具身智能的「GPT时刻」来了！高德ABot双模型霸榜10项全球评测

自然语言处理领域在 GPT 系列模型出现后，完成了从任务特定架构向统一预训练范式的转变。这一转变的核心在于：通过标准化的 token 表示、统一的 Transformer 架构以及大规模预训练，构建了可迁移、可扩展的通用能力底座。

具身智能领域正面临相似的范式转折点。

长期以来，机器人系统受制于异构硬件形态、碎片化的动作表示以及场景特定的训练数据，难以形成统一的能力基础设施。每个新应用场景都需要重新设计感知-规划-控制全链路，这种定制化开发模式严重制约了技术的规模化应用。

阿里巴巴高德团队发布的 ABot 系列具身基座模型，通过系统性地解决数据统一、动作表示标准化以及跨任务泛化等核心技术挑战，为具身智能提供了首个工程级的统一解决方案。