2026年10月19日，大晓机器人正式发布视觉空间锚定增强型具身基模型ACE-Brain-0.6。该模型基于通义千问Qwen3.5-9B进行监督微调，重点提升目标识别、空间定位及交互区域判断三大核心能力。在八项Grounding评测中，ACE-Brain-0.6有六项成绩超过OpenAI GPT-6 Astra，被视为中国具身AI在空间理解领域的重要突破。
一句话结论
ACE-Brain-0.6以Qwen3.5-9B为基座，仅凭专项微调即在六项空间感知评测中超越GPT-6 Astra，七项公开基准平均得分74.53分，机器人实景评测RobotGrounding达94.13分，标志着中国具身AI在空间理解这一关键能力上进入全球第一梯队。
百万级空间锚定样本，Qwen3.5-9B底座专项优化
通用VLA（视觉-语言-动作）模型在开放式场景中表现出色，但在物理世界的精确空间推理任务上往往力不从心。ACE-Brain-0.6的核心思路是：用大规模领域专用数据，对通用基座进行定向增强。
据大晓机器人披露，ACE-Brain-0.6使用约百万条空间锚定训练样本，覆盖室内外多种场景，包括遮挡目标追踪、多物体空间关系判断、参照物定位等高难度任务。相比之下，通用VLA模型在类似数据上的积累通常不到10万条。
选择Qwen3.5-9B作为基座的原因在于：该模型在9B参数规模上提供了最佳的推理速度与视觉理解能力平衡，便于在机器人端侧实时推理，同时保留了足够的语言-视觉对齐能力。
六项Grounding评测超越GPT-6 Astra
评测结果是大晓最有力的论据。在八项Grounding（空间锚定/定位）基准测试中，ACE-Brain-0.6的战绩如下：
- 七项公开基准平均得分：74.53分，高于GPT-6 Astra的73.68分
- 机器人实景评测RobotGrounding：94.13分，超越GPT-6 Astra的91.10分（领先3.03分）
- 目标精确分割与参照表达理解：领先幅度最大
- 空间关系判断：仍有优化空间，落后于GPT-6 Astra
值得注意的是，ACE-Brain-0.6仅基于Qwen3.5-9B（约90亿参数）进行微调，而GPT-6 Astra是OpenAI的旗舰级多模态模型。参数规模差距超过一个数量级的情况下取得部分超越，说明专项微调路线在空间理解任务上的效率优势。
数据对比：ACE-Brain-0.6 vs GPT-6 Astra
| 指标 | ACE-Brain-0.6 | GPT-6 Astra | 差距 |
|---|---|---|---|
| 七项公开基准平均 | 74.53分 | 73.68分 | +0.85 |
| RobotGrounding实景评测 | 94.13分 | 91.10分 | +3.03 |
| 基座参数规模 | 9B（Qwen3.5-9B） | 旗舰级（>100B估算） | 数量级差距 |
| 训练样本量 | 约100万条空间锚定数据 | 未公开 | 专项优势 |
| 目标精确分割 | 领先 | – | ACE-Brain更优 |
| 空间关系判断 | 落后 | 领先 | 仍有差距 |
商汤联合创始人创业，已完成数亿美元融资
大晓机器人的创始人背景值得关注。王晓刚是商汤科技联合创始人、前商汤研究院院长，2023年创立大晓机器人，专注于「物理AI」这一具身智能的核心赛道。公司拥有自研ACE研发范式和「开悟」世界模型。
截至2026年10月，大晓机器人已完成数亿美元融资，被视为商汤生态在具身智能领域的关键布局。与纯学术团队不同，大晓从一开始就强调技术的产品化与场景落地能力。
具体落地案例包括：与中国石油合作，在加油站便利店场景部署了首个具身智能机器人项目，开源了ACE-Ego具身操作VLA模型。ACE-Brain-0.6的发布进一步补全了其从「看懂世界」到「操控物体」的技术链条。
具身AI赛道竞争格局：中国力量崛起
2026年是具身AI集中爆发的一年。从全球来看，Figure AI、1X Technologies、Agility Robotics在双足/四足机器人上快速迭代；从中国来看，星动纪元（VPP2）、华为诺亚方舟（Memento 3）、Kimi（Agent Swarm）等均在空间智能上有深厚积累。
ACE-Brain-0.6的差异化定位在于：专注空间锚定（Grounding）这一细分能力，而非试图用一个通用模型覆盖所有具身任务。这一「单点极致」路线，与华为Memento 3的「冻结LLM」路线、Kimi K3的「超长上下文」路线形成对照，各有技术取舍。
FAQ
Q：ACE-Brain-0.6超越GPT-6 Astra，是否意味着中国具身AI已领先？
需要谨慎解读。ACE-Brain-0.6仅在「空间锚定/Grounding」这一特定任务上取得优势，并非全面超越GPT-6 Astra。GPT-6 Astra在通用视觉理解、长程规划、多模态推理等方面仍具有明显优势。两者更像是「专项选手」与「全能选手」的对比，应用场景不同直接比较意义有限。
Q：基于Qwen3.5-9B微调的路线，对行业有何启示？
这一路线证明了「小参数专项微调」在特定任务上可以接近甚至超越超大参数通用模型。对于算力有限的机器人公司而言，这是一条更经济的路径——不需要千亿参数基座，只需在够用的基座上积累高质量领域数据即可。
Q：大晓机器人与商汤的关系是什么？
大晓机器人由商汤联合创始人王晓刚创办，属于独立运营的公司。但双方在技术上存在协同——大晓继承了商汤在视觉感知方面的技术积累，同时独立发展具身智能方向。商汤此前在大语言模型（GLM系列）和视觉模型上有深厚积累，这些为大晓的空间理解能力提供了底层支撑。
相关阅读
- GPT-6 Astra达成TheoPhysEval 98%：AI科研走到哪一步了
- Kimi K3技术报告解读：2.8万亿参数MoE与90%编码缓存命中率
- Kimi Agent Swarm是什么：100个子AI并行工作解析
- Qwen3.8-Omni-Flash：原生全模态Agent，29项基准涨25%
- 华为诺亚Memento 3达成RSI：冻结Claude通关25款ARC-AGI-3
延伸阅读
- 金融稳定理事会呼吁：银行须加强AI智能体人工监管，纳入最终版指引4 天前
- FBI逮捕OpenAI工程师：沙特籍员工在高管会议室安装窃听器始末4 天前
- Rivian将引入AI智能体：车辆可自主完成预约维修、泊车充电等任务4 天前
- 华为诺亚Memento 3达成RSI：冻结Claude通关25款ARC-AGI-36 天前
继续读
同一批更新里这几篇值得一看：