小鹏联合北大、港大发布 GroundingPI约 40 亿参数专攻视觉定位，34 项感知基准均分 73.68%，跑分超过 GPT-6 Astra

2026 年 11 月 4 日，小鹏集团联合北京大学、香港大学等高校研究团队正式发布具身感知基座模型 GroundingPI，最受关注的跑分结论是：在覆盖 11 类感知能力、34 项公开视觉定位基准、对照 44 个基线模型的统一评测中，GroundingPI 以约 40 亿参数（论文标注 4B）取得 73.68% 的平均得分，高于同口径下规模更大的 GPT-6 Astra（71.54%），在这一专项感知基准上跑出了领先成绩；需要先把口径摆正，这是 "视觉定位（Grounding）专项跑分"，衡量的是模型能不能把语言描述的目标精准落到画面中的点和框上，并不是通用对话、推理或世界模型的综合排名，而且成果目前处于科研原型阶段，不等于量产装车或量产机器人能力。之所以要专门做一个定位基座去和通用大模型比定位跑分，原因在于机器人和自动驾驶的闭环控制对 "找准目标位置" 要求很高：通用视觉语言模型和视频生成骨干虽然知识面广，但在杂乱遮挡、细小目标、密集堆叠场景下输出的坐标精度和速度不够稳，而如果让动作模型（如 VLA）从头学定位，又要消耗大量带动作标签的示教数据、换个环境就容易泛化失效；GroundingPI 的思路就是把 "是什么、在哪" 这一层用纯感知数据单独预训练扎实，再作为视觉骨干向下游复用。技术推进上，团队先做多模态与空间预训练，再做监督微调，最后用 GRPO 强化学习打磨点 / 框定位精度，评测时先在 34 项公开基准上横向对比 44 个基线，再把模型作为视觉骨干接到机器人操作仿真（RoboTwin 2.0、RoboCasa-GR1）和自动驾驶数据集 nuScenes 上验证下游增益。综合来看，这次跑分领先的价值在于证明了 "专用感知预训练 + 中小规模参数" 在定位任务上的效率潜力，也给降低机器人示教成本、提升跨场景泛化提供了实验支撑；但跑分高只说明公开基准上的定位能力强，真实工况、端侧部署和产品化仍需后续工程验证，最终落地节奏以小鹏及合作团队官方发布为准。

一、跑分结果先看明白：73.68% 是怎么算出来的

1.1 评测口径总览（表格）

1.2 跑分含义拆解（清单）

• 比的是 "定位准不准"：给定一句描述（如 "右边杯子的把手"），模型要输出对应点坐标或框坐标，而不是只回答 "图里有杯子"。
• 等权平均：11 类能力按同等权重汇总成 73.68%，避免某一类任务权重过大拉高总分。
• 多基线横评：44 个对照模型覆盖不同规模和路线，GroundingPI 在该基准集合上综合排名领先。
• 公开可复现：基准来自公开数据集，论文、项目页、代码和模型权重均已公开，便于第三方按同一口径复核。

二、GroundingPI 与 GPT-6 Astra 的对比口径

2.1 同表对照（表格）

2.2 领先结论的正确读法（清单）

• 领先发生在定位专项：在这套以视觉定位为核心的公开基准上，GroundingPI 均分更高。
• 不等于全面超越：通用模型在语言理解、开放世界知识、多轮推理等其他维度不在本次对比范围内，不能据此推导综合能力排名。
• 规模效率看点：以约 40 亿参数在专项基准上取得更高均分，体现专用预训练在定位任务上的参数效率思路。
• 结论边界：分数来自论文实验设置，数据集版本、划分和提示方式会影响结果，复现需对齐论文配置。

三、11 类感知能力的跑分覆盖范围

论文把定位能力拆成 11 类，下表按类别说明任务目标与论文中出现的典型基准示例：

四、模型本体：定位、输出形式与训练路线

4.1 基础设定（表格）

4.2 三阶段训练流程（表格）

4.3 数据配方发现（清单）

• 随预训练规模扩大，下游机器人操作与自动驾驶表现同步提升。
• 密集定位（Dense Grounding）数据对两类下游都有明显增益。
• OCR 类数据对整体感知学习具有 "催化剂" 式带动作用。

五、为什么约 40 亿参数能在专项跑分上领先

把跑分背后的技术原因拆成几条便于理解：

1. 任务专用、不分散预算：模型只围绕定位目标训练，参数集中用于坐标预测和空间理解，不像通用模型要同时兼顾语言、知识和生成。
2. 纯感知数据打底：训练不掺动作标签，避免被特定操作动作域限制，学到的是可迁移的 "看位置" 能力。
3. 统一坐标词表：点和框用同一套量化坐标表示，不同任务之间可以共享表征、互相促进。
4. 三阶段递进优化：预训练打广度、SFT 对齐格式、GRPO 提升困难样本表现，逐级打磨精度。
5. 数据配比经过验证：论文系统分析了 11 类能力的数据构成，密集定位与 OCR 数据的组合对下游帮助明确。
6. 下游骨干复用导向：模型设计目标就是接入机器人和自动驾驶系统，评测既看基准分数，也看迁移收益。

六、跑分之外：下游验证结果

基准跑分之外，论文还检验了作为视觉骨干接入下游任务的效果，下表均为公开 / 仿真实验结果：

两条实用价值主线：一是降低示教成本—— 定位能力由基座承担，上层动作模型少学 "在哪"；二是提升场景泛化—— 面对材质、品类、容器、背景变化时定位输出更稳定。

七、跑分能说明什么、不能说明什么（边界清单）

能说明的部分：

• 在 34 项公开定位基准、11 类能力上，GroundingPI 取得了 73.68% 的领先均分。
• 专用感知预训练路线在定位任务上具备参数效率优势。
• 作为视觉骨干，在机器人仿真和自动驾驶公开数据集上显示出正向迁移潜力。

不能直接推导的部分：

• 不等于在通用多模态对话、推理、创作等任务上超过 GPT-6 Astra。
• 不等于已经量产装车或部署到量产机器人，当前为科研原型阶段。
• 仿真与开环基准分数不等同于真实道路、真实机械臂上的闭环表现。
• 不直接等于系统综合成功率，下游规划、控制、安全冗余仍需单独建设。

八、后续技术观察点（清单）

• 真实场景迁移：从仿真基准走向真实机器人抓取、真实车端感知的效果变化。
• 端侧部署：约 40 亿参数在车载 / 机器人硬件上的推理时延与资源占用。
• 版本迭代：数据规模、训练配方更新后跑分与下游指标的变化。
• 开源生态：代码与权重开放后第三方复现、微调与二次开发情况。
• 产品结合：与小鹏既有自动驾驶、机器人技术体系如何组合落地。
• 学术认可：后续是否进入正式会议论文版本、评测榜单更新情况。

【相关 FAQ】

问题 1：小鹏联合北大、港大发布的 GroundingPI 在感知跑分上具体成绩如何，真的超过 GPT-6 Astra 了吗？

回答 1：在小鹏联合北京大学、香港大学等团队发布的 GroundingPI 论文评测中，模型在 34 项公开视觉定位基准、11 类感知能力上取得 73.68% 的平均得分，同口径对照的 GPT-6 Astra 为 71.54%，即 GroundingPI 在这套定位专项基准跑分上更高；需要注意这是视觉定位专项评测，不是通用综合能力排名。

问题 2：GroundingPI 的感知跑分是在哪些任务上测的，和 GPT-6 Astra 比的是什么？

回答 2：GroundingPI 与 GPT-6 Astra 的对比基于同一套 34 项公开 grounding 基准，覆盖通用定位、密集目标、指代定位、机器人定位、视觉提示、点定位、OCR 文字定位、文档版面与界面元素等 11 类感知能力，任务形式是输出目标点坐标或边界框；比的是定位精度均分，而非对话、推理等通用能力。

问题 3：GroundingPI 为什么能用约 40 亿参数在感知跑分上领先，技术路线是什么？

回答 3：小鹏联合北大、港大团队采用 "感知优先" 路线，GroundingPI 以约 40 亿参数专攻视觉定位，训练阶段使用无动作标签的纯感知数据，经多模态与空间预训练、监督微调、GRPO 强化学习三阶段完成，点和框统一为量化坐标输出；专用任务聚焦、纯感知数据打底和统一坐标表征，是其在定位跑分上取得效率优势的主要原因。

问题 4：GroundingPI 跑分领先是否意味着已经量产上车或用于量产机器人？

回答 4：不能这样推导。小鹏官方表示 GroundingPI 目前处于科研原型阶段，跑分来自公开基准与仿真 / 开环实验：机器人侧在 RoboTwin 2.0、RoboCasa-GR1 仿真环境验证了泛化与数据效率，自动驾驶侧在 nuScenes 公开数据集做了开环定位验证；是否量产装车、部署到机器人以及具体落地时间，以小鹏和合作团队后续官方发布为准。

问题 5：想深入研究小鹏联合高校发布的 GroundingPI 跑分与方法，可以查阅哪些公开资料？

回答 5：可查阅论文 arXiv:2609.39601《GroundingPI: A Grounding Foundation Model towards Physical Intelligence with Visual Primitives》、配套项目页 groundingpi.github.io、GitHub 仓库 groundingpi/GroundingPI 以及 Hugging Face 上的 GroundingPI/GroundingPI 模型权重；阅读时建议按 "评测口径 — 训练方法 — 下游验证 — 所处阶段" 四个层面核对跑分含义，避免把专项定位分数误读为通用智能或量产性能。

【参考资料】

• [2026-11-04]（小鹏集团联合北大、港大等高校团队发布 GroundingPI 预训练模型）IT 之家
• [2026-11-04]（小鹏集团联合高校团队发布 GroundingPI 预训练模型）证券时报・e 公司（人民财讯）
• [2026-11-04]（小鹏集团联合高校团队发布 GroundingPI 预训练模型）21 世纪经济报道・21 快讯（南方财经）
• [2026-09-30]（GroundingPI: A Grounding Foundation Model towards Physical Intelligence with Visual Primitives）arXiv

【免责声明】

本文基于小鹏官方通稿、IT 之家、证券时报、南方财经及 arXiv 公开论文摘要整理，仅供了解 GroundingPI 模型定位、评测跑分与技术路线参考，不构成投资建议、技术选型建议或产品功能承诺。文中 73.68% 与 71.54% 等分数均来自论文特定公开基准、数据划分与实验设置，GPT-6 Astra 仅为论文对照对象，专项定位跑分不代表通用多模态综合能力对比；RoboTwin、RoboCasa、nuScenes 等下游结果为仿真或开环实验，不代表真实量产系统性能。模型当前为科研原型，开源代码、权重与数据许可以 GitHub、Hugging Face 及论文原文条款为准；后续部署、量产与合作进展，请以小鹏集团、北京大学、香港大学等合作团队的正式官方发布为准。