小鵬汽車釋出了一款名為 GroundingPI 的具身感知基礎模型，並稱其感知模組在綜合基準評分上超過了 OpenAI 的前沿模型 GPT-6 Astra。該模型引數規模約 40 億，在 34 項公開感知基準的評測中排名第一，同時在機器人模擬任務中展現出更高的資料處理效率。

評測方式上，這 34 項感知基準被劃分為 11 個能力類別並等權加權，GroundingPI 取得 73.68 分，高於 GPT-6 Astra 的 71.54 分。後者由 OpenAI 於今年 9 月釋出。小鵬表示，該模型是與北京大學、香港大學等高校的研究團隊合作開發，目前程式碼與模型權重均已開源。

從命名看，Grounding 對應視覺定位這一核心感知能力，PI 則是 Physical Intelligence（物理智慧）的縮寫。小鵬給出的技術判斷是：現有通用大模型主要面向數字場景設計，直接遷移到自動駕駛、機器人等物理場景時存在適配落差。GroundingPI 因此選擇「感知優先」路線，主張具身智慧的首要前提是準確感知空間位置。

這一路線體現在訓練資料的選擇上。該模型在訓練階段不使用帶關節動作標籤的機器人資料，而是完全依賴不帶動作標籤的純感知資料，覆蓋通用檢測、文字識別、機器人空間定位等 11 個能力類別。換言之，它試圖把「看懂環境」與「執行動作」解耦，先夯實感知底座。

在具身智慧的常見框架裡，系統通常被分為負責高速感知與動作執行的快系統（System 1），以及負責任務理解與規劃的慢系統（System 2）。小鵬明確，GroundingPI 的定位是為快系統提供感知原生的基礎，而非取代慢系統的通用大模型能力。這一定位意味著它與通用大模型是互補關係，而非替代關係。

研究目前處於科學原型階段，但模擬結果已為規模化部署中的兩個核心挑戰提供了驗證。其一是降低人工採集機器人示範資料的成本：以 GroundingPI 作為視覺基礎的系統，僅使用 50% 的示範資料，執行成功率即可超過使用 75% 資料的對比模型，原因在於它直接承接了傳統視覺—語言—動作（VLA）模型中負責物體定位的任務。其二是更強的場景泛化能力：在散料分揀、料箱計數等高密度模擬場景中，面對物料、物體類別與背景的變化，系統仍能保持穩定表現，為跨工位複用提供支撐。

放到小鵬的整體佈局中看，GroundingPI 是其構建物理 AI 體系的一步。近年小鵬持續加碼物理 AI，希望以此驅動智慧駕駛、人形機器人和 Robotaxi 三條業務線。今年早些時候，小鵬將自動駕駛中心與智慧座艙中心合併為通用智慧中心，由 AI 專家 劉先明 牽頭，集中資源為汽車與機器人業務提供統一的 AI 中台基礎支撐。

從行業視角看，車企正越來越多地把競爭焦點從單車功能轉向底層 AI 能力。小鵬此次選擇開源模型權重，一方面有助於吸引研究社群參與、加快迭代，另一方面也把「感知基準分數」變成了一個可被外部檢驗的公開標尺。不過需要指出的是，基準評測與模擬結果並不等同於真實道路與真實產線上的表現，從科學原型走向規模化部署，仍需經過實車與實機驗證。此外，與高校合作開發、以純感知資料訓練的思路，能否在資料成本與泛化能力之間持續兌現優勢，也有待更多獨立復現。