面壁智能开源MiniCPM-Robot 1.5B参数VLA拉低具身智能开发门槛

AI创作导航管理员 LV4 资深连续登录30天萌新

2 个月前

风向

1532

2026年7月19日，面壁智能（OpenBMB）正式开源首个具身AI模型系列MiniCPM-Robot，完整开放1.5B参数的视觉-语言-动作（VLA）模型，同步推出对应目标跟踪模型与PhyAI高性能推理框架，首次实现个人开发者可在真实机器人上落地操作、目标跟踪功能，大幅降低此前由巨头、实验室垄断的具身智能开发门槛。

就在一年前，想要在一台消费级机械臂上跑通自定义抓取功能，开发者至少需要凑齐24G以上显存的专业显卡、数十GB的标注数据集，还要花半个月时间微调动辄十几B参数的大模型，光是前置成本就劝退了90%以上的个人开发者。

作为AI落地的核心场景之一，具身智能的商业化进程此前一直受限于技术门槛：主流商用VLA模型不仅参数规模大、算力要求高，训练数据和推理框架也大多掌握在头部科技公司、顶尖高校实验室手中，小型团队和个人开发者很难接触到可落地的工具链，大多只能在仿真环境中做验证，很难产出真实场景可用的应用。
这种资源垄断也导致具身智能的创新方向相对集中，大多围绕工业、商用等巨头重点布局的场景展开，大量细分长尾需求得不到覆盖。

本次面壁智能开源的MiniCPM-Robot系列包含三大核心组件，完整覆盖了具身开发的核心需求，开放力度在具身领域十分罕见。
其中核心产品是MiniCPM-RobotManip，即1.5B参数的通用视觉-语言-动作模型，专门适配机器人操作场景，参数规模仅为同精度主流VLA模型的1/10不到，普通消费级16G显存的显卡即可完成推理运行；其次是MiniCPM-RobotTrack，专为现实场景目标跟踪打造的紧凑型模型，可适配移动机器人、机械臂等多类硬件；同步推出的还有PhyAI高性能推理框架，专为具身模型优化，可进一步降低运行时的算力消耗，提升动作响应速度。
开发者只要接入基础机器人硬件，不需要从零开始训练大模型，就能快速实现物品抓取、动态目标跟踪等功能。

本次开源相当于把具身智能的开发门槛从百万级的算力、团队配置，拉到了个人开发者可触及的范围，后续整个赛道的创新逻辑将发生明显变化。
此前具身智能的创新大多围绕巨头的商业场景展开，而门槛降低后，大量面向细分场景的个性化应用将快速涌现，比如面向老人陪护的家用机器人定制功能、小工厂的非标机械臂操作流程、高校学生的具身智能科研项目等等，整个赛道的创新活力将被彻底激活。

具身智能开源AI 面壁智能 VLA模型 MiniCPM-Robot

本文基于公开信息分析整理，仅供参考。更多AI工具动态与行业解读，请持续关注本站更新。