7月19日的上海世博展览馆，WAIC 2026的现场人声鼎沸。
在面壁智能的展台前，一只机器狗正在灵活地跟随一位参观者穿梭于人群之中。没有网络连接，没有遥控器，机器狗就像一条训练有素的导盲犬，紧紧跟随着主人的步伐。
围观的人群中有人小声议论："这是怎么做到的？不用联网？"
面壁智能的工程师笑了笑，指着屏幕上的模型介绍："这是我们刚刚开源的MiniCPM-Robot系列模型。"
[图片：article2_img1.jpg] WAIC 2026面壁智能展台机器狗演示
两个模型，一次突破
MiniCPM-Robot不是单个模型，而是一个系列。它包含两个核心成员：MiniCPM-RobotManip和MiniCPM-RobotTrack。
MiniCPM-RobotManip是一个通用的VLA模型，也就是视觉-语言-动作模型，参数量为1.5B。别看参数不大，它的任务是理解人类的语言指令，看懂周围的环境，然后输出机器人可以执行的动作。简单说，它就是机器人的"大脑"，负责"想"。
MiniCPM-RobotTrack则是一个跟踪导航模型，参数量更小，只有0.9B。它的任务是让机器人能够跟随特定目标移动。如果说Manip是"大脑"，那Track就是"小脑"，负责"跟"。
[图片：article2_img2.jpg] MiniCPM-Robot两个模型架构对
两个模型各司其职，又相互配合。这种分工设计背后，是面壁智能对具身智能的深刻理解：机器人不需要一个无所不能的巨型模型，它需要的是在特定任务上足够快、足够准的专用模型。
攻克记忆短板：视觉Token的极致压缩
具身智能领域一直有个老大难问题：机器人的"记忆"太差。
传统的VLA模型在处理视觉信息时，会把每一帧图像转化成大量的视觉Token。这些Token占用了模型的上下文窗口，导致机器人很难记住之前发生了什么。就像一个人只能看到眼前这一秒的画面，之前的一切都忘了。
面壁智能的突破在于"视觉Token的极致压缩"技术。通过这项技术，机器人可以在不丢失关键信息的前提下，大幅减少视觉Token的占用。这意味着机器人终于有了"长期记忆"，能够记住之前的操作步骤和环境变化。
[图片：article2_img3.jpg] 视觉Token压缩技术原理示意图
这项突破的意义怎么强调都不过分。在实际应用中，很多机器人任务都需要多步操作。比如组装一个零件，你需要先拿起A部件，再拿起B部件，然后把它们拼在一起。如果机器人记不住"我已经拿起了A部件"，它就会反复做无用功。记忆问题的解决，让多步操作真正成为可能。
53.5对10.4：实力说话
数据是最诚实的裁判。
在业内权威的RMBench榜单上，MiniCPM-RobotManip拿到了53.5分。作为对比，Physical Intelligence的π0.5模型只得了10.4分。两者之间的差距，不是一点半点。
[图片：article2_img4.png] RMBench榜单MiniCPM-Rob
更关键的是速度。MiniCPM-RobotManip的单步决策仅需120毫秒，而π0.5需要234毫秒。在机器人控制领域，每缩短一毫秒都意味着更流畅的操作体验。120毫秒意味着什么？人类眨一次眼大约需要300毫秒，也就是说，机器人在你眨眼的时间里已经做了两次以上的决策。
这种速度优势在实际场景中至关重要。想象一个机器人在流水线上分拣零件，每秒钟需要做出好几次决策。如果每次决策都要等234毫秒，流水线就得放慢速度。但120毫秒的决策速度，足以跟上大多数工业流水线的节拍。
更值得关注的是，MiniCPM-RobotManip在保持高速度的同时并没有牺牲精度。在RMBench的多个子任务中，包括抓取、放置、推拉等基本操作，它的表现都远超同级别模型。这说明面壁智能在模型架构上做出了正确的取舍——不是简单地压缩参数换取速度，而是通过更高效的架构设计实现了速度和精度的双赢。
有业内专家分析，MiniCPM-RobotManip之所以能以1.5B的参数量碾压参数量数十倍的π0.5，关键在于训练策略的创新。面壁智能在数据质量和训练效率上做了大量优化，用更少但更精准的数据训练出了更强的模型。这颠覆了行业内"大力出奇迹"的固有认知。
纯无网部署：跟踪模型的新标杆
MiniCPM-RobotTrack的亮点在于另一个关键词：纯无网部署。
这是业内首个提供真实本地纯无网部署的跟踪模型。什么意思？大多数机器人跟踪模型都需要依赖云端计算，也就是说机器人得时刻联网。但在很多场景下，网络是不可靠的——地下车库、偏远工厂、野外作业，这些地方要么没有网络，要么信号极差。
MiniCPM-RobotTrack原生适配了宇树Go2 Edu机器狗，在无网或弱网环境下依然能够流畅跟随。文章开头那个在WAIC现场自如穿梭的机器狗，正是搭载了这款模型。
[图片：article2_img5.jpg] 宇树Go2 Edu机器狗无网环境跟随演示
想象一个应用场景：在一个地下矿井中，巡检机器狗需要跟随矿工穿越复杂的巷道。没有WiFi，没有5G，但机器狗依然紧紧跟在矿工身后，遇到障碍物自动绕行，遇到岔路口自动判断方向。这种能力在应急救援、野外勘探等场景中有着巨大的应用价值。
再想一个仓储物流的场景。大型仓库的角落往往信号薄弱，传统依赖云端的AGV小车经常会因为断网而停机。搭载了MiniCPM-RobotTrack的机器狗则完全没有这个顾虑，它可以在货架之间自如穿行，跟随拣货员到达指定货位，等待指令完成取货动作。整个过程不需要任何网络支持，大大提高了系统的可靠性。
在农业场景中，这款模型同样大有用武之地。广袤的农田几乎没有网络覆盖，但搭载MiniCPM-RobotTrack的农业机器人可以跟随农民在田间巡逻，辅助完成播种、施肥、采摘等工作。农民不需要操控遥控器，机器人会自动保持跟随距离，在需要时停下来等待指令。
PhyAI加速：硬件软件的协同进化
好的模型还需要好的硬件来跑。
面壁智能同时发布了PhyAI加速方案，在RTX 5090显卡上，对π0模型实现了2.85倍的加速，对英伟达的GR00T模型实现了2.28倍的加速。这意味着即使是竞争对手的模型，也能通过PhyAI获得显著的性能提升。
这种"我做好地基，大家都能盖楼"的思路，体现了面壁智能作为开源社区参与者的格局。你不必非得用我的模型，但我的加速方案可以让你的模型跑得更快。
2500万次下载：开源的力量
MiniCPM-Robot并不是面壁智能的第一个开源项目。
此前，MiniCPM-V和MiniCPM-O系列模型的开源下载量已经突破了2500万次。这个数字在全球开源模型中都是名列前茅的。面壁智能走的是一条"小模型、大能力"的路线——不追求参数规模上的军备竞赛，而是在有限参数下把性能压榨到极致。
这种策略在具身智能领域尤其有效。机器人上的计算资源是有限的，你不可能在一只机器狗背上放一台服务器。1.5B和0.9B的参数量意味着这些模型可以在边缘设备上本地运行，不需要依赖云端。
具身智能的下一站
MiniCPM-Robot的开源，对整个具身智能行业来说是一个重要的里程碑。
它证明了一件事：小模型也能做好具身智能。你不需要几百亿参数的巨型模型，只需要在架构设计和技术路线上做对选择，1.5B的参数就能在榜单上碾压大几十倍的对手。
更重要的是，开源意味着更多开发者可以参与进来。当一个研究生可以在自己的机器狗上跑起MiniCPM-RobotTrack时，具身智能的创新就不再被大公司垄断。每一个有想法的人，都可以为这个领域贡献自己的力量。
面壁智能选择开源这条路，背后是一种长远的眼光。具身智能行业目前还处于早期阶段，技术路线远未收敛。与其关起门来自己摸索，不如开放出来让全社区的智慧汇聚在一起。开源不是慈善，而是一种更高效的研发模式——当全世界的研究者都在你的模型上做实验时，你能获得的反馈和改进速度，远远超过任何一家公司闭门造车。
WAIC现场的机器狗演示结束了，但围观的观众久久没有散去。有人拿出手机拍照，有人蹲下来仔细观察机器狗的运动方式。在他们的眼中，你能看到一种熟悉的表情——那是对未来的期待。
