3 月 7 日晚，智元机器东说念主鸠合首创东说念主「稚晖君」（彭志辉）在微博上扔下了一颗「预报炸弹」——「下周有好东西发布」。短短一句话探花 巨乳，赶快引爆全网，阅读量飙升至 10 万 +。

限度，3 月 10 日上昼，智元机器东说念主就揭晓了答案—— Genie Operator-1（GO-1），智元首个通器具身基座大模子亮相。视频中，机器东说念主不错烤吐司、煮咖啡、送早餐到你的手上，透顶不行问题。官方声称，GO-1 不仅具备刚劲的泛化智力，还能在小数数据以至零样本的情况下，赶快适当新场景和新任务。

早在 2024 年底，智元就推出了 AgiBot World，一个包含高出 100 万条轨迹、涵盖 217 个任务、波及五大场景的大限度高质料数据集。恰是基于这一广泛的「数据金矿」，GO-1 才能在短时间内扫尾高效进修和平凡泛化。不错说，AgiBot World 是 GO-1 背后的「隐形骁雄」。

那么，GO-1 这个机器东说念主基座大模子的施行阐扬究竟何如？它对机器东说念主行业又意味什么？

机器东说念主大模子，来了！

按照官方说法，GO-1 除了拓展机器东说念主的教养智力，更进军的是加强了其 AI 智力，从而大大增多了机器东说念主的实用价值。

通过学习东说念主类视频，GO-1 具备了刚劲的物体追踪智力 | 图片源泉：智元机器东说念主官网截图

在智元发布的演示视频中，GO-1 展现了很强的学习智力：通过不雅看东说念主类操作视频，它就能快速掌持外行段，并高效应用到施行任务中。比如，视频中展示了 GO-1 刚劲的物体追踪智力：即使水杯被简略挪动，它依然能精确完成倒水算作。

其次，GO-1 展现了极度强的泛化智力。与传统模子需要海量数据进修不同，GO-1 仅需百条级数据，就能扫尾快速泛化。举例，在演示中，GO-1 在完成倒水任务后，无需迥殊进修，便能无缝切换到烤面包并抹果酱的新任务。这种智力不仅展现了 GO-1 对各种化任务的适当性，更体现了其极简学习的中枢上风。

GO-1 不错救助不同形态机器东说念主智力转移，既不错招待嘉宾，也不错制作咖啡 | 图片源泉：智元机器东说念主官网截图

同期，GO-1 的跨施行智力，为多机器东说念主合营提供了刚劲的工夫救助。在智元发布的视频中，展示了两个机器东说念主协同完成复杂任务的场景：一个机器东说念主在前台招待嘉宾，另一个机器东说念主专注于制作咖啡。这种合营体现了 GO-1 的高效性和适当性。

传统具身模子不时针对单一机器东说念主施行（Hardware Embodiment）进行设想，导致两大问题：数据行使率低和部署受限。但GO-1不错赋能多种施行探花 巨乳，在不同机器东说念主形态之间快速转移，显贵耕种了数据的行使后果，裁减了部署本钱。

值得一提的是，GO-1 大模子还不错搭配智元一整套数据回流系统，不错从施行引申碰到的问题数据中继续进化学习。这套系统好像从施行引申历程中捕捉问题数据，尤其是引申疯狂或颠倒情况，并通过东说念主工审核和模子优化，继续耕种 GO-1 的性能。举例，在演示场景中，机器东说念主在抛弃咖啡杯时出现疯狂，系统会立行将关连数据回流，并针对性地优化模子，确保下一次操作愈加精确。

同期，GO-1 大模子还为机器东说念主增多了新的语音交互花式，这极大便利了用户在现实场景中解放抒发需求。

大模子不进军，数据集才进军

GO-1 妙趣横生的背后，来自其不同的模子架构。

GO-1 给与了 Vision-Language-Latent-Action（ViLLA）架构，这一架构联结了多模态大模子（VLM）和夹杂大众系统（MoE），分为三个协同职责的模块：

VLM（多模态大模子）：基于 InternVL-2B，处理多视角视觉、力觉信号息兵话输入，扫尾场景感知和辅导相识。

Latent Planner（隐式设想器）：通过展望 Latent Action Tokens（隐式算作标记），将互联网异构数据中的算作学问转移到机器东说念主任务中，措置高质料真机数据不及的问题。

Action Expert（算作大众）：基于 Diffusion Model 生成高频率、天真实算作序列，确保细致引申。

业内东说念主士以为，其实 GO-1 的这个模子架构很浅近，转变之处并未几，主若是对已有职责、数据和进修花式作念了大幅整合。

比拟之前的模子，独一新增的是一层 Latent Planner（隐式设想器），但它也就几层 Transformer，并不复杂。

比拟基座大模子，更进军的是数据集   | 图片源泉：智元机器东说念主官网截图

地瓜机器东说念主工夫副总裁隋伟暗示，智元的职责直指行业痛点——数据问题，对具身智能行业有极度好的促进作用。不外，比拟大模子，这内部最有价值的是数据集。

据先容，GO-1 的底层支撑则是一个名为 AgiBot World 的超大限度机器东说念主数据集。据了解，AgiBot World 数据集包含高出 100 万条轨迹，由 100 个真实机器东说念主汇集，涵盖 100 多个真实全国场景和 217 个具体任务。

该数据集基于 AgiBot G1 硬件平台构建，由 100 多台同构机器东说念主共同汇集，提供高质料的开源机器东说念主操作数据，救助措置多种现实生计场景中的挑战性任务。最新版块的 AgiBot World 数据集，包含 100 万条轨迹，总时长达 2976.4 小时，遮掩 87 项手段和 106 个场景。

同期，AgiBot World 越过了实验室环境中的基本桌面任务（如抓取和抛弃），专注于波及双臂操作、聪惠手和合营任务的现实场景。

与行业内现存的数据集（Open X-Embodiment）比拟，智元的数据在数目上更为广泛，且数据质料、措施性和一致性更好。  Open X-Embodiment 数据集包含好多不同形态的施行，数据的形态各异性较大，会给模子的进修带来极地面遏制。

不外，天然智元的数据集一经有一定例模，仍仅仅一小步的起初，并未带动机器东说念主智力的显贵耕种。

测试限度败露，GO-1 的阐扬比之前模子一经提高了好多，但在倒水（Pour Water）、清算桌面（Table Bussing）和补充饮料（Restock Beverage）的凯旋率最高仍不到 80%。

隋伟暗示，现在阶段，模子并不是机器东说念主行业的中枢瓶颈。的确的挑战在于两个方面：率先是硬件的管制问题，举例夹爪、聪惠手、触觉传感器等仿生设想尚未酿成圭臬化；其次是因为施行无法大限度延迟，导致数据量长期存在不及。

现在，在数据蚁合方面，机器东说念主业内主要依赖遥操作工夫，包括臆造现实（VR）缔造、同构背带式缔造以及教养捕捉缔造等。可是，机器东说念主行业的数据蚁合本钱较高，且短缺明确的生意价值支撑，这导致数据闭环的飞轮难以快速启动。

比拟之下，自动驾驶行业的数据蚁合本钱简直不错忽略不计，其通过车载感知系统好像绵绵束缚地回传数据，酿成了高效的数据闭环。

在 GO-1 发布视频的临了，寰球发现了一个彩蛋——智元机器东说念主预报了下一个具身智能机器东说念主居品，尽管具体时间尚未公布。可是，紧接着稚晖君在微博上发文称，「来日还有惊喜」，这一音尘遽然让业界再次充满了期待感。

大模子的兴起，让 AI 行业获取了爆发式进化。大模子关于机器东说念主和具身智能行业，到底能有这么的促进作用，也让东说念主们格外酷爱。智元和首创东说念主稚晖君的 GO-1，看起来是个很好的起初，明显具身 AI 很难由一家公司零丁完成，惟有开源合作探花 巨乳，才有可能的确扫尾机器东说念主行业的快速进化。