达摩院开源物理AI模型RynnBrain 以时空记忆能力推动制造业智能重构

       2026年2月11日，阿里巴巴达摩院正式对外发布并开源具身智能大脑基础模型RynnBrain，一次性开放包括30B MoE在内的7个全系列模型，突破性赋予机器人时空记忆与动态规划核心能力，填补了传统具身模型在复杂物理场景中的认知短板，为“物理AI”落地制造业、家庭服务等领域开辟新路径，有望重构全球智能制造产业格局。

       当前，具身智能已成为机器人产业突破的关键赛道，但传统具身模型始终面临两大核心瓶颈：一类是聚焦末端动作的VLA模型，受限于数据稀缺难以实现场景泛化；另一类是基于VLM模型发展的大脑模型，普遍缺乏记忆能力与物理推理能力，易产生“物理幻觉”，难以应对工厂、厨房等动态复杂场景中的多任务交互需求。在此背景下，达摩院RynnBrain的推出，以“扎根物理现实”为核心设计理念，实现了具身智能技术的关键性跨越。

       RynnBrain的核心突破的在于创造性融合时空记忆与物理空间推理两大能力，这也是机器人与物理世界高效互动的必备基础。所谓时空记忆能力，赋予机器人全局时空回溯能力，使其能够在完整的历史记忆中定位物体、目标区域，甚至预测运动轨迹，彻底摆脱传统机器人“一帧一帧处理、看完就忘”的“健忘症”困境。例如，运行该模型的机器人在执行某项任务时被突然打断，能够精准记住中断前的任务进度、物体空间位置等关键信息，待新任务完成后无缝衔接继续推进，无需人工重新下达指令。

       而物理空间推理能力则通过“文本与空间定位交错”的创新策略，让机器人的每一步决策都紧密扎根于真实物理环境，大幅降低脱离实际的“幻觉式规划”。不同于传统纯文本推理范式，RynnBrain将文本理解与空间定位循环交替执行，在接收指令后，先识别物体、定位区域，再绑定动作、输出可执行的空间指令，确保规划过程贴合物理规律——无论是工厂车间中规避移动的工人与设备，还是厨房场景中避开杂乱的餐具与障碍物，都能实现实时感知、精准预测与自主避障。

       性能层面，RynnBrain交出了亮眼答卷，在16项具身开源评测榜单上刷新纪录（SOTA），成功超越谷歌Gemini Robotics ER 1.5、英伟达Cosmos Reason 2等行业顶尖模型。其搭载的业界首个MoE架构30B具身模型，仅需激活3B推理参数，性能就超越了传统72B密集型具身模型，实现了高效能与低成本的平衡；同时，该模型基于Qwen3-VL基础上训练，采用自研RynnScale架构优化，同等资源下训练速度提升两倍，依托超过2000万对高质量训练数据，具备极强的泛化能力与可拓展性，仅需几百条数据微调，就能适配导航、规划、动作等不同具身场景需求。

        此次达摩院选择全栈开源RynnBrain全系列模型，不仅开放了完整的推理与训练代码，还同步推出全新评测基准RynnBrain-Bench，填补了时空细粒度具身任务评测的行业空白。这一举措打破了具身智能领域的技术壁垒，大幅降低了研发门槛，让更多企业与开发者无需从零搭建模型架构，就能快速基于该模型开发适配自身场景的机器人应用，加速技术从实验室走向产业落地。达摩院具身智能实验室负责人赵德丽表示，RynnBrain首次实现了大脑对物理世界的深度理解与可靠规划，为通用具身智能迈出关键一步，期待其推动AI从数字世界走向真实物理场景。

       从产业影响来看，RynnBrain的发布与开源，正成为“物理AI”重构制造业的重要抓手。当前，中国制造正加速向“智造”转型，传统产线依赖固定程序，变更流程需停机调整，而搭载RynnBrain的机器人，可在工厂复杂环境中实现多任务协同、动态路径规划与异常恢复，推动产线从“固定流程”向“动态泛化”升级；在仓储物流领域，机器人可精准记忆商品位置与最优取货路径，提升分拣与搬运效率；在家庭服务、医疗护理等领域，也能通过时空记忆与推理能力，实现更灵活、精准的服务输出。

       业内专家分析指出，RynnBrain的突破不仅彰显了中国在具身智能基础模型领域的领先实力，更推动具身智能进入“规模化落地”的全新阶段。随着该模型的广泛应用，将进一步激活机器人产业创新活力，带动智能制造、智能家居等多个领域的产业升级，推动人与机器的协作模式从“指令执行”向“自主协同”转变。未来，随着达摩院在具身智能领域的持续深耕，以及开源生态的不断完善，“物理AI”有望持续重构产业格局，为中国制造业高质量发展注入新的强劲动能。