ME-Brain、ME-VLM与ME-U0：理想汽车的具身智能方案如何衔接

理想汽车基础模型团队于2026年9月22日集中发布三项具身智能成果：ME-Brain-1.0、MachEmbodied-VLM（ME-VLM）和MachEmbodied-U0（ME-U0）。如果把机器人完成任务看作“记住相关信息、看懂眼前场景、决定并执行动作”，三者分别对应系统组织、视觉语言认知，以及从理解走向动作生成的能力。不过，这是一幅技术架构图景，并不等于整套方案已作为一台机器人，在端侧硬件上通过独立验证。35

三者各管哪一段？

**ME-Brain-1.0是系统层。**理想用“记忆、认知与行动”描述它。有报道称，其记忆相关模块可在理想M100片上系统（SoC，即集成多种计算功能的芯片）上进行端侧记忆生成与检索；这不能推导为ME-Brain所有模块都在本地运行。35

**ME-VLM侧重视觉语言认知与智能体协同。**其技术报告介绍了覆盖具身及多模态智能体任务的训练，包括利用执行过程中的观察和反馈评估结果、调整决策。报道提及一个35B-A3B混合专家版本，以及面向端侧部署的4B版本。15

**ME-U0试图把“理解”接到“生成动作”上。**据其技术报告简介，该模型采用Mixture-of-Transformers设计，连接负责理解任务与场景、以及负责生成的不同专家。看出该做什么，与让机器人可靠地做出来，仍是两道不同的题；现有发布材料也不是三者已在同一自主部署中完成联合验证的证明。25

跑分说明了什么，又没说明什么？

据报道，在理想公布的对比表中，大版ME-VLM在具身任务测试集上的平均成绩约为70.9，在智能体任务测试集上约为72.5；4B版在这些公司对比中位列第二。这些数字反映的是所报告评测中的表现，不能脱离测试条件、直接当作机器人在真实环境中的可靠性指标。5

ME-U0方面，理想公布的成绩为：RoboDojo 17.66分，LIBERO平均成功率99.1%，LIBERO-Plus平均成功率81.8%。关键前提是，LIBERO相关结果经过各基准自身提供的监督信号适配，并非面对全新实体任务时的零样本成功率。3

数据规模与M100：别把局部结果当成全链路结果

理想称，ME-U0的预训练数据约4200小时，从约5700小时机器人数据和3920小时第一视角视频组成的原始数据池中筛选而来。第一视角视频可能为模型提供机器人示范以外的视觉情境，但仅凭数据时长，无法判断它换一台机器人或进入新环境后的迁移能力。3

端侧进展则有更明确的适用范围：ME-VLM作者称，通过视觉词元压缩、W4A8量化和软硬件协同优化，4B版可在M100上推理，预填充时延由400毫秒降至188毫秒。“预填充”只是推理流程中的一个阶段，不等于机器人从看见变化到完成物理动作的总反应时间。现有引述材料也未证明35B-A3B版本，或完整的ME-Brain与ME-U0组合，能在单颗M100上同时运行。15

演示之后，还需要怎样的验证？

发布报道描述了一段约一小时的连续抓取演示，以及约四分钟、包含15个步骤的手冲咖啡流程。它们展示了理想选择呈现的任务，却不能据此得出：面对外部选定的物体、光照变化、意外中断或长期重复使用，系统仍能保持相同成功率。现有引述资料也不足以支持对这些演示中具体失误作出更细的第三方结论。3

下一步最有说服力的，不是把几项跑分和一次芯片时延测试合并成“通用机器人能力”的结论，而是对集成系统开展可复现的独立评测：在陌生场景中统计任务成功与失败恢复，并在所称硬件上测量从感知到动作的全链路时延。135