從看懂場景到產生動作：拆解理想汽車 MachEmbodied 架構

理想汽車的 Foundation Model 團隊在 2026 年 9 月 22 日一口氣發布三項具身 AI 成果：ME-Brain-1.0、MachEmbodied-VLM（ME-VLM）與 MachEmbodied-U0（ME-U0）。如果把機器人完成任務想成「記住經驗、看懂眼前情況，再決定並執行動作」，這三項成果分別對應其中不同環節。不過，將它們並列發布，並不等於已證明整套系統能在同一台邊緣裝置上自主、穩定地運作。35

三者如何分工？

**ME-Brain-1.0 是系統層的構想。**理想汽車以記憶、認知與行動描述這套具身系統。相關報導指出，其記憶相關模組可在自家的 M100 系統單晶片（SoC）上生成與檢索記憶；這不代表 ME-Brain 的所有部分都已在 M100 上運行。35

**ME-VLM 負責視覺語言認知與智能體協調。**技術報告描述，其訓練涵蓋具身任務與多模態智能體任務，並納入執行觀察及回饋，供模型評估結果、調整決策。報導提及 35B-A3B 的混合專家版本，以及面向裝置端部署的較小型 4B 版本。15

**ME-U0 則試圖把「理解」接到「生成」。**據其模型說明，Mixture-of-Transformers 架構連結理解任務與場景的專家，以及生成動作的專家。這項區別很重要：知道該做什麼，與讓機器人可靠地做出來，仍是兩回事。目前資料呈現的是互補的技術組件，而非三者已在單一自主機器人上完成整合驗證的證據。25

跑分亮眼，但要看清測試條件

據報導，理想汽車的比較表中，大型 ME-VLM 在具身測試組的平均分數約為 70.9，在智能體測試組約為 72.5；4B 版本在該公司比較中排名第二。這些是特定評測的彙總結果。在缺少完整測試條件與獨立重現的情況下，不能把分數直接解讀成機器人在各種環境中的可靠程度。5

理想汽車另稱，ME-U0 在 RoboDojo 得分 17.66，在 LIBERO 與 LIBERO-Plus 的平均成功率分別達 99.1% 與 81.8%。但 LIBERO 成績是在使用各基準測試提供的監督訊號進行適配後取得，並非模型未經調整就能在陌生實體任務中達到相同成功率。3

訓練資料與 M100：數字各能說明什麼？

理想汽車表示，ME-U0 的預訓練資料約 4,200 小時，是從約 5,700 小時機器人資料及 3,920 小時第一人稱影片的原始資料池中挑選而來。第一人稱影片可能讓模型接觸到機器人示範以外的視覺情境；但單靠資料時數，無法判斷它換一台機器人或換個環境後表現如何。3

至於裝置端推論，ME-VLM 作者稱，透過視覺 token 壓縮、W4A8 量化及軟硬體協同最佳化，4B 版本可在 M100 上推論，並把「預填」（prefill）延遲從 400 毫秒降至 188 毫秒。預填只是推論流程的一個階段，並非機器人從感知環境變化到完成實體動作的端到端時間。現有引述資料也未證明 35B-A3B 版本，或完整的 ME-Brain 加 ME-U0 系統，能一同在單顆 M100 上運行。15

展示影片之後，還缺哪一項證據？

發布相關報導描述了一段約一小時的抓取展示，以及約四分鐘、包含 15 個步驟的手沖咖啡流程。它們能讓人看見理想汽車選擇展示的任務，卻不能據此推算機器人在獨立選定的物件、光線、突發干擾或長期反覆使用下的成功率。現有引述資料也不足以支持對這些展示提出更具體的第三方失敗結論。3

下一步最有說服力的測試，是由外部訂定條件、可重現的整合系統評估：在陌生場景中測量任務成功率與失敗後的恢復能力，同時在指定硬體上量測從感知到動作的完整延遲。在此之前，基準測試成績與 M100 的預填數據，應視為兩類各有價值、但不能合併成「通用機器人已獲驗證」結論的證據。135