击败主场霸主英伟达与PI！千寻智能登上具身智能「奥林匹克」最高领奖台|Hugging Face|数据|榜单|模型|融资_手机新浪网
击败主场霸主英伟达与PI！千寻智能登上具身智能「奥林匹克」最高领奖台
leiphone_com
原创作者
06.03<br/>13:59
关注
榜单登顶同时，千寻官宣完成15亿元A+轮融资。
作者丨向 欣
编辑丨高景辉
在竞技体育中，有一种胜利含金量最高——在对手主场、用对手制定的规则、击败对手。
刚刚，一家中国公司在北美具身智能的“奥林匹克”赛场上，完成了这一壮举。
由UC Berkeley、斯坦福和<br/>英伟达<br/>联合发起的
全球具身智能实战评测平台RoboArena
，被誉为机器人领域的“Chatbot Arena”。RoboArena最新榜单显示，千寻智能自研的具身基座模型
Spirit v1.6
，在技术全能项目中
力压英伟达最新模型Cosmos3与Physical Intelligence
（以下简称PI）
Pi0.5
，
排名全球第一<br/>，
成为前三名中唯一的中国具身模型。
有趣的是，英伟达和PI不仅是参赛者，还是赛事的设计方。就在不久前的<br/>NVIDIA<br/> GTC Taipei 2026大会上，英伟达还专门介绍，自家最新发布的
NVIDIA Cosmos 3模型在RoboArena上排名第一
。赛事主办方亲自为榜单站台。
而现在
榜首换人
了。千寻这次登顶，颇有种踢馆成功的意味。以前中美在具身智能赛场是各自练兵，今天千寻直接去美国队的主场，拿了块全能金牌。
同时，千寻智能在资本市场上也获得了顶薪续约。千寻智能今日正式官宣完成
15亿元A+
轮融资，
三个月融资四轮，刷新具身智能行业融资速度记录
，
股东包含一线美元基金、大型产业投资方以及国资基金，老股东持续加码，构筑起顶级财务PE、国际美元基金、实业产业资本、各地方国资等全方位合围的顶配资本阵容。
至此，千寻今年累计融资金额已近
50亿元
。
技术登顶与资本顶配两件事放在一起看，背后传递出的信息远比表面看到的更加丰富。
过去一年，具身智能领域融资纪录不断刷新，榜单高分层出不穷，但“刷榜”现象让这些成绩的真实含金量备受质疑。
RoboArena受到关注，正是因为试图解决这个问题。它把具身Benchmark从标准化考试变成了一场
防作弊、重泛化、难以刷分的全球实战擂台赛
，模型需要面对完全未知的场景和物体，实打实地考验泛化性与稳定性。
千寻的模型登顶，也足以让整个行业重新审视中国玩家的位置。
长期以来，具身智能领域最重要的话语权主要掌握在美国头部机构手中。如今，中国企业已在模型能力和落地速度上快速追赶，实现并跑甚至领跑。
在具身智能的技术对决中，以千寻智能为代表的中国力量已经具备了与美国顶尖玩家正面掰手腕的底气。
大额融资的持续落地，则让这种技术优势有机会进一步转化为数据优势和场景优势。中国具身智能企业，会跑得越来越快。
01
具身智能的奥林匹克全能赛RoboArena，为什么难拿冠军？
具身智能行业一直存在一个现实问题：评测成绩与真实世界表现并不能简单画等号。榜单高分与真实世界的泛化落地之间，横亘着一条巨大的鸿沟。
问题出在评测方式上。具身智能领域建立了大量Benchmark。不同榜单覆盖仿真、真机、导航、操作、长程任务以及VLA模型、世界模型等不同条件和方向，为研究者提供了统一的评价体系，也推动了技术进步。
但
标准化评测天然存在局限
。为了保证可重复性，大多数榜单都会固定场景、固定任务和固定评价规则。模型经过反复训练后，可以逐渐适应这些测试条件。
于是行业开始出现
“刷榜”现象
，<br/>不少公司针对榜单进行专项优化，从而刷出高分，但这与具身智能所追求的核心能力“泛化”背道而驰。结果是，某些模型能够在特定任务上取得极高分数，但换环境、物体或者操作顺序，表现可能大幅下降。
这种做法就像学生
靠题海战术拿满分
，<br/>换个没做过的题目就束手无策。
模型越来越会考试，却未必越来越会干活
。
PI的具身模型核心研究员Karl Pertsch曾犀利地评价这类榜单：“注定是徒劳”。
对于需要进入工厂、门店和家庭的机器人来说，此类成绩参考价值不够高。“刷榜”现象也削弱了榜单的说服力。
RoboArena的突破性在于重新设计了评测逻辑，与大多数Benchmark追求标准化不同，RoboArena把评测重点放在
泛化能力上
。<br/>模型无法提前适配固定场景，每一次测试都需要面对新的环境、新的物体和新的任务组合。
这份榜单由
UC Berkeley、斯坦福、英伟达
联合发起，是具身智能领域首个国际公开性评测平台，榜单规则来自行业最核心的一批前沿技术研究者。
值得注意的是，
PI的联合创始人Sergey Levine、核心研究员Karl Pertsch
也是该测试平台的核心设计者。
PI，这家由斯坦福、伯克利等顶级研究团队创立的公司，一直被视为具身智能领域最具代表性的技术标杆之一。这意味着行业最强玩家用自己的标准认可了这套评测体系。
为了避免人为的技术性干预，RoboArena采用
“全球众包+双盲”
机制。评测员分布在不同国家和地区，
任务和场景则由评测研究员自行设计，多聚焦操作类任务
，
测试整个过程中
操作员不会获知模型身份
，<br/>完全盲测，测试结果全部开源
。
在这种规则下，赛事对泛化能力的要求近乎苛刻。提前备考的可能性被切断，
参赛模型的每一次测试都是临场发挥
，<br/>需要面对极其多样化的环境与任务，可能是从未见过的物品，也可能是从未适应过的场景。
RoboArena的评分机制也与众不同，引入了竞技体育中的
ELO动态评级算法
。
熟悉电竞或者国际象棋的人应该知道，ELO最大的特点是打败强者获得更多积分。不看你赢了多少次，只看你赢了谁。打败强队加分高，赢弱队加分少。
这种机制大幅降低了刷榜空间，让真正有实力的黑马能够浮出水面，也能够持续淘汰名不副实的高分选手。
RoboArena中模型的 Elo 分变化趋势：从左到右，按 Elo 分从低到高排列
如果把传统Benchmark理解为训练赛，那么RoboArena更接近总决赛。当不少团队还在训练赛里争夺MVP时，千寻已经在总决赛里拿到了FMVP。
能在任意场景、任意任务的随机对决中胜出，意味着模型已经具备了走出实验室、进入真实商业场景的核心素养。它比任何单一任务的高分都更具落地参考价值。
02
客场战胜英伟达与PI，千寻半年内完成“两连冠”
这不是千寻第一次登顶国际权威榜单。今年1月，千寻自研的Spirit v1.5在RoboChallenge的Table30榜单上一举登顶，超过了之前的最强模型PI0.5。
有意思的是，RoboChallenge和RoboArena的评测逻辑完全不同。前者关注模型在统一条件下能做到什么水平；后者关注模型面对随机的任务、未知的世界能否持续发挥。
RoboChallenge由Dexmal、Hugging Face、智源研究院等联合发起，是全球首个大规模真机（real-robot）具身智能评测平台，评测采用
统一硬件和标准化环境
，要求参赛模型完成
30项固定任务
，重点考察模型在相同条件下的综合能力与任务完成质量。
RoboArena的评测环境、任务内容和操作对象则都具有较强
随机性
。
Spirit能够连续登顶两套逻辑完全不同的评测体系，说明其在
标准化环境下的综合能力和开放环境下的泛化能力
，都得到了验证。
RoboArena的评测任务由研究员随机指定，没有固定题库。在众多测试项目中，“将玩具水豚放入餐盘”和“打开笔记本”两个任务，较为典型地体现了Spirit v1.6的能力。它们分别对应具身智能里的
两类典型难题
：
开放环境中的目标识别与操作执行
，以及
精细力控
。
任务一：将玩具水豚放置到餐盘。Spirit v1.6 VS Pi0.5
。
任务中，桌面中央摆放着一个餐盘，周围散落着笔、杯子、足球玩具、胶棒等多种物品。
Spirit v1.6准确识别出玩具水豚，完成抓取并将其放入盘中。Pi0.5则识别错误，抓取了绿色杯子，且定位不准，反复尝试仍
失败。
左 Spirit v1.6 右 Pi0.5
差异背后是模型对
场景语义的理解深度
不同。千寻的模型能够理解“水豚”这一语义概念，区分干扰物，并在杂乱环境中保持抓取稳定性；Pi0.5则在目标识别阶段就出现偏差。
任务二：打开笔记本。Spirit
成为付费用户可以阅读 千寻智能 所有资料
了解更多 →