3月10日，智元發布首個通用具身基座模型——智元啟元大模型GO-1。相比目前已有的最優模型，GO-1在五種不同復雜度任務上測試成功率大幅度領先，其中平均成功率提高了32%，并且在 “Pour Water”（倒水）、“Table Bussing”（清理桌面） 和 “Restock Beverage”（補充飲料） 任務表現尤為突出。

智元GO-1在復雜任務中的高成功率源于其Vision-Language-Latent-Action (ViLLA) 架構。據了解，該架構由智元開創性采用，是由VLM(多模態大模型) + MoE(混合專家)兩種組成，其中VLM借助海量互聯網圖文數據獲得通用場景感知和語言理解能力，MoE中的Latent Planner(隱式規劃器)借助大量跨本體和人類操作視頻數據獲得通用的動作理解能力，MoE中的Action Expert(動作專家)借助百萬真機數據獲得精細的動作執行能力。

在推理時，VLM、Latent Planner和Action Expert三者協同工作，實現與外部環境的交互和任務智能化判斷。

其實從行業來看，全球具身機器人普遍處在“低齡階段”，機器人只能在實驗室內執行單一任務，并且很多執行動作更多是預設程序，具身機器人只是根據編程命令執行動作，不能與外部環境交互，無法自主執行命令，智能化水平低。

但智元GO-1發布后，具身機器人可在ViLLA 架構的加持下，具備人類視頻學習、小樣本快速泛化、一腦多形、持續進化四大特征，不僅讓大模型更理解人類的行為、大幅度降低訓練成本，而且還能再不同機器人形態中遷移，在實際執行中迭代學習。

智元GO-1帶給具身機器人的新特征，將極大推動具身機器人行業的發展，未來具身機器人將從依賴特定任務的工具，向著具備通用智能的自主體發展，在商業、工業、家庭等多領域發揮更大的作用，通向更加通用全能的智能未來。

作為全球具身機器人行業領先者，智元始終致力于推動具身機器人行業發展。

2024年年底，智元推出了 AgiBot World，包含超過100萬條軌跡、涵蓋217個任務、涉及五大場景的大規模高質量真機數據集，收錄了八十余種日常生活中的多樣化技能，包括抓取、放置、推、拉等基礎操作，以及攪拌、折疊、熨燙等交互動作，為行業解決了全域真機數據獲取難，訓練成本高的難題。

未來已來，機器人服務人類的時代已經不遠，而作為具身機器人行業領先者，智元不斷實現突破，讓科幻電影中的畫面逐步照進現實。