清华具身模型登顶全球第一：突围 GPT-6、英伟达，不靠外挂与额外数据

据量子位报道，清华团队的具身模型登顶全球第一，在与 GPT-6、英伟达等方案的比拼中实现突围，而且不依赖“外挂”模块和额外数据。这一结果让“如何训练具身智能”的路线之争再次成为焦点。

报道指出，星动纪元选择的路线是把视频预测与动作学习分阶段训练。重点不在于把“视频、动作一锅炖”，而在于把两者“解耦”，再重新“排序”。

所谓“解耦”，是指不再让模型在同一套流程里同时学习看懂世界与做出动作，而是把这两类能力拆分开来、分阶段进行训练。这样的安排被认为更有利于各自充分学习。

“重新排序”则意味着调整两类学习任务的先后与配合方式。报道强调，正是这种阶段化与顺序上的设计，让模型不需借助外挂组件，也不依赖额外数据，就能取得领先表现。

具身智能是当前 AI 最受关注的方向之一，模型既要理解视觉世界，又要输出可执行的动作。如何把“看”与“做”结合好，一直是该领域最难的问题。

在不靠外挂、不加额外数据的前提下登顶，让这一路线的说服力更强——它说明训练策略本身，就可能比堆叠模块或数据更关键。

接下来值得关注的是，这一方法能否在更多真实机器人任务上复现，以及“分阶段、解耦排序”的思路会不会被更多团队采纳。具身智能的竞争，正在从“谁的数据更多”转向“谁的训练方法更聪明”。