2026 年 7 月 19 日，国内头部端侧大模型独角兽面壁智能亮相世界人工智能大会 “智在终端惠及千行” 分论坛，正式发布并开源首款具身智能成果 MiniCPM-Robot 系列模型，产品分为视觉 - 语言 - 动作操作模型、跟踪导航模型两大模块，标志企业成熟的多模态技术正式从手机、车载终端拓展至机器人领域。行业内主流 VLA 模型普遍存在 “金鱼记忆” 痛点，一旦留存历史操作画面与运动轨迹，推理算力开销会大幅上涨，带来明显延迟，机器人动作卡顿，无法兼顾长流程任务记忆与实时操作。本次推出的 Manip 操作模型依托 MiniCPM-V 4.6 多模态底座训练，该模型全球累计下载量突破 2000 万次，自研视觉词元极致压缩技术成为破解痛点的核心。在 RMBench 机器人操作评测中，海外标杆模型 π0.5 仅获 10 分，Manip 取得 53 分，能够独立完成制作三明治等多步骤长程任务，单步决策延迟低至 120 毫秒。配套 Track 跟踪导航模型实现行业突破，无需云端算力支撑，仅依托机器人自带摄像头与本地芯片，断网环境下也能识别自然语言追踪指令。该模型仅 0.9B 轻量化参数，未经过下游强化学习专项调优，真实场景最高追踪率可达 89.8%，三项核心指标均值较 OmTrackVLA 高出 9 个百分点以上，适配电梯、地下车库等无网、弱网场景稳定运行。当下多数具身企业采用垂直场景先行的研发思路，先针对单一场景训练专属技能再向外拓展，面壁智能选择通用模型优先路线，搭建融合视觉识别、语言解析、环境判断、动作输出的统一框架，再适配各类实操任务。企业多模态首席科学家姚远表示，工厂、园区、家用机器人对响应速度、数据隐私保护要求较高，感知、决策、执行全链路本地运算，是具身智能规模化落地的核心路径。目前面壁智能已与乐聚机器人、吉利汽车达成产业合作，以展厅导览、园区巡检、工业仓储作为端侧具身智能的实景试验场开展落地验证。