谁也未曾预料，全球具身智能操作权威榜单上，击败海外标杆模型 π0 的，是一款仅 1B 参数的轻量级模型。近日，知名具身智能公开榜单 Evo-SOTA 更新排名，优艾智合研发的 FabriVLA，在 Meta-World MT50 多任务操作基准中取得 90.0% tier-average 成功率，登顶榜单首位，性能超过 π0 等一众国际知名模型。

　　不同于行业普遍追捧超大参数量路线，这款轻量化模型在全难度任务测试中拿下 SOTA 成绩，天然适配机器人边缘端部署。Meta-World MT50 包含抓取、放置、开门、插拔等 50 项操作任务，场景逻辑与工业基础工序高度契合，重点考验机器人跨任务泛化能力与操作稳定性，恰好直击工业自动化核心诉求。

　　榜单成绩印证算法潜力，但产业最终比拼的是实景落地能力。过去 9 年，优艾智合深耕半导体、能源化工、锂电赛道，累计完成 800 余个工业场景交付。近期企业顺势推出工业具身智能大模型「智合」FabriX 与工业原生人形机器人「隙锋」，提出三年内赋能一万个工业现场的目标。此前隙锋首发即收获 4000 台意向订单，而 FabriVLA 登顶全球榜单，进一步补齐整套商业化逻辑：工业客户关注的从来不是模型参数规模，而是设备能否稳定好用。

　　FabriVLA 实现榜单突围并非偶然。Evo-SOTA 汇聚全球高校与企业主流模型，评测结果均依托正式发表论文，具备极高参考价值。Meta-World MT50 覆盖梯度完整的 50 项机器人操作任务，考核机器人同时掌握多项工序的通用能力。产线工况多变，如果机器人更换工件就无法作业，会给工厂带来巨大损失。FabriVLA 的突破证明，轻量化 VLA 模型同样具备顶尖操作能力，为工业机器人低成本边缘部署提供可行方案。

　　业内普遍好奇，1B 参数模型何以实现超大模型级别的性能。传统 VLA 模型容易陷入参数扩张的路径依赖，依靠记忆关节角度应对场景变化。FabriVLA 针对性完成架构革新，拥有两项核心创新。

　　其一为门控自注意力机制，让模型生成的连续动作能够互相感知、协同配合，依靠渐进式门控学习动作时序关联，执行长时序装配任务时更加连贯稳定。其二是深浅层视觉特征融合，同步识别物体整体结构与细微位置、姿态边界，大幅提升插拔、精密装配等精细作业一次性成功率。高层视觉负责理解任务目标，低层视觉捕捉空间细节，二者结合解决机器人 “看得懂目标、找不到操作点位” 的常见难题。

　　消融实验验证了两项创新的价值：移除深浅层特征融合后，任务平均成功率从 90.0% 下滑至 82.9%；门控自注意力则是动作模块贡献最大的核心组件。这说明性能提升来源于面向实操任务的架构优化，而非单纯堆砌参数。

　　这项成果折射出行业重要趋势：具身智能赛道正由 “参数竞赛” 转入 “架构竞赛”。1B 轻量化模型登顶的更大价值，在于拉近算法理论与真机落地的距离。超大模型决定机器人理论上限，轻量化模型决定机器人能否持续稳定投入工业作业。更小参数量意味着推理成本更低、部署门槛下降，机器人不必持续依赖云端算力。FabriVLA 无需大规模机器人数据预训练，依靠单阶段联合训练实现顶尖表现，对于讲究实时性、稳定性的工厂场景极具价值。

　　Benchmark 的优异成绩不代表可以直接投入产线。从学术 SOTA 走向工业现场，还需要一套适配生产规则的 “工业大脑”。如果说 FabriVLA 验证机器人具备理解并执行任务的能力，FabriX 则解决机器人长期稳定在岗运行的现实难题，二者并非简单迭代升级关系。

　　真实工业环境中，设备工况持续变化、工艺流程复杂，机器人需要 7×24 小时不间断运行。通用大模型允许偶发错误，但工业场景下一次动作失误就可能损坏昂贵设备、打乱整条产线。工业具身模型需要兼容存量工业软件、适配现有硬件协议，无法推倒产线重建。同时行业长期存在 “不可能三角”：追求强泛化往往牺牲稳定性，极致可靠容易沦为固定脚本，追求运行效率又难以承载大模型高延迟推理。单机扩展至大规模机器人集群后，系统耦合复杂度还会持续爆炸。

　　为破解多重挑战，FabriX 摒弃纯端到端 VLA 路线，采用 Edge+Local 边端侧双重架构。FabriX-Edge 边缘模块如同资深工程师，依托工业真机训练的多模态 MoE 基座模型，解析订单需求、工艺流程与全局状态，完成任务拆解与资源调度；FabriX-Local 本地执行模块类似现场技工，融合物理机理控制先验知识与交互数据，引导机器人完成具体动作，同时设置安全约束，保障运动执行符合工业规范。双重架构兼顾 AI 的灵活泛化能力与工业系统确定性。

　　FabriX 拥有两大核心创新。第一是确定性先验蒸馏。行业长期争论机器人应当完全依靠端到端学习，还是保留传统控制算法能力，FabriX 选择融合两条路线。纯视觉模型只能读取像素信息，难以自主推导空间距离、夹持力度等物理参数。平台将优艾智合多年沉淀的工业感知算法、海量实景数据转化为模型先验知识，通过工业感知编码器把几何空间信息注入 VLA 模型，推理阶段依托视觉提示与空间 Token 实现能力融合。相当于让 AI 不必从零学习物理规则，直接复用工业领域已经验证成熟的经验。

　　第二项创新为约束锚定智能体。生成式大模型容易产生幻觉，在工业场景风险极高。FabriX 重新界定大模型职能，将订单、工艺、安全约束转化为标准化可校验规则，复杂调度优化交由专业求解器；依托任务条件确定性路由激活对应专家模块，规避 MoE 随机路由缺陷。所有动作指令执行前启动 “模型推理 + 规则校验” 双回路并行审核，只有通过校验才能下发执行，出现异常支持自主感知、诊断与恢复。

　　完善的算法体系之外，想要落地生产力，还需要适配工业场景的机器人本体。优艾智合同期发布工业原生人形机器人「隙锋」，产品路线区别于面向家庭场景的通用人形机器人，一切围绕工业效率与可靠性设计。机器人出厂内置抓取、搬运等基础原子技能，进厂经过短期培训即可快速上岗。面对不同物料、工位，无需大规模重新编程，采集少量现场数据就能完成适配，并且能够持续自动采集数据、以 24 小时为周期循环自训练，不断实现技能迁移进化。

　　隙锋复杂厂区灵活通行能力，依托三大自研技术支撑：静流悬挂机构保障跨越沟坎、电梯通行时平稳运行；MAIC 系统提供毫秒级算力与实时通信；畅驭全向运动底盘，支持横移、原地转向、S 型行进，轻松穿梭狭窄设备通道。

　　纵观整个具身智能赛道，行业正处在关键分叉路口。一边是资本市场对于通用 AGI、超大参数模型的想象；另一边是工业现场对稳定性、生产节拍、运行安全的硬性要求。优艾智合走出一条差异化路径：依靠 1B 轻量化 FabriVLA 拿下国际榜单 SOTA，延伸打造工业级 FabriX 具身大模型，配套推出隙锋工业人形机器人。

　　赛道竞争的答案正在慢慢清晰：参数规模可以划定模型理论上限，但真实工况积累、工业场景 Know-how、智能系统与物理本体融合能力，才决定机器人产业能够走多远。