Evaluation surpasses Google and NVIDIA! Alibaba releases RynnBrain robot large model: enabling robots to have a "thinking brain"

2 月 10 日，阿里巴巴正式推出機器人 AI 基礎模型 RynnBrain。該開源模型旨在為機器人賦予感知、決策與執行能力，推動其在現實場景中的自主任務完成。

RynnBrain 由阿里巴巴達摩院自主研發，具備環境交互、時空理解及任務分解規劃等核心能力。該模型可協助機器人完成物體識別與定位、運動軌跡預測，並在廚房、工廠流水線等動態複雜環境中實現精準導航與自主操作。

根據阿里巴巴公佈的測試數據，RynnBrain 在多項權威評測中表現突出，超越谷歌 Gemini Robotics-ER 1.5 及英偉達 Cosmos-Reason2 等業界主流模型。該模型已在 16 項具身開源評測榜單中刷新紀錄（SOTA）。

當前，機器人技術正成為全球科技競爭與產業轉型的關鍵賽道，人形機器人等前沿方向更被視為重塑製造業與服務行業生態的重要驅動。阿里巴巴此次發佈具備 “思考大腦” 屬性的基礎模型，不僅體現其在 AI 核心技術領域的持續投入，也展現出推動技術標準化與產業落地的明確路徑。

時空記憶與推理能力突破

RynnBrain 的核心技術突破在於首次為機器人系統集成了時空記憶與空間推理能力。通過將這兩項關鍵能力植入模型架構，機器人得以在執行多任務時保持工作狀態的連續性與一致性。

在具體應用中，搭載該模型的機器人若在執行任務 A 時被中斷並轉向任務 B，能夠準確記憶任務 A 的時空節點與執行進度，在任務 B 完成後自主恢復此前中斷的工作流程。

該模型融合了環境認知、精準定位、邏輯推理與任務規劃等多維能力，並展現出較強的可擴展性。基於 RynnBrain 基礎框架，開發者僅需使用數百條數據進行微調，即可高效訓練出適用於導航、規劃與動作控制等不同場景的專用模型。

全系列開源策略

達摩院此次開源了 RynnBrain 系列的全部七個模型，涵蓋從 20 億參數版本到 30B 混合專家（MoE）架構等多種規格。該系列基於 Qwen3-VL 視覺語言模型訓練，已在 Hugging Face 與 GitHub 等平台開放獲取。

其中，業界首個採用 MoE 架構的 30B 具身模型，旨在提升機器人動作的流暢性與響應速度。為規範評估標準，達摩院同步發佈了全新評測基準 RynnBrain-Bench，專注於時空細粒度任務評測，填補了當前行業在該領域的評估空白。

達摩院具身智能實驗室負責人趙德麗表示：

“RynnBrain 首次實現了大腦對物理世界的深度理解與可靠規劃，為大小腦分層架構下的通用具身智能邁出關鍵一步。我們期待它加速 AI 從數字世界走向真實物理場景的落地進程。”

具身智能佈局加速產業化

中國科技企業在人工智能領域持續加大開源投入，形成以開放協作為特點的技術發展路徑。在具身智能等前沿方向，開源策略有助於匯聚全球開發者資源，加速技術迭代與生態構建。

機器人技術被視為推動產業升級的關鍵領域。政策層面已明確將包括人形機器人在內的智能機器人作為重點發展方向，以期通過技術創新重塑製造業與服務業的運營模式。

達摩院在該領域持續推進技術開放，已先後開源融合世界模型與視覺語言模型的 WorldVLA、環境理解模型 RynnEC 等多款具身智能模型，併發布了業界首個機器人上下文協議 RynnRCP，致力於構建可部署、可擴展且具備持續進化能力的具身智能系統。

風險提示及免責條款

市場有風險，投資需謹慎。本文不構成個人投資建議，也未考慮到個別用户特殊的投資目標、財務狀況或需要。用户應考慮本文中的任何意見、觀點或結論是否符合其特定狀況。據此投資，責任自負。