物理AI拐点：国产空间具身智能底座，为什么是紫东太初被看见

当下，多模态大模型进入工厂和实验室，一个局限迅速暴露——它们能看懂图片，却难以判断真实现场中的方位、遮挡和视角变化，更难据此规划行动。而这也是物理AI真正走向产业化必须跨过的一道门槛。

海外，Google、英伟达以及李飞飞创办的World Labs接连加码物理AI与世界模型；国内则逐渐形成两类技术路径：一类是主攻垂直具身大模型，聚焦机器人空间具身理解与操控；另一类从通用多模态大模型出发，持续扩展图文音视频等综合认知能力。前者更贴近真实物理任务，后者拥有更强的通用认知基础，但如何让两类能力在同一个模型中真正统一，依然是行业尚未解决的问题。

9月15日，中国科学院自动化研究所孵化的国家队企业中科紫东太初，开源面向物理世界的通用多模态大模型ZDTaichu5.0-9B。按照团队披露的横向评测，该模型通用能力维持第一梯队水平，同时是10B参数规模内空间具身能力领跑的通用多模态大模型，在九项国际空间具身理解基准中拿下八项组别第一。

跑分只能说明一部分能力。这次开源还包含空间多模态数据生产管线，模型也在科研实验和智能制造任务中进行了落地测试。这款模型延续了紫东太初多年的原生多模态路线，并把AI能力的边界进一步推向物理世界。

这一突破，也催生出两个值得深究的命题：当AI从读懂数字世界，进阶到理解、规划并介入真实物理现场，中国需要构建怎样的自主可控AI底座？紫东太初，又凭什么能成为这条赛道值得重点关注的选手？

物理AI拐点

空间具身智能底座成为必争之地

过去的大模型主要处理相对稳定的数字内容。进入物理现场后，模型面对的是持续变化、无法完全预设的环境。机器人要识别眼前的对象，还要判断它在哪里、与其他物体是什么关系，以及下一步该做什么。

空间具身理解已经是当今AI从数字世界进入物理世界必须补齐的基础能力。

以制造业为例，国际机器人联合会（IFR）统计，2024年中国新装工业机器人约29.5万台，占全球的54%，在役总量超过200万台。

然而在以预设程序为主的产线上，机器人擅长执行重复任务，一旦工件换型或工艺调整，往往需要工程师重新示教、标定与调试——这正是柔性生产长期悬而未决的痛点，也是空间具身智能最直接的产业价值所在。

但从模型能力到真实产业现场，中间仍存在明显断层。

开源权重只是起点。企业还要把工业和科研数据转成可训练样本，再用这些数据迭代模型。许多项目也缺少实体任务验证，模型在仿真之外的表现仍待检验。因此，产业需要的是一套能持续理解现场、处理空间关系并生成任务规划的空间具身智能方案。

Benchmark只能验证局部能力。空间具身智能的竞争，取决于模型能否从“看懂”走向“理解—规划—执行”。谁能把这条链路真正跑通，谁才有可能成为机器人、柔性制造与科研自动化背后的通用智能底座。

而ZDTaichu5.0-9B，正是紫东太初针对这一产业问题给出的实践方案。

紫东太初，从原生多模态模型里长出来的空间具身智能玩家

要理解这款模型，首先需要破除一个常见误解：ZDTaichu5.09B并非面向热点单独开发的全新项目，而是紫东太初长期技术路线演进的里程碑。

这家成立于2024年的公司，由中国科学院自动化研究所孵化，作为国家队企业，目标打造自主可控的中国通用人工智能底座。

它的技术路线可以追溯到2021年——彼时中国科学院自动化所发布千亿参数规模的图文音三模态大模型“紫东太初”，让图像、文本与语音在同一个模型里统一表示，这一布局早于行业多模态热潮。

此后的2.0版本纳入视频、传感信号与3D点云；4.0版本从多模态理解走向多模态深度推理；到了ZDTaichu5.09B，能力重心进一步落在空间感知、跨视角推理、任务状态维护与具身条件判断上。

换言之，空间具身能力是紫东太初原生多模态路线的自然延伸。

这种一体化的技术路线，带来了一个关键差异：空间具身推理能力提升的同时，图文理解、OCR、视觉数学、代码与Agent等通用能力仍然保持第一梯队。这一点对产业至关重要——真正的工业现场，既要看清物体位置与空间关系，也要读懂工单、识别仪表、理解实验文档，通用能力与空间能力必须同时在线。

根据团队披露的横向评测，在10B参数档位的通用多模态大模型中，ZDTaichu5.09B在九大国际权威空间具身理解基准测试中斩获八项通用组别第一，是这一档位空间具身能力最强的通用多模态模型。差距最大的复杂空间推理上，考察跨视角定位的ViewSpatial得分62.5，参与对比的同档模型为48.2；在考察三维空间推演维度的MindCube-tiny上则高出20.67分。

这组结果说明，它没有靠牺牲通用能力换来空间跑分。其自研的自适应循环推理，会让模型先评估每一步输出的把握，对空间变换、物体关系、操作条件等吃不准的环节增加几轮内部计算再作答，算力向难题倾斜，平均推理成本可控，也更适合产业端部署。

两大稀缺护城河

拉开与普通开源模型的差距

榜单只反映模型在规定题目中的表现。企业还要解决两个实际问题——如何用自有数据继续训练，以及模型进入设备后能否连续工作。ZDTaichu5.0-9B此次开源同时覆盖了数据管线和实体任务验证。

护城河一：不止开源权重，同步开放完整数据生产管线

市面上绝大多数开源模型只放出权重。企业拿回去后最常踩的坑在于：手里明明攒下了大量工厂现场视频、仿真数据与实验记录，却不知道如何把这些原始材料清洗、标注、构造成高质量的空间任务样本，最终无法完成自有数据的微调与迭代。

紫东太初的差异化在于，它在开放模型权重的同时，同步开源了一套经过验证的空间多模态数据生产管线方案——从数据接入与清洗、空间具身能力标注，到任务轨迹构造与样本校验，为微调和强化学习准备好数据。

如果说权重是一台出厂调好的设备，那么这套管线更像随设备附带的完整工艺文件：企业换了工件，可以照着工艺重新备料、打样与检验。

它的意义并不局限于交付一套基础模型，而是回应了产业“拿到模型、却无法用自有数据迭代”的普遍痛点，降低了全行业进入空间具身智能的门槛。紫东太初也把自身多年沉淀的数据工程经验，转化为产业可复用的开发方法，而这是过去普通开源模型难以提供的能力。

护城河二：拒绝“跑分即终点”，完成实体场景闭环验证

产业层面往往对“只刷Benchmark的模型公司”保持警惕。紫东太初的解法是，不止停留在仿真测试，已经将能力推进到科研智能与智能制造两大高价值赛道，完成真实实体任务的验证。

在科研场景中，ZDTaichu5.0-9B已接入紫东太初的科研智能体平台ScienceClaw开展测试。该平台覆盖8个学科，并验证了干实验和湿实验任务。

干实验中，研究者用自然语言提出一个阻尼振子问题，ZDTaichu5.0-9B在ScienceClaw中调用数学与编程工具求解、交叉比对解析解与数值解后输出分析报告；湿实验则把模型带到实验台前——试管按序入架、滴管液体转移等任务中，模型需要持续追踪对象位置、判断任务进度，这正是自动化实验平台编排上层任务所必需的能力。

在制造场景中，模型验证了工单与设备能力的衔接——从“将红架上的篮筐放到传送带上”这类工单指令出发，完成对象识别、空间关系理解、高层任务规划，直至依据执行反馈确认任务完成；在与某先进制造企业的合作中，模型读懂工艺图纸并转成机器人可执行的焊接代码，根据实时捕捉的焊缝间隙与错边量生成焊接路径，目前支持25种焊接工艺。

可以看到，很多模型还停留在实验室仿真，而紫东太初已经完成了从“空间具身理解推理—具身任务规划—实体执行反馈”的完整链路验证。

在战略选择上，它并不涉足机器人整机硬件，而是通过“一脑多形”的具身智能平台适配50多种机器人本体——模型负责高层理解与规划，底层的导航、抓取、夹爪控制与安全逻辑仍交由成熟系统，从而保护工厂已有的硬件与控制投资，降低产线改造门槛。这种“底座平台”的产业位置，也为其商业空间打开了更大的想象。

站在物理AI浪潮

看紫东太初的产业空间

ZDTaichu5.0-9B是紫东太初“模型—数据—场景”体系的一次阶段性呈现。

模型层提供原生多模态底座，兼顾通用能力与空间具身能力；数据层以自研数据生产管线，解决物理AI最难的“数据工程”难题；场景层则通过科研、智能制造与机器人持续验证，反过来反哺模型迭代。

未来机器人产业、柔性智能制造与科研自动化都需要空间具身智能底座，而国产自主可控的需求尤为强烈。ZDTaichu5.0-9B所在的9B档位，兼顾了性能与部署成本，适合私有化、端侧及产业端的大规模落地，具备清晰的商业化承接路径。

纵观当下的AI竞赛，大模型的竞争，已经走过单纯比拼参数量与榜单跑分的阶段。物理AI时代，真正的硬实力，还要看模型能不能走出实验室，落地到真实工厂与产业场景。国内不少玩家只占据“模型—数据—场景”中的某一环，而紫东太初是少数同时跑通三层链路的国产底座企业。

ZDTaichu5.0-9B开源的价值，已经超越一款开源模型本身。它向产业展示的，是紫东太初从原生多模态大模型，向空间具身智能演进的完整能力图谱。依托中国科学院自动化所的技术源头，通过“模型—数据—场景”的闭环布局，紫东太初正在为中国物理AI提供一套自主可控、可落地的基础底座方案。

当机器人、智能制造与科研自动化产业迎来爆发，底层基座的价值也将随之持续释放。而一支试管是否被准确放回架中、一只篮筐是否被稳妥放上传送带——空间具身智能的答案，最终都要在这些具体的现场里得到确认。