宇树开源具身大脑UnifoLM：6B参数单模型统一64项真实物理任务

会懂网AI资讯，9月20日，近日，宇树发布并开源6B参数具身大脑UnifoLM，用约2500小时真机数据训练，单模型统一覆盖54项桌面操作与10项全身操作共64项真实物理任务。这反映出人工智能技术正在从单点突破走向系统级能力的构建，企业与应用侧对此高度关注。在算力供给持续扩张与推理成本快速下行的背景下，这类进展对开发者和行业用户都意义重大。

具体来看，这一成果标志着具身智能从分模块控制转向一个模型管全身，机器人通用大脑加速成型。业内普遍认为，相关能力的成熟将直接拉动上下游生态的协同创新与商业落地速度。从产业节奏看，头部厂商正把模型能力转化为可直接调用的服务，竞争焦点已转向工程化与可用性。对用户而言，此类更新意味着更低的使用门槛与更稳定的体验，智能助手的实用价值持续提升。

从技术细节出发，相比此前需要为每个任务单独训练控制策略的做法，统一基础模型大幅降低了机器人技能的开发门槛，让一台机器人能够在多样化场景中自主完成更多动作序列，为人形与四足机器人的规模化落地提供了更通用的智能底座。值得关注的是，开源与开放策略正在改变技术扩散的路径，中小团队也能借此快速构建应用。

在产业层面，相比此前需要为每个任务单独训练控制策略的做法，统一基础模型大幅降低了机器人技能的开发门槛，让一台机器人能够在多样化场景中自主完成更多动作序列，为人形与四足机器人的规模化落地提供了更通用的智能底座。在监管与合规要求趋严的环境下，厂商在能力扩张的同时也更强调安全与可控。多方数据显示，AI 应用的渗透率仍在快速提升，真实场景的反馈正反过来推动模型迭代。

对开发者与企业用户而言，相比此前需要为每个任务单独训练控制策略的做法，统一基础模型大幅降低了机器人技能的开发门槛，让一台机器人能够在多样化场景中自主完成更多动作序列，为人形与四足机器人的规模化落地提供了更通用的智能底座。这类进展也折射出国内外在基础模型与智能体方向上的投入力度与路线差异。从长远看，模型与算力、数据的协同优化，将决定下一阶段智能应用的上限。

展望后续，相比此前需要为每个任务单独训练控制策略的做法，统一基础模型大幅降低了机器人技能的开发门槛，让一台机器人能够在多样化场景中自主完成更多动作序列，为人形与四足机器人的规模化落地提供了更通用的智能底座。相关进展将持续影响行业格局，值得长期跟踪。相关团队表示，后续还会围绕稳定性、成本与场景适配持续打磨，让能力真正可用好用。