小鹏发布具身感知模型GroundingPI：约40亿参数，34项感知基准综合分超过GPT-6 Astra

做车的小鹏，这次在AI上出了个挺有意思的东西。据 CnEVPost 11月4日报道，小鹏发布了一个名为 GroundingPI 的具身感知基础模型，参数规模约 40亿，与 北京大学、香港大学 等高校的研究团队合作开发，代码和模型权重已经开源。

关键信息

• 在覆盖 11类能力、34项公开感知基准 的综合评测中（各类别等权重），GroundingPI 得分 73.68，高于 OpenAI 今年9月发布的 GPT-6 Astra 的 71.54，排名第一
• 名字里的 Grounding 指视觉定位，PI 是 Physical Intelligence（物理智能）的缩写
• 训练阶段 不用带关节动作标签的机器人数据，完全依靠无动作标注的纯感知数据，覆盖通用检测、文字识别、机器人空间定位等能力
• 定位是为负责高速感知和执行的「快系统」（System 1）打基础，而不是取代负责理解和规划的大模型「慢系统」

仿真里的表现

目前还处在科研原型阶段。小鹏给出的仿真结果是：以 GroundingPI 为视觉底座的系统，只用 50% 的示教数据，执行成功率就能超过使用 75% 数据的对比模型；在散料分拣、料箱计数这类高密度场景里，换了材料、物体种类或背景，表现依然稳定。

我的看法

40亿参数在今天不算大，但它的思路很清楚：机器人先要「看准东西在哪」，再谈怎么动手。示教数据贵、难采，是具身智能落地的老问题，如果感知底座能把这部分成本压下来，对小鹏自己的人形机器人和Robotaxi都是实打实的帮助。当然，仿真成绩离真实工厂还有距离，开源之后社区怎么复现、怎么评价，更值得关注。

来源：CnEVPost 报道