清华系200亿独角兽杀入具身智能攻破记忆难题，底牌都彻底开源

我先联网确认这家 “清华系 200 亿独角兽” 到底是谁，以及 “记忆难题 + 开源” 具体指什么。

新智元这篇说的是面壁智能。我接着核实 MiniCPM-Robot 的参数、RMBench 成绩和开源范围。

核实完成。这家是面壁智能，开源的是 MiniCPM-Robot 系列；但 “清华系 200 亿具身独角兽” 并不止一家，我在文中做了区分。

面壁智能开源 MiniCPM-Robot：机器人终于不再是金鱼记忆，1.5B 模型在记忆榜上打到 53.5 分：

先给出可直接核对的事实：2026 年 7 月 19 日 WAIC 现场，面壁智能联合 OpenBMB 开源了首个具身智能系列模型 MiniCPM-Robot，包含两个模型 —— 通用 VLA 模型 MiniCPM-RobotManip（1.5B 参数）和跟踪导航模型 MiniCPM-RobotTrack。真正关键的是该模型在专门考 “上下文记忆” 的 RMBench 榜单上拿到 53.5 分，而美国知名 VLA 模型 π0.5 只有 10.4 分，相差约 5.1 倍；单步决策耗时 120ms，π0.5 是 234ms。解决记忆问题的思路并非 “给模型加内存”，而是把视觉 token 压缩到极致：算力从 0.1 TFLOPS 起步，历史帧增加到 120 帧时仅缓慢涨到 1.3 TFLOPS，即便在 60 秒、1fps 的长记忆场景下也只要约 3.3 TFLOPS，而 π0.5 不带记忆就要固定消耗 5.0 TFLOPS。开源范围也不只是权重：模型、推理框架、部署方案整套公开。公司这边，面壁智能 2026 上半年累计融资超 50 亿元、估值超 200 亿元，并在 8 月 11 日办理了 IPO 辅导备案。但有两处必须先说明：RMBench 只衡量上下文记忆相关任务，不代表综合能力；面壁至今没有公开实际收入与毛利率。

先明确主体：200 亿的清华系具身独角兽不止一家

这类标题最容易信错主体，先把几个容易混的摊开：

标题讲的 “开源 MiniCPM-Robot、攻破记忆难题” 对应的是面壁智能。千寻智能也讲 “告别金鱼记忆”，但那是它自己的 Spirit v1.6，两个产品不是一回事。这一点值得特别留意，因为北京市科委 8 月 12 日那篇《攻克 “金鱼记忆”，一只估值 200 亿具身独角兽的北京故事》，写的就是千寻。

机器人为什么会有 “金鱼记忆”

这个问题比看上去更严重。

现在绝大多数 VLA 模型是 “单帧反应式”：只看眼前这一帧画面来决定下一个动作。于是遇到 “把红绿蓝三个方块按顺序揭开”“连续按 5 次按钮” 这类任务，机器人在按完第 1 次、准备下一次推理时，大脑是完全空白的—— 它不记得自己按过几次。

为什么不给它加上历史记忆？因为算力扛不住。记住历史画面意味着视觉 token 数量暴涨，计算量呈指数级膨胀；而大多数团队做不好视觉 token 的高效压缩，硬加记忆的结果是机器人变成 “树懒”—— 动作开始肉眼可见地卡顿。在物理世界里，这种延迟是致命的。

面壁的解法正好在自己的强项上：视觉 token 极致压缩。用更少的 token 承载同等视觉信息，相当于把高清图转成高质量 JPEG—— 观感不掉，体积锐减。

两个模型，参数与定位

关键数字：记忆这件事到底贵不贵

这张表里最值得看的是最后两行之前的对比关系：π0.5 是用放弃记忆换来的 5.0 TFLOPS 固定开销；Manip 是带着记忆，在 60 秒长记忆场景下也只花 3.3 TFLOPS。等于说 “有记忆” 的推理成本，比对手 “没记忆” 还低。这才是它能同时做到 “记得住” 和 “不卡顿” 的原因。

Track 那边有三组指标（数值越高越好）：

对比口径上，官方称全面优于开源的 OpenTrackVLA，并在 STT 与 AT 两项上分别领先闭源、动用四路视觉且经过强化学习训练的 TrackVLA++ four-view 7.11 与 16.55 个百分点。

现场那个 demo 的说服力比数字更直接：工作人员牵着宇树 Go2 走进电梯 —— 相当于拔掉了机器狗身上的网卡，没有 Wi-Fi—— 再走到地下车库这种弱网环境，狗一路跟着没掉队。官方称这是业内首个提供真实本地纯无网部署的跟踪模型，开箱即用，端到端响应约 180ms，本地算力下稳定 5+ FPS。

开源到底开了什么

PhyAI 对第三方模型的加速数据也一并公开了：在 RTX 5090 上运行 π0、π0.5、GR00T，分别约 2.85 倍、1.82 倍、2.28 倍加速；GR00T 在 NVIDIA Thor 和 RTX PRO 6000 上分别约 1.40 倍与 4.31 倍。

所以 “底牌彻底开源” 这句话，落到实处的意思是：拿到手的不只是权重文件，而是一套能直接跑起来的感知 — 规划 — 控制链路。对行业来说，这确实把复现门槛拉低了；对开发者来说，省掉的是那几个月的环境搭建。

这家公司现在处在什么位置

四个需要打问号的地方

• RMBench 不等于综合能力。这个榜单专门考察依赖上下文记忆的操作任务，53.5 分说明它在 “记得住” 这件事上确实强，不能推导成 “所有机器人场景都强”。传统 LIBERO 榜单它能进第一梯队，但也只是 “比肩”，不是 “碾压”。
• 0.9B 与 0.5B 的口径打架。同一篇报道里，Track 一会儿是 “0.9B 参数的模型”，一会儿是 “0.5B 的轻量级单视角模型”，并称基于 MiniCPM4-0.5B 训练。到底最终发布权重是多少，需要以 Hugging Face 仓库的模型卡为准。
• “30 万辆” 是年度目标，不是已交付。此前部分报道写成 “已交付超过 30 万台量产车”，属于误读；官方口径是 “预计到 2026 年底有 30 万辆汽车搭载”。
• 收入数据缺席。半年融 50 亿、估值 200 亿的公司，公开材料里只有下载量、计划搭载量、合作数量和评测成绩，没有实际收入、毛利率和客户续约。对一家已经启动 IPO 辅导的公司来说，这是后面最需要补的一页。

为什么这件事值得单独记一笔

具身智能这半年的竞争焦点，大多落在 “本体做得多像人”“能搬多少公斤”“跑多快”。面壁选的切口很小 ——记不记得自己按了几次按钮—— 但这恰恰是机器人从 “演示” 走向 “干活” 的门槛：真实工位上的任务几乎都是长程的，忘一步就全废。

它也没有去卷参数，而是用 1.5B 打 3—4B 的活，用压缩视觉 token 换记忆空间。这条路径和它四年来一直讲的 “密度定律” 是一致的：同等能力用更少参数、更低算力。这套叙事能不能撑住 200 亿估值，取决于两件还没发生的事 —— 收入能不能披露，以及巨头把模型差距拉平之前，它的客户关系能不能变成壁垒。

收尾一句：这次开源的真正价值，不在这两个模型能干什么，而在于它把 “机器人可以带记忆还不卡” 从一句愿景，变成了一份任何人都能下载下来复现的代码。

相关 FAQ

问题 1：MiniCPM-Robot 是什么，面壁智能这次开源了几个模型？

回答 1：MiniCPM-Robot 是面壁智能联合 OpenBMB 于 2026 年 7 月 19 日在 WAIC 发布并开源的具身智能系列模型，共两个：MiniCPM-RobotManip 是 1.5B 参数的通用 VLA（视觉 — 语言 — 动作）模型，负责操作类任务；MiniCPM-RobotTrack 是跟踪导航模型，原生适配宇树 Go2 Edu，可在无网环境本地运行。开源范围包括模型权重、推理框架 PhyAI 和部署方案。

问题 2：面壁智能的 MiniCPM-Robot 是怎么解决机器人 “记忆” 难题的？

回答 2：主流 VLA 是单帧反应式模型，只看当前画面决策，因此记不住 “已经按了几次按钮” 这类跨步信息；强行加历史帧又会让视觉 token 暴涨、算力爆炸、动作卡顿。MiniCPM-RobotManip 的做法是极致压缩视觉 token，用更少 token 承载同等视觉信息，从而把 “带记忆推理” 的成本压到接近 “不带记忆”。结果是 1.5B 模型在 RMBench 记忆榜拿到 53.5 分，π0.5 只有 10.4 分。

问题 3：MiniCPM-RobotManip 在 RMBench 上 53.5 分意味着什么？

回答 3：说明它在依赖上下文记忆的长程操作任务上明显强于现有主流模型，例如按指定次数按钮、按红绿蓝顺序揭方块、连贯完成做三明治。但要清楚 RMBench 只考上下文记忆这一类能力，不能等同于全场景综合能力；面壁智能在 LIBERO 等传统榜单上属于第一梯队、与 Qwen-VLA、π0.5 等主流模型性能相近，也谈不上全面碾压。

问题 4：MiniCPM-Robot 的推理成本真的比不带记忆的模型还低吗？

回答 4：按公开数据看是这样。MiniCPM-RobotManip 推理算力从 0.1 TFLOPS 起步，历史帧增加到 120 帧时约 1.3 TFLOPS，60 秒、1fps 的长记忆场景下约 3.3 TFLOPS；而 π0.5 放弃历史记忆、算力固定为 5.0 TFLOPS。单步决策耗时上，Manip 约 120ms，π0.5 约 234ms。也就是说 “有记忆” 的方案在长记忆场景下仍低于对手 “无记忆” 的开销。

问题 5：这次 MiniCPM-Robot 开源，普通开发者能直接用什么？

回答 5：能拿到的是整套技术栈，不只是权重。GitHub 上是 OpenBMB/MiniCPM-Robot 仓库，Hugging Face 上有 openbmb/MiniCPM-RobotManip 与 openbmb/MiniCPM-RobotTrack 两个模型；配套推理框架 PhyAI 发布首日即完成适配，用 CUDA Graph 把帧率从 10.20Hz 提到 33.2Hz。宇树 Go2 Edu 跑一段一键部署脚本，几分钟就能获得纯视觉、纯本地的自然语言指令跟随能力。

问题 6：面壁智能估值 200 亿、已启动 IPO，它的具身智能业务靠谱吗？

回答 6：技术上有明确的差异化 —— 用视觉 token 压缩解决长程记忆，且把模型、框架、部署整栈开源，这是实打实的能力。但要打三个问号：RMBench 是单一维度的榜单；汽车端 “2026 年底 30 万辆搭载” 是年度目标而非已交付；公司至今没有公开实际收入、毛利率与客户续约情况。对一家已办理 IPO 辅导备案的公司，这些商业数据才是估值的真正支撑。

参考资料

[2026-11-09]（2026 中国具身智能企业全景盘点：五家超级独角兽领跑，量产兑现成主旋律）IT 之家

[2026-10-29]（赛道定位之后，落地结构定胜负：2026 具身智能十大独角兽投资全景）证券之星

[2026-09-11]（积数成塔：高阳与具身独角兽千寻智能）清华大学

[2026-08-12]（遇见独角兽｜攻克 “金鱼记忆”，一只估值 200 亿具身独角兽的北京故事：千寻智能 Spirit v1.6）北京市科学技术委员会、中关村科技园区管理委员会

[2026-08-12]（估值 200 亿，北京又一大模型厂商启动 IPO：面壁智能 8 月 11 日辅导备案）36 氪

[2026-07-23]（面壁 200 亿，壁垒有多厚：RMBench 53 分与 π0.5 10 分、商业化管线未披露收入）36 氪

[2026-07-19]（清华系 200 亿独角兽杀入具身智能！攻破记忆难题，底牌都彻底开源）新智元

[2026-07-15]（首发｜面壁智能融资超 50 亿，估值超 200 亿）新浪科技

免责声明

本文基于新智元 2026 年 7 月 19 日报道、36 氪《面壁 200 亿，壁垒有多厚》与《估值 200 亿，北京又一大模型厂商启动 IPO》、新浪科技融资报道，以及 IT 之家、证券之星、清华大学与北京市科委相关材料整理，未获取 MiniCPM-Robot 的模型卡与技术报告原文进行逐项校验。需特别说明：RMBench 得分 53.5 与 π0.5 的 10.4、单步耗时 120ms 与 234ms、算力曲线（0.1→1.3 TFLOPS、60 秒 1fps 约 3.3 TFLOPS）均为面壁智能公开披露或媒体转述数据，未经第三方独立复测；RMBench 仅衡量上下文记忆类操作任务，不代表模型在全部机器人场景的综合能力。MiniCPM-RobotTrack 的参数在公开报道中存在 “0.9B” 与 “0.5B” 两种表述，本文已并列标注，最终参数应以 Hugging Face 模型卡为准。汽车端 “30 万辆” 为 2026 年底的搭载目标，并非已交付数量；公司实际收入、毛利率与客户续约情况尚未公开披露。“200 亿估值的清华系具身独角兽” 在 2026 年不止一家（另有千寻智能、星海图等），本文已做主体区分。估值、融资与 IPO 进度可能随官方披露更新，本文不构成投资建议。