智元发布ViLLA，开启具身智能新纪元

智元正式发布ViLLA，助力具身智能开启全新发展纪元

2025 年 3 月 10 日，国内人工智能领域的领军企业智元科技，于北京国家会议中心正式发布 “智元启元大模型”。这一成果意义非凡，它是我国首个面向复杂物理世界的通用具身智能基座模型，突破性地提出 “Vision - Language - Latent - Action (ViLLA)” 融合架构，标志着中国在通用人工智能领域实现重大技术飞跃。

重构人机交互，实现多模态融合

与传统单模态大模型不同，启元模型借助三层异构神经网络构建感知决策闭环。视觉模块运用动态注意力机制处理环境信息，语言引擎集成多轮对话上下文记忆，而其独创的 Latent Action 空间，能够将抽象指令转化为可执行的动作序列。在实际测试中，该模型展现出卓越的跨场景任务迁移能力。当接收到 “整理杂乱书桌” 的指令时，系统能够自主规划路径、识别物品类别，并精准完成抓取与摆放动作，整个过程无需人工干预，充分体现了其智能与高效。

全场景落地，推动智能终端升级

基于启元基座开发的具身智能终端已步入规模化测试阶段。在工业质检领域，搭载该模型的机械臂可将零件缺陷识别准确率提升至 99.7%，操作效率提高 3 倍，极大提升了工业生产的质量与效率。在智能家居系统中，家庭服务机器人通过三维语义理解，能够完成 “擦桌子时避开装饰品” 等精细化动作，为日常生活带来更多便利。尤其值得关注的是医疗护理场景，经过专业数据训练的机器人，已能够协助完成导诊分诊、康复器械操作等专业任务，为应对老龄化社会提供了有力的解决方案，彰显了具身智能在改善民生方面的巨大潜力。

产学研联动，构建产业生态

智元科技联合清华大学、中科院自动化所等机构，成立 “具身智能联合实验室”，并计划在年内开放百万级参数级的开源训练框架。公司 CEO 李峰透露：“我们将持续投入超 20 亿元研发资金，年内推出支持多国语言、适配主流硬件的开发者套件，与合作伙伴共同构建具身智能产业生态。” 随着国家 “新一代人工智能发展规划” 的深入实施，智元科技的这一突破，有望进一步提升我国在通用人工智能赛道上的国际竞争力，推动整个行业迈向新的发展阶段，为科技进步与社会发展注入新的活力。