小鹏汽车发布了一款名为 GroundingPI 的具身感知基础模型，并称其感知模块在综合基准评分上超过了 OpenAI 的前沿模型 GPT-6 Astra。该模型参数规模约 40 亿，在 34 项公开感知基准的评测中排名第一，同时在机器人仿真任务中展现出更高的数据处理效率。

评测方式上，这 34 项感知基准被划分为 11 个能力类别并等权加权，GroundingPI 取得 73.68 分，高于 GPT-6 Astra 的 71.54 分。后者由 OpenAI 于今年 9 月发布。小鹏表示，该模型是与北京大学、香港大学等高校的研究团队合作开发，目前代码与模型权重均已开源。

从命名看，Grounding 对应视觉定位这一核心感知能力，PI 则是 Physical Intelligence（物理智能）的缩写。小鹏给出的技术判断是：现有通用大模型主要面向数字场景设计，直接迁移到自动驾驶、机器人等物理场景时存在适配落差。GroundingPI 因此选择「感知优先」路线，主张具身智能的首要前提是准确感知空间位置。

这一路线体现在训练数据的选择上。该模型在训练阶段不使用带关节动作标签的机器人数据，而是完全依赖不带动作标签的纯感知数据，覆盖通用检测、文字识别、机器人空间定位等 11 个能力类别。换言之，它试图把「看懂环境」与「执行动作」解耦，先夯实感知底座。

在具身智能的常见框架里，系统通常被分为负责高速感知与动作执行的快系统（System 1），以及负责任务理解与规划的慢系统（System 2）。小鹏明确，GroundingPI 的定位是为快系统提供感知原生的基础，而非取代慢系统的通用大模型能力。这一定位意味着它与通用大模型是互补关系，而非替代关系。

研究目前处于科学原型阶段，但仿真结果已为规模化部署中的两个核心挑战提供了验证。其一是降低人工采集机器人示范数据的成本：以 GroundingPI 作为视觉基础的系统，仅使用 50% 的示范数据，执行成功率即可超过使用 75% 数据的对比模型，原因在于它直接承接了传统视觉—语言—动作（VLA）模型中负责物体定位的任务。其二是更强的场景泛化能力：在散料分拣、料箱计数等高密度仿真场景中，面对物料、物体类别与背景的变化，系统仍能保持稳定表现，为跨工位复用提供支撑。

放到小鹏的整体布局中看，GroundingPI 是其构建物理 AI 体系的一步。近年小鹏持续加码物理 AI，希望以此驱动智能驾驶、人形机器人和 Robotaxi 三条业务线。今年早些时候，小鹏将自动驾驶中心与智能座舱中心合并为通用智能中心，由 AI 专家 刘先明 牵头，集中资源为汽车与机器人业务提供统一的 AI 中台基础支撑。

从行业视角看，车企正越来越多地把竞争焦点从单车功能转向底层 AI 能力。小鹏此次选择开源模型权重，一方面有助于吸引研究社区参与、加快迭代，另一方面也把「感知基准分数」变成了一个可被外部检验的公开标尺。不过需要指出的是，基准评测与仿真结果并不等同于真实道路与真实产线上的表现，从科学原型走向规模化部署，仍需经过实车与实机验证。此外，与高校合作开发、以纯感知数据训练的思路，能否在数据成本与泛化能力之间持续兑现优势，也有待更多独立复现。