Runway

VLA(视觉-语言-动作)模型是一种把摄像头画面和自然语言指令一并读入、直接输出机器人下一步电机指令的单一神经网络,做法是在能看懂图像的视觉语言模型上再用机器人示范数据训练。谷歌DeepMind、Physical Intelligence、英伟达、Figure AI与Skild AI处于前列,智元机器人代表中国阵营,竞争焦点正从模型结构转向动作数据的获取成本。

生成式视频公司Runway于2026年9月30日发布Praxis-1，这是一款把大规模视频预训练转化为真实机器人控制的开放权重世界动作模型。Noble Machines、Standard Bots和Ultra正在双臂、六轴机械臂和移动底盘上进行早期测试，权重将在未来几个月公开。

利用游戏剪辑平台Medal上带操作标注的视频训练AI模型的美国公司General Intuition于2026年9月29日宣布，以62亿美元估值融资2.2亿美元，投资方包括Khosla Ventures和General Catalyst。该估值是其96天前A轮披露的23亿美元的2.7倍。公司同时向机器人、仿真和游戏领域合作方开放候补申请。