🐼Pandaily•較早收集於 80m
中國具身智能公司登頂 RoboArena 基準測試
💡看看哪家中國公司在具身智能基準測試中表現超越了 NVIDIA。
⚡ 30-Second TL;DR
有什麼變化
中國公司在 RoboArena 基準測試中奪冠
為什麼重要
這一結果挑戰了西方公司在具身智能領域的統治地位，並表明中國的機器人研究正達到關鍵的轉折點。
下一步行動
分析 RoboArena 基準測試標準，以了解在具身智能領域領先所需的具體能力。
誰應關注：Developers & AI Engineers
關鍵要點
- •中國公司在 RoboArena 基準測試中奪冠
- •超越了包括 NVIDIA 和 Physical Intelligence 在內的全球主要參與者
- •該成就於 NVIDIA GTC Taipei 2026 上發布
🧠 深度解析
Web-grounded analysis with 16 cited sources.
🔑 增強重點摘要
- •這家中國公司已被確認為杭州靈犀人工智能有限公司（Spirit AI），其基礎模型為 Spirit v1.6，在 RoboArena 基準測試中以 1,924 分的成績奪冠，超越了 NVIDIA 的 Cosmos3-Nano-Policy（1,881 分）和 DreamZero（1,763 分）。
- •RoboArena 是一個由社群營運的真實世界基準測試，用於評估通用機器人策略，其獨特之處在於採用分散式、雙盲的配對評估方式，評估者可自由選擇任務和環境，而非標準化任務集，因此被譽為「最難作弊的基準測試」。
- •NVIDIA 在 GTC Taipei 2026 大會上推出了其開源世界基礎模型 Cosmos 3，該模型在包括 RoboArena 在內的八個基準測試中位居開源模型之首，但靈犀人工智能的專有模型在整體排名上超越了 NVIDIA 的產品。
- •此次勝利凸顯了中國在具身智能領域的快速發展，該領域自 2025 年以來已被提升為國家優先事項，並吸引了大量投資，預計到 2035 年市場規模將超過一萬億人民幣（約 1,460 億美元）。
📊 競品分析▸ Show
| 公司/模型 | 類別 | RoboArena 基準分數 | 關鍵特點/架構 |
|---|---|---|---|
| 靈犀人工智能 (Spirit AI) Spirit v1.6 | 具身智能基礎模型 | 1,924 | 創新架構，將視覺感知與運動控制在神經網路層面緊密整合，實現對新環境的快速適應，且只需最少的微調。 |
| NVIDIA Cosmos3-Nano-Policy | 開源世界基礎模型 | 1,881 | 基於 Isaac 機器人平台和 GPU 加速的模擬到現實管道，採用變形金剛混合架構，融合像素、動作、聲音和語言。 |
| NVIDIA DreamZero | 具身智能專案 | 1,763 | NVIDIA 的另一個具身智能專案，於 2026 年 2 月發布。 |
| Physical Intelligence (PI) π-zero/π0.5 | 通用機器人基礎模型 | 排名落後於中國競爭者 | 專注於構建通用具身 AI，採用視覺-語言-動作 (VLA) 技術和跨具身學習，並整合多尺度具身記憶 (MEM)。 |
🛠️ 技術深入
- RoboArena 基準測試：
- 是一個社群營運的真實世界基準測試，用於評估通用機器人策略。
- 採用分散式評估網路，評估者在 DROID 機器人平台上進行雙盲配對比較。
- 評估者可自由選擇任務和環境，而非標準化任務集，以擴大評估多樣性。
- 透過匯總配對比較中的偏好回饋來得出排名，並使用 Bradley-Terry 模型的一個擴展版本來計算全球策略排名。
- 包含利用大型語言模型 (LLM) 和視覺-語言模型 (VLM) 進行定性分析的工具，以生成策略報告，總結優缺點。
- 靈犀人工智能 Spirit v1.6：
- 採用一種新穎的架構，將視覺感知與運動控制在神經網路層面緊密整合。
- 這種整合使其能夠更快地適應新環境，且只需最少的微調。
- NVIDIA Cosmos 3：
- 採用變形金剛混合架構，將像素、動作、聲音和語言融合到一個單一系統中。
- 推出兩種尺寸：Cosmos 3 Super（320 億參數）和 Cosmos 3 Nano（80 億參數）。
- 建立在 NVIDIA 的 Isaac 機器人平台和 GPU 加速的模擬到現實管道之上。
- Physical Intelligence π-zero：
- 旨在為物理世界帶來通用 AI，專注於開發基礎模型。
- 其核心目標是透過旗艦 π-zero 模型創建通用機器人智能，該模型代表了視覺-語言-動作 (VLA) 技術的重大進步。
- 強調跨具身學習，使 AI 模型能夠在不同類型的機器人硬體和任務之間轉移知識。
- 整合了多尺度具身記憶 (MEM)，為模型提供長期和短期記憶，以處理超過十分鐘的複雜任務。
🔮 前景展望AI analysis grounded in cited sources
中國有望在具身智能領域取得全球領先地位。
靈犀人工智能在 RoboArena 基準測試中擊敗了全球巨頭，加上中國政府將具身智能列為國家優先事項並大力投資，表明中國在此領域的創新和商業化潛力巨大。
具身智能的發展將更注重架構創新和數據效率，而非單純的計算資源投入。
靈犀人工智能的勝利挑戰了「大規模計算預算」是具身 AI 性能主要驅動力的假設，表明架構創新和高效的真實世界數據利用可以克服資源劣勢。
機器人產業的競爭將從軟體層面延伸至硬體與軟體整合的全棧解決方案。
NVIDIA 推出 Cosmos 3 並與中國宇樹科技合作開發人形機器人系統，以及中國公司在軟硬體整合方面的投資，都顯示出全棧式具身 AI 解決方案將成為未來競爭的關鍵。
⏳ 時間線
2024
Physical Intelligence 公司成立，專注於具身智能基礎模型。
2025-06
RoboArena 基準測試框架被提出並啟動，旨在對通用機器人策略進行分散式真實世界評估。
2025
中國將具身智能提升為國家優先發展戰略。
2026-01
靈犀人工智能的 Spirit v1.5 模型在 RoboChallenge Table30 真機評估中超越了美國基準模型 Pi0.5，位居世界第一。
2026-06-01
NVIDIA 在 GTC Taipei 2026 大會上發布了其開源世界基礎模型 Cosmos 3。
2026-06-03
靈犀人工智能完成 15 億人民幣 A+ 輪融資，成為中國具身智能領域最大規模的融資。
2026-06-04
靈犀人工智能的 Spirit v1.6 模型在 RoboArena 全球排行榜上奪冠，超越 NVIDIA 和 Physical Intelligence。
📎 來源 (16)
Factual claims are grounded in the sources below. Forward-looking analysis is AI-generated interpretation.
📰
AI 週報
閱讀本週精選 AI 大事摘要 →
👉相關動態
AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： Pandaily ↗