小鹏开源GroundingPI，感知跑分超GPT-6

11月4日，小鹏集团联合北京大学、香港大学等高校研究团队发布具身感知基座模型GroundingPI。这款约40亿参数的感知模型在34项公开感知基准的综合评测中得分73.68，超过了OpenAI前沿模型GPT-6 Astra的71.54分，相关代码与模型权重已全面开源。消息公布后，小鹏集团港股（HKEX：9868）在11月5日一度上涨近5%，收报39.92港元。

一次聚焦“看得准”的发布

GroundingPI的全称思路并不复杂：让AI系统先把物理世界“看清楚”。研究团队认为，具身智能的首要前提，是精准感知自身与周边物体的空间位置——机器人要先知道东西在哪里、有多大、是什么，才能谈得上动手操作。围绕这个判断，GroundingPI把全部能力押注在感知上，而非直接学习机器人的动作控制。

在评测设计上，研究团队将GroundingPI与44个基线模型放在同一套34项公开感知基准上对比，覆盖目标检测、密集小目标定位、指代表达定位、文字识别（OCR）、文档版面理解、界面元素识别、机器人空间定位等11类感知能力。按11类能力等权平均，GroundingPI综合得分73.68，GPT-6 Astra为71.54，在44个对比模型中位列第一。

需要说明的是，GPT-6 Astra是OpenAI于2026年9月发布的前沿模型，而上述分数来自研究团队自己的评测，尚未经过第三方机构的独立复现。分数差距本身不大（约2.1分），但对一款参数量仅约40亿的模型而言，能在感知专项上超过参数规模更大的前沿模型，仍是一个值得注意的信号。

“感知优先”：一条不同的技术路线

当前具身智能领域的主流做法，是用带有机器人动作标签的数据直接训练“视觉—语言—动作”（VLA）模型，让模型从图像和指令一步到位输出动作。小鹏此次提出的“感知优先”路线走了另一条路：GroundingPI在训练阶段完全不使用带关节动作标签的机器人数据，全部采用无动作标签的纯感知数据。

这条路线的逻辑是把问题拆开：先把感知这个基础能力做到足够强、足够通用，再把它作为视觉底座，接上不同任务的动作策略。研究团队称，基于GroundingPI构建的系统在机器人仿真任务中展现出更高的数据效率——达到与对比模型相当的成功率时，只需约50%的示教数据，而基线方法需要约75%。如果这一结论在真实场景中成立，意味着机器人学习新任务的示教成本有望大幅下降，而示教成本正是机器人规模化落地的关键瓶颈之一。

对小鹏自身而言，这次发布也延续了其在物理AI上的布局。今年1月，小鹏已发布第二代VLA物理世界大模型并率先上车；GroundingPI则补上了感知底座这一环，构成从“看得懂”到“动得起来”的技术拼图。

全面开源，瞄准研究社区

与不少只发论文、不放权重的模型发布不同，GroundingPI的论文、模型权重与相关代码已在GitHub和Hugging Face等平台公开。开源的意义在于可验证：研究社区可以直接下载权重，在同一套基准上复现分数，也可以把它作为视觉底座接入自己的机器人系统做二次开发。

小鹏在官方通稿中也划清了边界：这是一项学术研究贡献，相关成果不构成其商业产品的集成公告，也不承诺未来的部署计划。换言之，GroundingPI目前的定位是科研原型，其下游结果基于仿真与离线评测，尚未证明可直接用于真实商业部署。

仍需冷静看待的几点

• 分数来自自家评测：34项基准与等权平均的计分方式由研究团队设计，第三方独立复现结果尚未出炉，排名的含金量有待验证。
• 感知不等于行动：感知分数领先，不代表机器人整体任务成功率领先；从“看得准”到“干得好”，中间还有动作规划与控制的鸿沟。
• 仍是科研原型：小鹏明确表示，现有结果基于仿真与离线评估，距离真实场景的商业化部署还有相当距离。

影响与展望

GroundingPI的出现，折射出具身智能竞争正在从“堆参数、拼通用大模型”分化出新的方向：一方追求端到端的通用动作模型，另一方则回归感知、数据效率这些基础能力。对中国厂商而言，这条路线还有一层现实意义——用更小参数、更少示教数据达到可用效果，有助于降低机器人落地的算力与数据成本。

接下来值得观察的有三点：一是第三方机构能否复现73.68分的成绩；二是开源社区会把GroundingPI用在哪些真实机器人任务上，仿真中的数据效率优势能否迁移到现实世界；三是小鹏是否会把这一感知底座真正整合进自家的自动驾驶与机器人产品线。至少在眼下，这款40亿参数的小模型，已经为“感知优先”这条路线赢得了一个有分量的注脚。