到「定義」

RoboChallenge 的榜首位置或許會(huì)輪換，數(shù)據(jù)的記錄終將被刷新，但 Spirit v1.5 的出現(xiàn)具有明確的界碑意義：

它通過(guò)實(shí)驗(yàn)證明了「非結(jié)構(gòu)化的多樣性是比精選數(shù)據(jù)更好的老師」。在通往通用具身智能的道路上，中國(guó)團(tuán)隊(duì)已經(jīng)結(jié)束了單純的「跟隨模式」，具備了在核心技術(shù)路徑（數(shù)據(jù)范式）與生態(tài)建設(shè)上與全球頂尖團(tuán)隊(duì)「對(duì)等對(duì)話」甚至「定義規(guī)則」的能力。

隨著代碼倉(cāng)庫(kù)的公開(kāi)，全球的目光和測(cè)試數(shù)據(jù)將涌向 Spirit v1.5。對(duì)于千尋智能而言，登頂榜單只是一個(gè)開(kāi)始，真正的考驗(yàn)才剛剛拉開(kāi)序幕：如何在真實(shí)世界的千萬(wàn)種場(chǎng)景中，經(jīng)受住全球開(kāi)發(fā)者的驗(yàn)證與打磨。

文中視頻鏈接：https://mp.weixin.qq.com/s/ZrBDFuugPyuoQp4S6wEBWQ