高德正式发布首个基于开放世界行为的全身基座模型λ0，旨在解决机器人领域长期存在的局部学习碎片化问题，推动机器人实现全身动作的全局对齐与协调控制，标志着具身智能从单一任务优化向通用行为基座的关键跨越。

详细分析

高德此次发布的λ0模型，是具身智能领域一次具有范式意义的技术跃迁。长期以来，机器人学习普遍受困于“局部学习”的桎梏——机械臂只学抓取、双足只学行走、灵巧手只学操作，各部件在孤立任务中各自为战，缺乏一个统一的全身行为表征框架。这种碎片化路径导致机器人在开放环境中面对复合任务时，往往出现动作割裂、协调失效的窘境。λ0的核心突破在于，它以开放世界行为为训练基座，将全身各关节的动作映射到一个统一的隐空间中进行对齐，使机器人首次具备了“全身协同”的通用行为底座。这类似于自然语言处理领域从任务专用模型向GPT式基座模型的演进逻辑——不是为每个动作写一套规则，而是让模型从海量开放行为中自行涌现出全身协调能力。从行业背景看，2024年以来具身智能赛道融资热度持续攀升，但多数玩家仍停留在垂直场景的局部 demo 阶段，通用全身基座模型尚属空白。高德凭借在地图与空间数据上的长期积累，将开放世界的环境理解能力注入行为基座，形成了“空间感知+全身行为”的差异化壁垒，这一组合在导航与移动操作场景中具备天然的落地优势。市场层面，λ0的发布可能重塑竞争格局：一方面，它降低了全身机器人控制的门槛，中小团队可基于基座模型做场景微调，而非从零搭建全身控制管线；另一方面，高德若将该模型与自身地图生态、配送场景结合，有望在末端物流、园区服务等开放世界任务中率先跑通商业闭环。当然，基座模型的泛化能力仍需真实场景的大规模验证，从“动作对齐”到“任务泛化”之间还有工程化鸿沟，但方向已然明确——机器人正在告别拼凑式局部学习，走向全身统一的通用行为基座时代。

λ0的意义不在于又一个模型参数刷新，而在于它把机器人学习的坐标系从“部件级”拉到了“全身级”，这恰是具身智能从实验室走向开放世界的关键一跃。

原文：量子位