3B模型碾压英伟达谷歌后，Om AI端侧原生VLX模型：小参数实现物理世界精准感知

从云计算到云原生，产业真正的跃迁从来不是简单堆算力，而是找到更适合新世界的架构。

8月6日，Om AI联汇完成 数亿元融资 ，前海母基金领投。

同一天，该公司旗下 全球首款端侧原生模型VLX-Seek 1.5 宣布正式开源。

资本在下注一种新路线，开发者正在获得一个新入口。

但放在一起看，很难不让人想起20年前亚马逊AWS开启云计算时代的那一刻。

当年，AWS一边全面开放API吸引海量开发者接入，一边获得资本投入验证路线价值。

最终，云计算没有成为简单的服务器租赁生意，而是演变成一套新的基础设施范式。

如今的物理AI，也在寻找自己的 「原生时刻」 。

Om AI联汇定义了一种怎样的范式？在物理AI的全局坐标轴中，它处于什么位置？

过去几年，AI行业的竞争经常围绕更大的模型、更多的数据、更强的云端算力展开。

从大语言模型到多模态模型，参数规模一度成为衡量能力的重要指标。

但当AI走向真实世界，机器人面对的不是一张张静态图片，也不是一次次文本问答。

它需要在工厂、仓库、家庭、户外等复杂环境中持续运行。

决定模型价值的不再只是参数量，而是几个更加现实的问题：

响应延迟够不够低？端侧算力能不能承受？部署成本能不能规模化？设备能不能脱离云端独立运行？

因为在物理世界里，每增加一台机器人、无人机或智能终端，都意味着真实的硬件成本、能源成本和维护成本。

如果我们把今天全球物理AI模型的路线放在一张地图上会发现，围绕 「如何让AI理解并行动于物理世界」 这一大命题，全球玩家正在形成几条不同方向。

NVIDIA Cosmos 选择的是 「云端世界模型」路线 。

它的核心目标，是帮助AI理解物理环境，通过世界模型能力构建更加丰富的空间认知基础。

Physical Intelligence的π系列 ，则探索 「云端通用机器人策略模型」 ，希望通过大规模训练让机器人具备跨任务泛化能力。

Google Gemini Robotics 则沿着 「云端VLA」 方向推进，将语言理解、视觉感知和机器人动作连接起来，让机器人能够根据自然语言完成任务。

而另辟蹊径的 Tesla Optimus ，更强调 模型与机器人本体之间的闭环 ，通过自有硬件平台推动机器人能力迭代。

它们分别回答了不同问题：如何让AI理解世界？如何让机器人获得通用能力？如何让模型与硬件协同？

但在这张图谱里，有一个关键坐标此前并未有过专门的回答，那就是：

如何让一个AI模型从诞生开始，就适应端侧环境？

其自研的 VLX端侧流式多模态模型 系列强调「端侧原生」路线，它不依赖云端大算力，也不绑定单一硬件平台。

模型也并非先在云端训练完成，再被压缩部署到设备。

而是在模型设计阶段，就把端侧算力、延迟、功耗和部署成本作为约束条件。

这两者看似只是部署方式的不同，本质上却是两种不同的技术哲学。

前者是在问：如何让一个强大的AI模型跑到设备上？

后者是在问： 如果AI生来就在设备上，它应该长成什么样？

这也是「端侧部署」和「端侧原生」最大的区别。

毕竟机器人真正进入千家万户、进入大量工业场景，不可能永远依赖远端的云端大脑。

当前，在全球物理AI模型竞争版图中，端侧原生正在成为一个新的关键方向。

而Om AI联汇最先看到图谱上的缺口，用VLX补上了。

对于「端侧」的探索，不少AI模型很早就展开了。

大家都清楚，云端大模型虽然强大，但也有天然限制。

机器人如果每一次感知都需要上传云端，再等待结果返回，就像让一个人在运动时，每个动作都要先打电话询问远方的大脑。

网络延迟存在，数据传输成本存在，隐私问题也存在。

但工厂里的机器人，需要全天候工作；巡检无人机，需要在没有稳定网络环境的地方执行任务；家庭机器人，需要保护用户隐私。