公司情报专家《财经涂鸦》获悉，近日，大晓机器人联合上海交通大学、南洋理工大学、香港中文大学、香港大学等研究机构共同推出以空间智能为底层框架、跨不同具身本体的通用基础模型“ACE-Brain-0”， 正式面向全行业开源。

据悉，ACE-Brain-0 首次打破汽车、机器人、无人机等不同本体壁垒，贯穿空间认知、自动驾驶、低空感知、机器人交互，重新定义了物理世界智能的技术底层逻辑。

其性能表现在涵盖空间认知、自动驾驶、低空感知、具身交互的24个核心 benchmark 中，有19 个取得当前模型中的 SOTA（排名第一） 成绩，主要对标GPT-4o、Gemini 2.5-Pro、Qwen2.5-VL-7B-Inst、RoboBrain2.0-7B、MiMo-Embodied-7B等16个知名模型，将19个Benchmark具身模型最强基线准确率相对提升5%-97.8%。在衡量三维认知的MindCube中，以82.1%的成绩，较最好的开源模型（InternVL3-8B）提升了97.8%。

在研究过程中，大晓机器人团队突破性发现，无论是自动驾驶车辆、低空无人机还是机器人，尽管形态差异巨大，但它们都依赖三大核心空间能力：三维空间结构建模、几何关系推理、场景演化预测。

基于此，大晓机器人首次提出以空间智能作为跨具身形态的 “通用语言”，成为连接不同物理域的统一认知支架，为通用具身智能找到统一底座。

据悉， ACE-Brain-0首次在单一模型框架中实现四大核心具身能力的统一，包括空间认知、自动驾驶、低空感知、机器人交互。这一突破并非简单的能力 “拼接”，而是基于空间智能的深度融合，其技术关键在于“共享认知结构”的构建。

通过空间中心化建模，ACE-Brain-0让不同具身场景的认知逻辑实现统一。自动驾驶中的“车距判断”与机器人交互中的“抓取距离估算”，共享同一套空间距离推理机制；交通场景的“多视图融合”与机器人的“多视角物体识别”，则依托相同的跨视角空间对齐技术。

同时，大晓机器人还首创Scaffold-Specialize-Reconcile（SSR）三阶段训练范式，通过“先建共识、再练专长、后融知识”的路径，完美解决了传统跨域训练面临两大困境，即联合训练易引发梯度干扰，和序贯训练则会出现灾难性遗忘

这种“共享认知结构”使得模型能在不同观察视角、运动尺度与任务语义之间自由切换，实现跨域理解与推理能力的自然迁移。

目前，上述模型已应用于大晓机器人具身超级大脑模组A1，使搭载具身超级大脑A1的机器狗具备行业首创的端到端自主导航能力，并且基于VLA架构实现云端智能交互，让机器狗具备理解抽象指令、感知复杂环境、完成复杂任务的端到端闭环能力。

ACE-Brain 让人看到另一种可能，真正的“通用”，或许不是任务列表越来越长，而是先找到这些任务背后的共享结构。

这是一种新的具身智能世界观——不同身体不一定要从头学起，它们可以先共享一个关于世界的空间理解，再在这个基础上长出各自的能力。未来的具身智能体，无需再为单一形态定制模型，只需基于 ACE-Brain的空间智能底座，就能快速适配新的物理本体与应用场景。从自动驾驶到低空经济，从工业机器人到家庭服务设备，展现出面向真实物理世界多场景的平台潜力。