面壁智能在具身智能上迈出的第一步，不声张，但凶狠。他们联合OpenBMB直接开源了MiniCPM-Robot系列——一个通用VLA模型MiniCPM-RobotManip（1.5B参数）和一个移动跟踪模型MiniCPM-RobotTrack（0.9B参数）。1.5亿参数是什么概念？在动不动就搬出7B、13B模型的当下，它小得像个玩具。可就是这个玩具尺寸的模型，硬生生跑出了3-4B级别大模型的操控能力，推理成本却只有对方的零头。它甚至不依赖云端，断网状态下照样在本地完成推理，这意味着机器人无需把传感器数据往外送，隐私和数据安全的天平一下子往回拨了一大截。
这才是机器人开发者真正需要的东西。过去几年，具身智能被包裹在一层“大模型必须巨大”的惯性里，仿佛参数不大就不够智能。但真实场景下的机械臂、移动底盘，要处理的是连续变化的物理世界，延迟和成本比参数数量致命得多。MiniCPM-RobotManip专门面向操作任务，能在直线、曲线、圆弧等各类轨迹上做高精度规划与执行；RobotTrack则盯上了移动跟踪，让机器人即便在动态环境里也能死死咬住目标。两个模型打包开源，用的是Apache 2.0协议，商用、分发没有任何心理负担。把门槛压到这么低，面壁智能显然不只是在做一次学术发布，他们想撬动一个更下沉的开发者生态。
很少见到一个1.5B的模型能如此坦然地放在产线、仓库甚至家用场景里讨论。过去这类讨论需要先补一句“等算力降下来”——现在算力直接瘦身了。面壁智能这步棋的精妙之处就在于：它不追求参数上的军备竞赛，转而用工程化的极致压缩，让机器人智能从云端真正落进了一台机器里。这不是未来趋势，这是今天就能跑起来的东西。
