这几天，寰球模子赛说念极度扯后腿。

李飞飞空间智能独角兽 World Labs 高调推出「Spark 2.0」，阿里立时上线寰球模子「欢乐生蚝」。

险些兼并时代，Physical Intelligence 也发布新模子 π 0.7，并强调其对未见任务的初步组合式泛化智商与跨机器东说念主平台移动特质。

这一系列动作本人开释了一个信号，行业竞争的焦点，如故从谁会作念单点动作，转向谁更接近将「预计寰球」和「启动行径」长入在兼并个模子里。

在这个节点上，一款名为MotuBrain 的巧妙寰球模子，悄无声气地登上两个国外 benchmark 的榜首，莫得任何公司签字。

若是仅仅单榜第一，这件事无意并不罕有。

但问题在于，它同期拿下的，是两个险些代表行业「两个顶点」的榜单：一个是臆想寰球模子「是否的确相识和预计现实寰球」的 WorldArena；另一个则是臆想机器东说念主任务履行智商与泛化智商的 RoboTwin2.0。一个偏寰球预计，一个偏任务履行，加在一说念，恰好对应了行业当下最念念攻克的阿谁长入命题。

在 WorldArena 上，MotuBrain 以 63.77 的总体 EWM Score 位居第一，从终结来看，其进展越过了高德的ABot、极佳GigaWorld-1等模子，并在 Motion Quality、Flow Score、Motion Smoothness 等多个重要通顺维度上全面领跑。

图片起原：https://huggingface.co/spaces/WorldArena/WorldArena

而在 RoboTwin2.0 中，MotuBrain 在 Clean 和 Randomized 两个场景下分歧达到 95.8 和 96.1，相同名轮番一，是榜单上惟逐一个在随机环境下平平分跳跃 95 的模子，在大大齐具体任务中也齐得回了 100 或接近 100 的收货。相较于高德 ABot、蚂蚁灵波 LingBot、JEPA-VLA、pi0.5等模子，MotuBrain 在 RoboTwin 基准测试中具有统率级的进展。

恰是这种「双料第一」，才让咱们提防到这款来历不解的模子。

轻便搜索了一下，刻下网上还未找到任何筹谋 MotuBrain 的信息，不外咱们发现了这个本月刚刚注册的 X 账号。

这让咱们念念起前段时代被阿里认领的「惬心马」（后续也开了 X 账号）。

这个巧妙寰球模子，不会亦然来自国内哪家大厂吧？

为什么 MotuBrain 的收货值得存眷？

WorldArena 和 RoboTwin 并不是两个同类型的测试，它们测量的是两种不同的智商。

WorldArena 磨练的是world model 维度，包括模子能否相识通顺章程，能否对时代序列中的物理变化作念出准确的推演和预计，以及是否具备对环境景况变化的解析智商。这是预计寰球的智商。

RoboTwin 则偏向action model 或 policy model 的维度，譬如说模子能否在多任务、多环境下褂讪履行径作，能否泛化到没见过的场景，是否具备抓续完成复杂操作的智商，而这些是辞寰球中行径的智商。

不妨作念一个类比。东说念主类司机之是以能在复杂路况下安全驾驶，开云体育(kaiyun)官网靠的不仅仅肌肉回想，更是对下一秒会发生什么的抓续预判，比如前车会不会急刹？行东说念主会不会须臾横穿？这种预计与行径的同步进行，是东说念主类智能的底层逻辑。

现存的大大齐机器东说念主系统，偶合缺的等于这一层。它们要么擅长看懂寰球却不知说念该若何动，要么能履行固定动作却对环境变化毫无预判。两张皮的终结，是机器东说念主一朝离开磨真金不怕火场景就容易失控。

夙昔几年，这两个主见各自齐有东说念主在作念，但通常是割裂的。作念视频生成和寰球模子的团队，存眷的是模子能否真实模拟物理寰球；作念机器东说念主战略和 VLA 的团队，存眷的是若何让模子在具体任务上履行可靠。的确尝试把两者长入起来的责任本就未几，后果褂讪的就更少。

MotuBrain 能够在两类 benchmark 上同期拿下等一，至少在 benchmark 层面上考据了一件事，把预计寰球和启动行径长入在兼并个模子里，这条路是走得通的。

双料第一，它究竟赢在那里？

在 WorldArena 榜单上，MotuBrain 更值得存眷的是它在这些维度上的率先。

Motion Quality 第一，这代表模子生成的动作本人愈加真实，而非停留在视觉上看起来像在动的殊效层面。

Flow Score 第一，AG真人国际厅阐明模子对连贯动作和通顺轨迹的相识更深，且能够褂讪预计大幅度的动作变化，不错把前一个技术和后一个技术丝滑地衔尾起来，而不是逐帧对付。

Motion Smoothness 第一，代表生成出来的动作更稳当真实的物理章程，不会出现那种不当然的须臾加快、抖动或主见跳变。

这三个维度，齐和通顺平直相关。对于一个畴昔要做事机器东说念主的寰球模子来说，这恰是最重要的智商。

而在更偏任务履行的 RoboTwin 上，这种上风被进一步放大。濒临 50 个任务、两种不同环境建树，MotuBrain 的平均得分达到 96.0，显耀高于第二名的 92.3，率先幅度险些等同于第二名到第五名之间的差距。

更重要的是褂讪性。一半任务见效劳达到 100%，九成任务跳跃 90%。这不仅意味着能作念对，更意味着在多任务和随机扰动环境下依然能够褂讪复现终结。

这些收货放在一说念看，指向的是一种更接近通用机器东说念主大脑的特征，既能保抓动作层面的集合与一致，又具备跨任务的泛化智商。

背后是谁，走的是条什么路子？

刻下对于 MotuBrain 的公开信息三三两两，但从此次双榜的收货结构来看，它背后省略率不是传统的视频模子，也不是单纯的 VLA 或 policy model。

夙昔一年，行业内围绕 world model 和 action model 的探索各自造成了几条有代表性的蹊径。

有的强调长入寰球模子，通过视觉、言语、视频与动作的结伙建模，和会视频模子、VLA、寰球模子等等蹊径，从而达成对真实环境的感知、规划、预计、履行和跨任务泛化，典型代表是客岁 12 月发布的 Motus。

有的更偏向于「先念念象、从新动」的旅途，譬如本年一月底发布的 Lingbot-VA 等于先用视频模子进行畴昔视频预计，再反向率领机器东说念主动作有规划，两者和会到一个模子里。

还有一些走的是「同步推演畴昔景况 + 生成动作」，边推演边行径的 World Action Model，比如英伟达二月初发布的 DreamZero。

从 MotuBrain 此次的进展来看，它可能走了一条偏 World Action Model的蹊径，兼具 world model 对环境和畴昔景况的推演智商，以及 action model 在真实任务中的履行智商。

这也就能评释它为何能同期在「寰球建模」和「动作履行」两类 benchmark 上问鼎。

结语

若是把一台机器东说念主拒绝来看，不错相识为「看成」是硬件，而「大脑」是软件。

夙昔几年，机器东说念主硬件的迭代速率有目共睹，通顺收尾越来越精确，传感器越来越丰富，成本越来越低。但的确制约机器东说念主大限制落地的，是那颗率领任务的大脑。

刻下的机器东说念主，实质上如故「为特定任务磨真金不怕火的专用系统」。换一个场景、换一个物体、换一条教唆，就可能十足失效。这很猛过程上归因为智能问题。

具身智能的方针，是构建一个长入模子。既能相识物理寰球、预计景况变化，又能据此生成可靠动作，从而适配大肆任务与场景。

这个逻辑，老本如故用真金白银给出了判断。

不雅察最近这几笔大额融资不难发现，资金正密集涌向那些打造机器东说念主「大脑」的公司。名义投的是机器东说念主，实践上霸占的，可能是下一代「机器东说念主操作系统」或「通用物理大脑」的进口。

如斯看来，以 Motubrain 为代表的 world+action 长入架构，恰好站在了这场卡位战的中枢位置。

至于 Motubrain 背后究竟是哪支团队，接下来又会带来什么，这个问号省略不会悬太久。

本文来自微信公众号，作家：杨文、陈陈 AG真人国际厅(中国)官网，36氪经授权发布。