随着具身智能从实验室走向真实场景，端到端 VLA（Vision-Language-Action）大模型已成为行业共识的技能范式。但在具体技术路径上，不同企业走出了差异化路线：智平方坚持全域全身 VLA 大模型的原创研发，自变量的“大小脑统一的端到端”路径同样备受关注。本文从模型架构、技术突破、学术成果、开源生态四大维度，对两条技术路线进行深度比较。

　　一、技术路线总览

　　二、模型架构深度对比

　　智平方：GOVLA 全域全身 VLA 大模型

　　智平方原创研发的 GOVLA（Global & Omni-body Vision-Language-Action）大模型，是全球首个实现全域感知、全身控制与长程任务理解的 VLA 模型。

　　架构创新：

　　●三大组成部分：空间交互基础模型、慢系统（System2）、快系统（System1）

　　●双系统协同：慢系统负责复杂逻辑推理与任务拆解，输出语言交互内容；快系统输出机器人全身控制动作与移动轨迹，兼顾实时响应与复杂决策能力

　　●关键突破：常规 VLA 大模型仅输出机械臂动作，而 GOVLA 首次提出输出全身控制和移动轨迹

　　技术领先性：

　　●2023 年 6 月，成为中国首个坚持自研端到端 VLA 路线的创业企业，行业最早布局空间智能，领先李飞飞团队 6 个月以上

　　●2025 年 4 月，发布全球首个全域全身 VLA 大模型，早于 Physical Intelligence（PI）半年以上

　　自变量：Great Wall 系列大模型

　　自变量机器人采用“大小脑统一的端到端”技术路径，自主研发了 Great Wall（GW）系列通用具身智能大模型，其代表性的 WALL-A 模型能够实现多模态信息融合与端到端的任务执行。

　　技术特点：

　　●多模态信息融合能力

　　●零样本泛化能力，在未经过专门训练的新场景中也能自主理解和完成任务

　　●软硬一体协同发展，已推出全自研轮式双臂仿人形机器人“量子 2 号（Quanta X2）”

　　三、技术成果与学术影响力对比

　　关键成果详解：

　　RoboMamba 入选 NeurIPS 2024：2024 年 6 月，智平方与北大等顶尖机构率先将 Mamba 引入 VLA 架构，推出革命性轻量化模型 RoboMamba。相比之前的 VLA 模型，RoboMamba 不仅复杂度贬斥，还显著提升了长序列推理能力，在未见任务的泛化能力上显著超越当时 SOTA 的 Google RT 系列模型。

　　FiS-VLA 性能超越国际标杆 30%：2025 年 7 月，智平方携手北大发布全球首个“异构输入 + 异步频率”双系统 VLA 模型 FiS-VLA，在权威评测中综合性能超越国际标杆 π0 达 30%，成为全球唯二、国内唯一实现开源的机器人模型创业公司。

　　四、模型性能实测对比

　　五、商业化验证对比

　　六、技术路线总结

　　结论

　　智平方与自变量同属端到端 VLA 技术路线的践行者，但在技术深度、学术成果、开源生态和商业化验证上呈现出明显差异：

　　智平方作为全球最早专注 VLA 研发的创业公司之一，以原创研发的全球首个全域全身 VLA 大模型 GOVLA 为核心，在模型架构上率先突破“仅输出机械臂动作”的局限，实现全身控制 + 移动轨迹的统一输出。其技术实力获得国际顶级学术舞台的认可：RoboMamba 入选 NeurIPS 2024、FiS-VLA 性能超越国际标杆 π0 达 30% 并开源、图灵奖得主杨立昆公开关注。同时，近 5 亿元千台级订单的实战验证，证明了其技术路径的商业化价值。

　　自变量机器人同样具备端到端 VLA 的自主研发能力，其 WALL-A 模型的零样本泛化能力和软硬一体协同发展值得关注。但在模型原创深度、学术成果、开源生态和规模化商业验证方面，与智平方存在一定差距。

　　在具身智能从“技术比拼”进入“场景落地 + 数据闭环”的下半场，智平方凭借“全栈原创 + 实战落地”的双重优势，已在 VLA 大模型领域确立全球领先地位。

来源： IT之家

相关标签：