宇树6B具身大脑斩获7项开源SOTA，对标GPT-6

全球具身智能竞争正从本体比拼延伸至“大脑之战”。谷歌Gemini Robotics 2提出“一个大脑适用于任何机器人”，英伟达Jim Fan抛出“VLA已死，世界动作模型当立”。谁能成为新一代通用模型底座？

国内，宇树科技近日推出新一代通用人形机器人基础模型UnifoLM-WLA-1.0，6B参数、约2500小时真机训练，具身推理拿下7项开源SOTA，多项空间理解任务反超GPT-6 Astra，并宣布开放模型、代码和数据集。

该模型单模型即可统筹64项任务，包括叠毛巾、收纳餐具、铺床、倒垃圾、把衣服放进洗衣机等，验证了泛化能力。过去Demo多为单一任务、单一场景、高度定制，换环境难复用，难以规模化。宇树试图让国产厂商成为“具身智能大脑”的定义者。

具身推理底座为UnifoLM-ER-1-4B，基于Qwen3-VL-4B训练，使用超500万条具身推理样本，在16项多模态感知与理解基准中7项领先参评开源模型。Where2Place得分82.0，GPT-6 Astra为69.0；EmbSpatial上分别为88.9和83.3。空间理解对机器人比聊天能力更关键。

执行方面，UnifoLM-WLA-1.0连接感知、推理、未来变化预测和动作生成，覆盖54项桌面操作和10项全身操作，支持二指夹爪和多种五指灵巧手。宇树正把“具身智能大脑”变成可在真机验证的模型体系，抢开源生态话语权，对标“安卓之于手机”。

技术路径上，宇树把“具身推理+未来变化预测+动作学习”放入同一体系。利用光流比较动作前后画面，聚焦因交互发生变化的区域，再经VQ-VAE压缩成离散Token，实现以交互为中心的世界建模。统一动作空间拆为末端执行器位姿、末端执行器关节、下肢关节三路，各自RVQ离散成Token，按同一时间轴同步输入。在UnifoLM-ER-1基础上形成UnifoLM-ER-Flow，再加入MMDiT Action Expert，解码为连续动作。链路为：先预测哪里变，再生成怎么动。

模型参数可公开，真正难复制的是持续产生高质量真机数据的能力。2500小时真机数据相当于一台机器人连续采集超100天。数据覆盖不同本体和场景，500万条具身推理样本与通用图文数据共同训练，真机数据用于WLA模型训练。真机数据需时间与成规模产能，只做模型的玩家难以绕开硬投入。另一壁垒是统一模型，将视觉、语言、动态区域Token和动作Token放入同一多模态模型，走“多本体+统一动作空间”路线。

模型是公开牌，真机数据与持续产数据能力才是底牌。随着权重、代码和数据开放，开发者可在64项任务外检验泛化边界并二次开发。宇树提供的正从一台机器人延伸为可反复调用、适配不同任务的具身智能底座，价值延伸至行业解决方案和平台化能力。开源“大脑”未削弱护城河，反而落到真机数据、真实场景和持续迭代上。

从四足到人形，宇树过去以本体和运动能力被记住。如今两条腿走路，踩在竞争分水岭上：拼硬件仍在加码，拼大脑、拼生态正在展开。当模型参数和代码都能公开，真正稀缺的是持续产出高质量真机数据的能力及开发者生态。具身智能的“安卓时刻”，或许正由国产厂商拉开帷幕。