🌍The Next Web (TNW)•較早收集於 53m
Spirit AI 在機器人基準測試中超越 Nvidia
💡一家中國新創公司在重要的機器人基準測試中擊敗了 Nvidia，了解其技術突破點。
⚡ 30-Second TL;DR
有什麼變化
Spirit v1.6 在 RoboArena 獲得 1,924 分
為什麼重要
這項突破挑戰了 Nvidia 在機器人基礎模型領域的統治地位，凸顯了中國 AI 新創在具身智慧領域日益增強的競爭力。
下一步行動
檢視 RoboArena 排行榜，分析 Spirit v1.6 在哪些具體任務類別中超越了 Nvidia。
誰應關注：Researchers & Academics
關鍵要點
- •Spirit v1.6 在 RoboArena 獲得 1,924 分
- •超越 Nvidia 的 Cosmos3-Nano-Policy (1,881 分)
- •展現了具身智慧模型領域的快速進展
🧠 深度解析
Web-grounded analysis with 19 cited sources.
🔑 增強重點摘要
- •Spirit AI 是一家成立於 2024 年 2 月的中國新創公司，在短短三個月內迅速獲得了近 50 億人民幣（約 7.387 億美元）的四輪融資，創下了中國具身智慧領域的融資速度紀錄。
- •RoboArena 是一個由 Nvidia、史丹佛大學和加州大學柏克萊分校共同開發的社群運行真實世界基準測試平台，旨在透過分佈式、雙盲、成對比較和 Elo 式排名系統，評估通用機器人策略在實際物理任務執行而非模擬環境中的表現。
- •Nvidia 的 Cosmos 3 系列（包括 Cosmos3-Nano-Policy）是一個具有 160 億參數的全模態世界模型，專為實體 AI 設計，結合了視覺推理、世界生成和動作規劃能力，並以 20 兆多模態 token 進行訓練，在 Spirit AI 超越其榜首前不久發布。
- •Spirit AI 的成功歸因於其對大規模、持續改進的真實世界數據管道和高效迭代循環的重視，這被認為對具身 AI 發展比單純的模型規模或計算能力更為關鍵。其機器人已部署在寧德時代 (CATL) 電池生產線和京東商城 (JD Mall) 門店中，用於數據採集和商業應用。
- •Nvidia 的另一個專案 DreamZero 在 RoboArena 上排名第三，獲得 1,763 分，顯示 Nvidia 在具身 AI 領域擁有多個強勁的競爭者。
📊 競品分析▸ Show
| 競爭者/模型 | RoboArena 分數 | 模型類型/重點 |
|---|---|---|
| Spirit AI Spirit v1.6 | 1,924 | 具身智慧基礎模型，專注於真實世界數據與迭代 |
| Nvidia Cosmos3-Nano-Policy | 1,881 | 全模態世界模型，結合視覺推理、世界生成與動作規劃 |
| Nvidia DreamZero | 1,763 | 具身智慧模型 (Nvidia 專案) |
🛠️ 技術深入
- Spirit AI Spirit v1.6:
- 專有視覺-語言-動作 (VLA) 模型架構 (例如 Spirit v1 VLA)。
- 採用全棧式方法，整合預訓練大型模型、模仿學習和強化學習。
- 強調大規模、持續改進的真實世界數據管道，並開發了可大幅降低數據採集成本的專有數據採集硬體。
- 具備強大的零樣本泛化能力，使機器人無需額外訓練即可完成複雜任務，例如物體擦拭、鉸鏈操作和處理可變形物品。
- 早期版本 Spirit v1.5 於 2026 年 1 月開源，並在 RoboChallenge 排名中領先。
- 累積了超過 20 萬小時的多模態互動數據，目標是到 2026 年超過 100 萬小時。
- Nvidia Cosmos3-Nano-Policy:
- 160 億可訓練參數的全模態世界模型 (omnimodal world model)，專為實體 AI (Physical AI) 設計。
- 採用統一的變壓器混合 (mixture-of-transformers) 架構。
- 能夠共同處理和生成語言、圖像、影片、音訊和動作序列。
- 結合視覺推理、世界生成和動作規劃能力。
- 支援多種具身形式的動作輸入，包括攝影機運動、自動駕駛車輛、自我中心運動、Franka 機械臂、Agibot、UR、Google 機器人、WidowX 250 和 UMI。
- 訓練數據量達到 20 兆多模態 token。
- 於 2026 年 5 月 31 日在 Hugging Face 和 GitHub 上發布，採用 OpenMDW 1.1 許可證，可用於商業和非商業用途。
- RoboArena 基準測試平台:
- 社區運行、真實世界基準測試，用於評估通用機器人策略。
- 由加州大學柏克萊分校、史丹佛大學和 Nvidia 合作發起。
- 評估方式基於分佈式、雙盲、成對比較，並採用 Elo 風格的動態排名系統。
- 目前在 DROID 機器人平台上實例化，該平台是帶有立體攝影機的移動 Franka Panda 機器人。
- 利用大型語言模型 (LLM) 和視覺-語言模型 (VLM) 進行定性策略分析，生成結構化的策略報告，總結優缺點、指令遵循、推理、操作技能和穩健性。
- 旨在解決傳統機器人評估方法難以擴展到通用策略所需的多樣性問題。
🔮 前景展望AI analysis grounded in cited sources
具身 AI 市場的競爭將會加劇，特別是中美公司之間。
Spirit AI 在基準測試中擊敗 Nvidia，加上其獲得的巨額融資，預示著中國在實體 AI 領域的實力崛起和戰略重點，將引發技術競爭。
真實世界數據採集和高效迭代循環將成為具身 AI 發展的關鍵。
Spirit AI 的成功主要歸因於其強大的真實世界數據管道和快速迭代能力，這表明在物理環境中，數據的質量和數量比原始模型規模或計算能力更為重要。
具身 AI 模型在工業和物流領域的商業部署將加速。
Spirit AI 的機器人已部署在寧德時代的電池生產線和京東商城的門店中，這證明了其技術的即時實際應用價值和明確的商業化路徑，超越了單純的基準測試排名。
⏳ 時間線
2024-02
Spirit AI 成立
2024-12
完成種子輪融資
2025-06
推出旗艦人形機器人 Moz1
2026-01
開源 Spirit v1.5 系統
2026-02
完成兩輪融資，總計近20億人民幣
2026-06
完成15億人民幣A+輪融資，Spirit v1.6 在 RoboArena 奪冠
📎 來源 (19)
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： The Next Web (TNW) ↗