一句话看懂：面壁智能（OpenBMB）于7月19日开源了首个具身智能模型系列 MiniCPM-Robot，包含用于机械臂操作的视觉-语言-动作模型和用于目标追踪的轻量化模型，配合专为具身场景设计的高性能推理框架，试图降低机器人从感知到执行的门槛。
事件核心：发生了什么
面壁智能在 X 平台上宣布开源 MiniCPM-Robot 系列，这是其首次将模型能力从语言、视觉扩展到物理世界的机器人控制。该系列包括三个关键组件：MiniCPM-RobotManip（1.5B 参数的通用视觉-语言-动作模型，专门针对机器人操作任务优化）、MiniCPM-RobotTrack（用于真实场景目标追踪的紧凑模型），以及 PhyAI（为具身模型打造的高性能推理框架）。三个模型均已开源至 GitHub 和 Hugging Face。发布时间为 2026 年 7 月 19 日。
为什么重要
当前具身智能领域面临两大瓶颈：一是模型参数量大、推理延迟高，难以在真实机器人上实时运行；二是缺乏统一的开源软硬件栈。MiniCPM-Robot 的推出，特别是 1.5B 参数级别的 VLA 模型，意味着在较廉价的边缘设备上运行机器人控制模型成为可能。PhyAI 框架的同步开源解决了从模型到实物的“最后三公里”问题，让开发者可以跳过底层优化直接验证算法。此举直接对标 Google RT-2、特斯拉 Optimus 等闭源方案，试图以“小模型+开源”策略争夺具身智能开发者的生态入口。
对用户/开发者/创作者的影响
对于机器人算法开发者，MiniCPM-RobotManip 提供了“开箱即用”的基线模型，可通过 Hugging Face 下载权重并在自有硬件上微调，免去从零训练 VLA 模型的 GPU 成本。对于机械臂或移动机器人初创企业，1.5B 参数的轻量化设计使其无需采购昂贵的工业级算力卡，有望降低机器人智能化的硬件准入门槛。对于高校和科研团队，开源的 PhyAI 框架提供了可复现的实验基准，加速论文验证。目前公开信息显示，该系列尚未公布具体的操作任务成功率或追踪精度等 Benchmark 数据，开发者需自行评估在特定场景下的实际表现。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
- 实际部署效果验证：MiniCPM-RobotManip 是否真正能在大众消费级机械臂（如 uFactory xArm 或 Dobot）上实现实时闭环控制，需等到社区上传实测视频后方可判断。
- 竞品跟进：斯坦福的 Mobile ALOHA 团队、清华星动纪元、银河通用等国内具身智能创业公司是否会推出对标的小参数开源模型，将决定这一方向的开源生态是否足够繁荣。
- PhyAI 框架的兼容性：该推理框架是否支持 ROS2、NVIDIA Isaac Sim 等主流机器人开发工具链，将直接影响开发者迁移成本。
