不是堆数据，是「按能力设计数据」
近日，招商局集团先进技术研究院下属的狮子山人工智能实验室发布并开源具身推理视觉语言模型「驭物™ Lion-ER-35B-A3B」。这类模型要解决的，不是「看图说话」，而是让机器人真正读懂三维空间关系、捕捉物体状态变化、研判任务所处阶段——画面里物体看上去更高，并不等于它在真实三维空间里更高；更换拍摄角度，家具外观变了，但它仍是同一个物体。这些对人类的直觉，恰恰是「具身大脑」的硬骨头。
团队给出的核心思路，是用「能力牵引的具身数据引擎」替代盲目收集海量数据的传统做法。他们先把具身推理拆成实体、空间、时序、物理、可供性、任务、社会、证据等 8 个一级领域，细化出 39 项二级能力，再围绕模型该掌握的能力正向设计训练题目，而不是等评测暴露错题后再被动补数据。这一框架把「数据从哪来」这个问题，前移到了「模型该学什么」。
35B 总参、3B 激活：一条克制的 MoE 路线
参数配置上，Lion-ER-35B-A3B 采用 MoE 混合专家架构，总参数约 35B，每个 token 仅激活约 3B 参数，基于 Qwen3.6-35B-A3B 微调。这是一条典型的「大总参换知识容量、小激活压推理成本」的稀疏路线，在机器人端侧或边缘部署的成本约束下更现实。
权重已以 Apache 2.0 许可在 Hugging Face 开放，采用 BF16 Safetensors 格式，原生兼容 Transformers、vLLM、SGLang 等主流推理框架。开发者可以围绕空间关系理解、场景状态分析、任务进度判断与空间约束理解等方向，把模型接到自己的图像、视频与任务里做评测与适配。
训练侧，团队披露其监督训练集包含 312,380 条样本，按能力需求分配训练预算，而非由数据源的题量决定权重；并通过评测驱动的闭环（Eval-Driven Data Harness），从覆盖 31 个数据源、约 430 万条记录的素材池中，检索推理逻辑相同、场景不同的新素材反哺下一轮训练。模型持续失误的高难样本，还会引入人工复核与可视化核验平台。
十项基准全涨：数字背后是什么
在「能力牵引」打法下，模型以约 3B 的激活参数，在十项公开具身与视觉推理基准上实现全部指标正向提升。评测采用 avg@4 口径，即每道题让模型独立作答 4 次取平均分；Lion-ER 的等权综合均分达到 65.29，高于基座 Qwen3.6-35B-A3B 的 61.76，也高于对比中的 Qwen3.6-27B 的 64.12。对比模型还包括 Hy-Embodied-VLM-1.0-A3B、Step-3.7-Flash 与 NVIDIA Cosmos3-Super Reasoner。
单项上，空间放置评测 Where2Place 得分 64.28，较基座提升 9.30 分；具身推理基准 ERQA 得分 64.38，较基座提升 6.19 分；空间推理基准 SAT 达到 89.33；ERQA 的轨迹理解子类达到 68.18，较基座提升 12.12 分。这些提升指向的是机器人落地的核心能力：分清相机运动与物体运动、为动作轨迹排除无效路线、跨视角重建空间布局、判断任务步骤是否真正完成。
开源权重与方法论的双重价值
对具身智能赛道，这篇发布的增量不只是一份权重。它把「更多数据不等于更多能力」的判断，落成了一套可复用的方法论：让能力成为数据的设计单元，让评测成为数据生产的起点。对想复现后训练流程的团队来说，这种「方法论加权重」的组合，比单发一个基准分数更有参考价值。
从行业坐标看，开源阵营在近一年里密集补齐具身推理这一短板：从国家级实验室到区域巨头，都在争取把「具身大脑」这一层握在自己手里。狮子山实验室由招商局集团于 2024 年 9 月建立，是集团自主建设的具身智能研发平台，聚焦机器人乘智能体两条主线；这类产业方下场做开源模型，也意味着具身智能正从论文走向可部署的工程资产。
冷静看：研究用途与迁移边界
需要冷静看待的是迁移边界。模型卡明确提示，Lion-ER 面向研究用途，尚未在安全关键决策或自主机器人控制场景做过验证，基准成绩也未必能直接迁移到全新环境。换句话说，分数证明的是「在公开基准上的相对进步」，而非「在真实工厂或家庭里的可靠表现」。
接下来值得盯几个观察点：一是独立评测与真实机器人闭环里的表现能否对齐基准；二是团队提及的更小 4B、9B 骨干是否同步开放，这会决定该路线在端侧的覆盖面；三是社区会不会出现高质量的微调与部署生态——Apache 2.0 许可只是门槛，有人愿意在真实场景里用起来，才是这套能力牵引引擎真正跑通的标志。招商局狮子山选择了一条更难但更自主的路线，能不能从基准走到产线，就看这三件事的答案。