作者 | 黄昱

具身智能领域那堵长期存在的“智力高墙”，正在被一点点打破。

2月10日，阿里巴巴达摩院正式发布具身智能大脑基础模型 RynnBrain，并一次性开源了包括业界首个 30B MoE（混合专家模型）架构在内的 7 个全系列模型。

这一动作具有一定的里程碑意义。据介绍，RynnBrain首次让机器人拥有了时空记忆和空间推理能力，同时在16项具身开源评测榜单上刷新纪录（SOTA），超越谷歌Gemini Robotics ER 1.5等行业顶尖模型。

这意味着，具身智能长期面临的“时空遗忘”与“物理幻觉”枷锁正被努力解开，机器人大脑有望从简单的指令接收器进化为具备深度环境理解能力的智能实体。

长期以来，具身模型的智能水平已成为制约机器人走向通用化的重要瓶颈，尤其是泛化能力的短板极大地限制了其在复杂物理场景中的应用。

为了突破这一瓶颈，业界形成了多条技术探索路线。

据华尔街见闻了解，一类是侧重于动作输出的 VLA 模型，虽然能直接操作物理世界，但由于高质量机器数据稀缺，极难实现跨场景的泛化；另一类则是引入具备泛化潜力的 VLM 等大脑模型，但这类模型普遍缺乏记忆能力，动态认知受限，且普遍存在物理幻觉，难以支持人形机器人复杂的移动操作。

这种由于智力架构缺陷导致的技术高墙，使得即便看似先进的机器人，在面对复杂的移动操作时依然显得力不从心。

阿里达摩院的 RynnBrain 模型正是为了从底层逻辑上推倒这堵墙而生。

据悉，RynnBrain创造性地引入了时空记忆和物理世界推理两项核心能力，这是机器人与环境深度互动所需的两项基本能力。

所谓时空记忆，是指机器人能够在完整的历史记忆中定位物体、回溯目标区域，甚至预测运动轨迹，从而赋予了机器人全局的时空回溯能力。

物理空间推理则不同于传统的纯文本推理范式，RynnBrain 采用文本与空间定位交错进行的推理策略，确保其推理过程紧密扎根于物理环境，大大减弱了幻觉问题。

举例来说，运行 RynnBrain 的机器人在执行任务 A 时若被突然打断要求先做任务 B，它能精准地记住任务 A 的时间与空间状态，待任务 B 完成后再无缝接续工作。这种“长脑子”的记忆机制，解决了具身智能领域长期存在的“瞬时失忆”难题。

此外，据华尔街见闻了解，RynnBrain在 Qwen3-VL 的基础上训练，并采用了达摩院自研的 RynnScale 架构进行深度优化，在同等算力资源下实现了两倍的训练加速，训练数据量更是超过了2000 万对。

这种高效的训练体系直接体现在了评测成绩上：在包括环境感知、对象推理、第一人称视觉问答、空间推理、轨迹预测等在内的 16 项关键任务中，RynnBrain 全方位刷新了行业纪录。这不仅是算力的堆砌，更是对具身智能底层架构的一次成功重构。

据悉，RynnBrain还拥有良好的可拓展性，能够快速后训练出导航、规划、动作等多种具身模型，有望成为具身行业的基础模型。

在想要打造具身智能行业基础模型的道路上，达摩院也选择了开源这一条路线。

据悉，达摩院此次开源了RynnBrain全系列模型，共计7个，包含全尺寸基础模型与后训练专有模型，其中有业界首个MoE架构的30B具身模型，只需要3B的推理激活参数就能超越业界的72B模型效果，因此能让机器人动作更快、更丝滑。

同时，达摩院还开源了全新评测基准 RynnBrain-Bench，用于评测时空细粒度具身任务，填补了行业空白。

阿里达摩院此番大规模开源的背后，显然有着更为宏大的行业雄心，那就是要加速构建一个开放、可进化的具身智能生态。

站在全球科技竞争的视角看，具身智能正处于从“数字虚拟”向“物理实体”跨越的关键拐点。

达摩院具身智能实验室负责人赵德丽指出，RynnBrain首次实现了大脑对物理世界的深度理解与可靠规划，为大小脑分层架构下的通用具身智能迈出关键一步。“我们期待它加速 AI 从数字世界走向真实物理场景的落地进程。”

2017年，阿里巴巴成立18年之际，马云创办了达摩院，致力于解决促进生产力的科技、研发等问题，彼时蚂蚁集团还承诺将在三年内对达摩院投入 1000 亿元。

不过近三年来，在阿里集团组织大变革的背景下，达摩院也经历了一次次的调整和洗牌，过去丰富的“4+X”研究领域，如今仅留下了“智能+计算”，智能方向包含医疗 AI、决策智能、视频技术、具身智能、基因智能等，计算方向包含计算技术、RISC-V 等。

具身智能显然是达摩院如今重点投入的方向之一。

据了解，在具身智能上，达摩院正在构建可部署、可扩展、可进化的具身智能系统，已开源了融合世界模型和VLA模型的WorldVLA、世界理解模型 RynnEC等具身模型，以及业界首个机器人上下文协议 RynnRCP。

在达摩院聚焦具身智能的同时，全球人形机器人市场也进入规模化发展的关键节点。2025 年，全球人形机器人市场迎来了规模化起点。

IDC数据显示，去年全年全球人形机器人出货量接近1.8万台，同比增长约508%，销售额约4.4亿美元；同期，累计销售订单量预计超过3.5万台。

虽然当前这一领域仍面临着真实物理反馈数据稀缺、非结构化环境泛化以及软硬件深度协同等诸多挑战，但RynnBrain 的开源无疑为全球开发者提供了一套相对成熟的“大脑模板”，有助于具身智能产业化的加速落地。

对于行业而言，这不仅是一次代码的释放，更是一次技术权力的重新分配。当顶尖模型不再是巨头实验室里的秘密武器，具身智能产业将进入一个加速迭代、群体进化的新周期。