老黄的Cosmos 3刚发一天，就被一家中国公司反超了
编辑｜+0
6 月 1 日，老黄在 GTC 上用了不小的篇幅讲物理 AI 和具身智能，并重磅发布了 Cosmos 3。英伟达将其定义为面向 Physical AI 的最新前沿模型，也是全球首个完全开放的全能模型，原生具备视觉推理、世界生成和动作生成能力。
老黄自豪地表示，Cosmos 3 在全球各大排行榜上位列开放模型第一。
然而仅仅一天后，RoboArena 榜单更新，中国公司千寻智能的 Spirit v1.6 反超 Cosmos 3，登上全球第一。
RoboArena 为何值得关注？
因为它切中了当前机器人基础模型评测的一个核心问题：很多模型可以在仿真环境或静态 benchmark 上表现很好，但一到真实机器人、真实物体、真实误差，就很难稳定复现。
我们可以把 RoboArena 理解为 LMArena 的具身机器人版本，只不过，LMArena 比的是大模型回答质量，RoboArena 比的是机器人策略在真实世界中完成任务的能力。RoboArena 由 UC Berkeley、Stanford、NVIDIA 等机构参与发起，相关论文入选 CoRL 2025 Oral。
具体来看，RoboArena 的机制可以拆成四点： 分布式协作、双盲对决、Elo 式动态排名、开放评测网络。 分布式协作扩大了任务和环境的覆盖面；双盲对决降低了评测中的主观偏见；Elo 排名让榜单像体育赛事一样持续更新；开放评测网络则让更多模型可以被放到同一个真实世界擂台上检验。
因此，RoboArena 的意义在于把具身智能评测从「静态跑分」推向了「真机对抗」。
在这个背景下，千寻智能成为首个在这一由硅谷巨头和顶尖高校共同主导的「客场」榜单上拿下全球第一的中国企业，其意义也不只是一次排名领先，更说明千寻智能在多任务执行、真实环境适应和泛化能力上，已经进入全球第一梯队。
Spirit v1.6 到底凭什么赢？
榜单上的结果，最终只是数字。更有说服力的，还是 Spirit v1.6 在真实任务中的操作表现。我们来看几组双盲对比视频。
第一组任务：打开笔记本
这并不是一次简单抓取。机器人需要先识别笔记本的位置和朝向，再判断从哪里接触、如何施力，以及手部和机械臂如何配合，最后完成翻开动作。中间任何一个环节出错，任务都可能失败。
可以看到，Spirit v1.6 的动作衔接更自然，能够快速完成打开笔记本的任务；相比之下，Cosmos 3 几乎没有形成有效尝试。
第二组任务：把卡皮巴拉放到盘子里
这类任务考验的是机器人对小型物体的识别、定位和精细操作能力。它不仅要判断目标物体在哪里，还要在抓取后保持稳定，并准确放到指定位置。
这一次，Spirit v1.6 依然完成了识别、抓取和放置。虽然在抓取过程中有一次短暂调整，但整体动作链条是连贯的，最终成功完成任务。相比之下，pi 0.5 既没有成功识别目标物体，也未能完成有效抓取。
整体来看，这几组视频比榜单数字更直观地说明了 Spirit v1.6 的优势：它不只是能在评测中拿到更高分，更能在真实任务里把「看见、判断、抓取、放置」这一整套操作链条跑通。
把时间往前倒，这个结果也并不突兀。
今年稍早，Spirit v1.5 已经在 RoboChallenge 真机评测中拿到第一，取得 66.09 分、50.33% 成功率，超过 Physical Intelligence 的 pi 0.5。公开报道显示，v1.5 在多任务连续执行、复杂指令拆解、物体拾取、插花、移动物体等任务上，已经表现出不错的稳定性。
从 v1.5 到 v1.6，时间并不长，但千寻智能又在 RoboArena 上完成反超，这是千寻智能的一套持续迭代机制的结果：持续采真实场景数据，持续看哪里会失败，持续把评测结果喂回训练和工程优化里。
具身智能模型和纯软件模型不一样，不是堆训练规模就能自然变强。物理世界里有摩擦、遮挡、失误、延迟和一堆不确定的东西。越往真实场景走，越看工程组织能力、数据闭环能力 and 迭代速度。
Spirit v1.6 在榜上的表现，说明千寻智能把这套闭环转起来了。
真正的胜负手，
在真实世界数据里
在 GTC 上，黄仁勋反复强调了一个问题：物理 AI 的数据很难获得。
原因并不复杂。互联网视频很多，但绝大多数是第三人称视角；机器人真正需要的，却是第一人称、可行动、可反馈的数据。也就是说，机器人不只要「看过世界」，还要理解自己如何在世界中移动、接触、抓取和改变物体。
Cosmos 3 的目标之一，正是通过 Omniverse、遥操作和视角重投影，缓解机器人领域的数据稀缺问题。它代表了大厂对物理 AI 的一个判断： 下一阶段，模型能力的提升不只依赖参数和算力，也依赖能否构建更大规模、更高质量、更贴近机器人行动的数据体系。
千寻智能回答的是同一道题，但路径有所不同。
千寻智能更强调真实世界数据的持续沉淀。公开信息显示，千寻智能已经自研 7 代轻量化可穿戴数采设备，并在全国 100 多个城市搭建分布式数据采集网络，形成从采集、清洗、标注到质检的完整流程。公司计划在 2026 年内沉淀百万小时级真实世界交互数据。