当下，多模态大模型正被引入工厂与实验室，但一个明显短板随之浮现——它们能够识别图像，却难以准确把握真实场景中的空间位置、遮挡关系及视角变化，更难以据此制定行动方案。这正是物理AI迈向产业化必须跨越的关键障碍。

在国际上，Google、英伟达以及李飞飞创立的World Labs正加大对物理AI和世界模型的投入；国内则逐步形成两条技术路线：一是专注于垂直具身大模型，重点突破机器人的空间感知与操控；二是从通用多模态大模型出发，持续强化图文、音视频等综合认知能力。前者更贴近实际物理任务，后者具备更强的通用认知基础，但如何在单一模型中实现两类能力的真正融合，仍是行业未解的难题。

9月15日，由中国科学院自动化研究所孵化的国家队企业中科紫东太初，开源了面向物理世界的通用多模态大模型ZDTaichu5.0-9B。根据团队公布的横向评测，该模型在通用能力上保持第一梯队水准，同时是10B参数规模内空间具身能力领先的通用多模态大模型，在九项国际空间具身理解基准测试中，取得八项组别第一。

跑分只能反映部分能力。此次开源还包含空间多模态数据生产管线，模型已在科研实验和智能制造任务中进行了实地测试。这款模型延续了紫东太初多年的原生多模态路线，并将AI能力边界进一步拓展至物理世界。

这一突破，也引发了两个值得探讨的问题：当AI从解读数字世界，升级到理解、规划并介入真实物理场景，中国需要怎样的自主可控AI底座？紫东太初又为何能成为这条赛道上值得关注的重要选手？

物理AI转折点

空间具身智能底座成为必争之地

过去的大模型主要处理相对稳定的数字内容。进入物理环境后，模型面对的是持续变化、无法完全预判的场景。机器人不仅要识别眼前的物体，还需判断它的位置、与其他物体的关系，以及下一步该如何行动。

空间具身理解已成为当今AI从数字世界进入物理世界必须补齐的基础能力。

以制造业为例，国际机器人联合会（IFR）数据显示，2024年中国新装工业机器人约29.5万台，占全球的54%，在役总量超过200万台。

然而，在以预设程序为主的产线上，机器人擅长执行重复任务，一旦工件换型或工艺调整，往往需要工程师重新示教、标定与调试——这正是柔性生产长期存在的痛点，也是空间具身智能最直接的产业价值所在。

但从模型能力到真实产业现场，仍存在明显断层。

开源权重只是起点。企业还需将工业和科研数据转化为可训练样本，再用这些数据迭代模型。许多项目也缺乏实体任务验证，模型在仿真之外的表现仍有待检验。因此，产业需要的是一套能持续理解现场、处理空间关系并生成任务规划的空间具身智能方案。

基准测试只能验证局部能力。空间具身智能的竞争，取决于模型能否从“看懂”走向“理解—规划—执行”。 谁能真正打通这条链路，谁才有可能成为机器人、柔性制造与科研自动化背后的通用智能底座。

而ZDTaichu5.0-9B，正是紫东太初针对这一产业问题给出的实践方案。

紫东太初，从原生多模态模型里长出来的空间具身智能玩家

要理解这款模型，首先需要澄清一个常见误解：ZDTaichu5.09B并非针对热点单独开发的全新项目，而是紫东太初长期技术路线演进的里程碑。

这家成立于2024年的公司，由中国科学院自动化研究所孵化，作为国家队企业，目标是打造自主可控的中国通用人工智能底座。

其技术路线可追溯至2021年——当时中国科学院自动化所发布了千亿参数规模的图文音三模态大模型“紫东太初”，使图像、文本与语音在同一个模型中统一表示，这一布局早于行业多模态热潮。

随后的2.0版本纳入了视频、传感信号与3D点云；4.0版本从多模态理解转向多模态深度推理；到了ZDTaichu5.09B，能力重心进一步落在空间感知、跨视角推理、任务状态维护与具身条件判断上。

换言之，空间具身能力是紫东太初原生多模态路线的自然延伸。

这种一体化的技术路线，带来了一个关键差异：空间具身推理能力提升的同时，图文理解、OCR、视觉数学、代码与Agent等通用能力仍保持第一梯队。这一点对产业至关重要——真正的工业现场，既要看清物体位置与空间关系，也要读懂工单、识别仪表、理解实验文档，通用能力与空间能力必须同时在线。

根据团队公布的横向评测，在10B参数档位的通用多模态大模型中，ZDTaichu5.09B在九大国际权威空间具身理解基准测试中斩获八项通用组别第一，是这一档位空间具身能力最强的通用多模态模型。差距最大的复杂空间推理上，考察跨视角定位的ViewSpatial得分62.5，参与对比的同档模型为48.2；在考察三维空间推演维度的MindCube-tiny上则高出20.67分。

这组结果说明，它没有靠牺牲通用能力来换取空间跑分。其自研的自适应循环推理，会让模型先评估每一步输出的把握，对空间变换、物体关系、操作条件等不确定的环节增加几轮内部计算再作答，算力向难题倾斜，平均推理成本可控，也更适合产业端部署。

两大稀缺护城河

拉开与普通开源模型的差距

榜单只反映模型在规定题目中的表现。企业还需解决两个实际问题——如何用自有数据继续训练，以及模型进入设备后能否连续工作。ZDTaichu5.0-9B此次开源同时覆盖了数据管线和实体任务验证。

护城河一：不止开源权重，同步开放完整数据生产管线

市面上绝大多数开源模型只放出权重。企业拿回去后最常遇到的问题在于：手里明明攒下了大量工厂现场视频、仿真数据与实验记录，却不知道如何将这些原始材料清洗、标注、构造成高质量的空间任务样本，最终无法完成自有数据的微调与迭代。

紫东太初的差异化在于，它在开放模型权重的同时，同步开源了一套经过验证的空间多模态数据生产管线方案——从数据接入与清洗、空间具身能力标注，到任务轨迹构造与样本校验，为微调和强化学习准备好数据。

如果说权重是一台出厂调好的设备，那么这套管线更像随设备附带的完整工艺文件：企业换了工件，可以照着工艺重新备料、打样与检验。

它的意义并不局限于交付一套基础模型，而是回应了产业“拿到模型、却无法用自有数据迭代”的普遍痛点，降低了全行业进入空间具身智能的门槛。紫东太初也把自身多年沉淀的数据工程经验，转化为产业可复用的开发方法，而这是过去普通开源模型难以提供的能力。

护城河二：拒绝“跑分即终点”，完成实体场景闭环验证

产业层面往往对“只刷基准测试的模型公司”保持警惕。紫东太初的解法是，不止停留在仿真测试，已经将能力推进到科研智能与智能制造两大高价值赛道，完成真实实体任务的验证。

在科研场景中，ZDTaichu5.0-9B已接入紫东太初的科研智能体平台ScienceClaw开展测试。该平台覆盖8个学科，并验证了干实验和湿实验任务。

干实验中，研究者用自然语言提出一个阻尼振子问题，ZDTaichu5.0-9B在ScienceClaw中调用数学与编程工具求解、交叉比对解析解与数值解后输出分析报告；湿实验则把模型带到实验台前——试管按序入架、滴管液体转移等任务中，模型需要持续追踪对象位置、判断任务进度，这正是自动化实验平台编排上层任务所必需的能力。

在制造场景中，模型验证了工单与设备能力的衔接——从“将红架上的篮筐放到传送带上”这类工单指令出发，完成对象识别、空间关系理解、高层任务规划，直至依据执行反馈确认任务完成；在与某先进制造企业的合作中，模型读懂工艺图纸并转成机器人可执行的焊接代码，根据实时捕捉的焊缝间隙与错边量生成焊接路径，目前支持25种焊接工艺。

可以看到，很多模型还停留在实验室仿真，而紫东太初已经完成了从“空间具身理解推理—具身任务规划—实体执行反馈”的完整链路验证。

在战略选择上，它并不涉足机器人整机硬件，而是通过“一脑多形”的具身智能平台适配50多种机器人本体——模型负责高层理解与规划，底层的导航、抓取、夹爪控制与安全逻辑仍交由成熟系统，从而保护工厂已有的硬件与控制投资，降低产线改造门槛。这种“底座平台”的产业位置，也为其商业空间打开了更大的想象。

站在物理AI浪潮

看紫东太初的产业空间

ZDTaichu5.0-9B是紫东太初“模型—数据—场景”体系的一次阶段性呈现。

模型层提供原生多模态底座，兼顾通用能力与空间具身能力；数据层以自研数据生产管线，解决物理AI最难的“数据工程”难题；场景层则通过科研、智能制造与机器人持续验证，反过来反哺模型迭代。

未来机器人产业、柔性智能制造与科研自动化都需要空间具身智能底座，而国产自主可控的需求尤为强烈。ZDTaichu5.0-9B所在的9B档位，兼顾了性能与部署成本，适合私有化、端侧及产业端的大规模落地，具备清晰的商业化承接路径。

纵观当下的AI竞赛，大模型的竞争，已经走过单纯比拼参数量与榜单跑分的阶段。物理AI时代，真正的硬实力，还要看模型能不能走出实验室，落地到真实工厂与产业场景。国内不少玩家只占据“模型—数据—场景”中的某一环，而紫东太初是少数同时跑通三层链路的国产底座企业。

ZDTaichu5.0-9B开源的价值，已经超越一款开源模型本身。它向产业展示的，是紫东太初从原生多模态大模型，向空间具身智能演进的完整能力图谱。依托中国科学院自动化所的技术源头，通过“模型—数据—场景”的闭环布局，紫东太初正在为中国物理AI提供一套自主可控、可落地的基础底座方案。

当机器人、智能制造与科研自动化产业迎来爆发，底层基座的价值也将随之持续释放。而一支试管是否被准确放回架中、一只篮筐是否被稳妥放上传送带——空间具身智能的答案，最终都要在这些具体的现场里得到确认。