3月10日，智元发布首个通用具身基座模型——智元启元大模型GO-1。相比目前已有的最优模型，GO-1在五种不同复杂度任务上测试成功率大幅度领先，其中平均成功率提高了32%，并且在 “Pour Water”（倒水）、“Table Bussing”（清理桌面） 和 “Restock Beverage”（补充饮料） 任务表现尤为突出。

智元GO-1在复杂任务中的高成功率源于其Vision-Language-Latent-Action (ViLLA) 架构。据了解，该架构由智元开创性采用，是由VLM(多模态大模型) + MoE(混合专家)两种组成，其中VLM借助海量互联网图文数据获得通用场景感知和语言理解能力，MoE中的Latent Planner(隐式规划器)借助大量跨本体和人类操作视频数据获得通用的动作理解能力，MoE中的Action Expert(动作专家)借助百万真机数据获得精细的动作执行能力。

在推理时，VLM、Latent Planner和Action Expert三者协同工作，实现与外部环境的交互和任务智能化判断。

其实从行业来看，全球具身机器人普遍处在“低龄阶段”，机器人只能在实验室内执行单一任务，并且很多执行动作更多是预设程序，具身机器人只是根据编程命令执行动作，不能与外部环境交互，无法自主执行命令，智能化水平低。

但智元GO-1发布后，具身机器人可在ViLLA 架构的加持下，具备人类视频学习、小样本快速泛化、一脑多形、持续进化四大特征，不仅让大模型更理解人类的行为、大幅度降低训练成本，而且还能再不同机器人形态中迁移，在实际执行中迭代学习。

智元GO-1带给具身机器人的新特征，将极大推动具身机器人行业的发展，未来具身机器人将从依赖特定任务的工具，向着具备通用智能的自主体发展，在商业、工业、家庭等多领域发挥更大的作用，通向更加通用全能的智能未来。

作为全球具身机器人行业领先者，智元始终致力于推动具身机器人行业发展。

2024年年底，智元推出了 AgiBot World，包含超过100万条轨迹、涵盖217个任务、涉及五大场景的大规模高质量真机数据集，收录了八十余种日常生活中的多样化技能，包括抓取、放置、推、拉等基础操作，以及搅拌、折叠、熨烫等交互动作，为行业解决了全域真机数据获取难，训练成本高的难题。

未来已来，机器人服务人类的时代已经不远，而作为具身机器人行业领先者，智元不断实现突破，让科幻电影中的画面逐步照进现实。