通用大模型很会「说计划」，却常在「杯子把手到底在画面哪一个像素」上失手。2026年11月4日，小鹏官网发布通稿：由小鹏支持、北京大学、香港大学等机构研究者参与的开源视觉感知基础模型GroundingPI正式公开，定位为物理AI（Physical AI）的感知优先路线。
模型约40亿参数，训练阶段不依赖带关节动作标签的机器人数据，而用纯感知数据覆盖11类能力：目标检测、密集定位、指代表达定位、OCR、文档版面、界面元素识别、机器人空间定位等。表征上强调用点与框等空间坐标回答「物体是什么、在哪里」，而不是先学一套动作再倒推视觉。
评测侧： 研究团队称，在34项公开感知基准、44个对照模型上，按11类能力等权平均，GroundingPI得分73.68，GPT-6 Astra为71.54；对比只针对感知基准，不代表通用智能全面碾压。仿真侧，RoboCasa-GR1中以GroundingPI为视觉骨干、仅用50%示教数据的成功率，可高于对照模型使用75%数据的结果；RoboTwin 2.0四类分布外设定上泛化更稳；nuScenes开环轨迹预测平均误差约0.296米。
项目页、论文（arXiv:2609.39601）、GitHub与Hugging Face权重已公开。通稿同时划界：属学术研究贡献，不构成小鹏量产产品集成承诺。对具身与智驾团队，价值在「先把看见做硬，再谈动作学习能不能少采数据」；观察点是真机闭环与第三方复现，而不是榜单小数点。