达摩院开源物理AI模型RynnBrain 加速智能制造动态化转型

        2026年2月，阿里巴巴达摩院正式发布开源物理AI模型RynnBrain，一次性开源包括30B MoE在内的7个全系列模型，填补了具身智能领域时空记忆与物理推理融合的技术空白。该模型聚焦复杂工业场景，可实现机器人实时环境感知、动态轨迹预测与最优路径规划，推动“物理AI”技术从概念验证走向产业落地，为智能制造、智慧物流等领域的产线升级注入核心动力，助力传统固定产线向动态泛化模式加速演进。

       当前，全球制造业正面临劳动力短缺、生产效率瓶颈、柔性化需求提升等多重挑战，智能制造成为产业转型升级的核心方向。此前，生成式AI虽在数字领域实现广泛应用，但在物理世界场景中存在“纸上谈兵”的局限，难以理解现实空间关系与物理规律，导致工业机器人多依赖固定程序运行，泛化能力薄弱，无法适配复杂多变的工业环境。英伟达CEO黄仁勋曾在CES 2026演讲中指出，“物理AI的ChatGPT时刻已经到来”，而RynnBrain的发布，正是中国企业在这一核心赛道的关键布局与突破。

       作为达摩院具身智能领域的重磅成果，RynnBrain的核心优势的在于创造性融合时空记忆与物理空间推理两大核心技术，破解了传统具身模型的行业痛点。不同于现有模型，RynnBrain基于自研Qwen3-VL视觉语言系统构建，借助RynnScale架构优化训练，同等资源下训练速度提升两倍，训练数据超2000万对。其时空记忆能力可让机器人留存完整交互历史，实时追踪物体位置变化，即便任务被中断也能恢复断点继续执行；物理空间推理技术则通过文本与空间数据交错推理，大幅减弱物理幻觉，确保决策符合现实物理规律。

        在性能表现上，RynnBrain展现出行业领先实力，在环境感知、空间推理、轨迹预测等16项具身开源评测榜单上刷新纪录，超越谷歌Gemini Robotics ER 1.5、英伟达Cosmos Reason 2等顶尖模型。尤为值得关注的是，该模型采用MoE架构设计，仅需激活30B参数中的3B即可实现优于业界72B模型的效果，大幅降低了机器人在电力受限工业环境中的部署门槛，具备极强的产业适配性。

       RynnBrain的开源发布，精准契合智能制造的发展需求，其应用价值在核心场景中已逐步显现。在智能制造领域，搭载该模型的工业机器人可自主适应产线物料变化、设备调整等复杂情况，实时优化作业轨迹，替代传统固定程序机器人，推动产线从“被动执行”向“主动决策”转变，破解传统产线变更需停机调整的痛点，大幅提升生产效率与柔性化水平。据中国信通院报告显示，当前智能工厂建设已进入加速阶段，RynnBrain的落地将进一步完善智能制造技术体系，助力四级梯度培育体系的升级。

       在智慧物流场景中，RynnBrain可帮助物流机器人在货物密集、人员流动频繁的仓库环境中，精准感知周边障碍物，实时预测货物与人员移动轨迹，规划最优搬运路径，有效解决传统物流机器人导航僵化、易碰撞的问题，推动物流仓储从自动化向智能化升级。结合英伟达对物理AI市场的预测，这类技术革新未来将重塑全球数十万仓库的运作模式，创造巨大商业价值。

       业内专家表示，RynnBrain的开源不仅是一项技术突破，更彰显了中国企业在物理AI领域的开放合作理念。开源模式可降低行业技术研发门槛，吸引全球开发者参与模型优化与应用创新，加速技术迭代，推动形成“模型开源-协同创新-产业落地”的良性生态。达摩院此次同步开源的RynnBrain-Bench评测基准，更填补了时空细粒度具身任务评测的行业空白，为产业发展提供了标准化参考。

随着RynnBrain的逐步落地与优化，其将进一步推动物理AI技术在更多工业场景的渗透，助力制造业摆脱传统生产模式的束缚，实现产线动态泛化与高效协同。未来，依托达摩院在具身智能领域的持续研发，结合开源生态的协同力量，有望推动中国智能制造产业实现跨越式发展，在全球物理AI赛道的竞争中占据主动地位，为制造业高质量发展注入持久动力。