11月4日消息，小鹏正式发布具身智能感知基础模型GroundingPI，并同步开放代码与模型权重开源。该模型参数规模约40亿，采用感知优先技术路线，在覆盖11大类能力的34项公开感知基准综合评测中排名第一，综合得分73.68分，超过OpenAI今年9月发布的前沿模型GPT-6 Astra的71.54分。模型由小鹏与北京大学、香港大学等高校研究团队联合研发。
GroundingPI的名字中，Grounding对应视觉定位这一核心感知能力，PI则是物理智能（Physical Intelligence）的缩写。小鹏方面指出，现有通用大模型主要面向数字场景设计，直接应用于自动驾驶、机器人等物理场景时存在适配鸿沟，而具身智能的首要前提是准确感知空间位置。
基于这一判断，GroundingPI在训练阶段不使用带关节动作标签的机器人数据，完全依靠无动作标签的纯感知数据，覆盖通用检测、文字识别、机器人空间定位等11大类能力。在具身智能常见的快慢系统架构中，该模型定位是为负责高速感知与动作执行的快系统提供感知原生基座，而非取代负责任务理解与规划的慢系统通用大模型。
目前该研究处于科学原型阶段，但仿真结果已对规模化落地的两大核心难题给出验证。其一是大幅降低人工采集机器人示范数据的成本：以GroundingPI为视觉基座的系统仅使用50%的示范数据，执行成功率即可超过使用75%数据的对比模型，因为它直接承担了传统视觉-语言-动作（VLA）模型中的目标定位任务。其二是更强的场景泛化：在散料分拣、料箱清点等高密度仿真场景中，面对材质、物体类别与背景的变化，系统仍能保持稳定表现，为跨工位复用提供支撑。
这是小鹏在物理AI体系上的最新一步。小鹏近年持续加码物理AI，以支撑智能辅助驾驶、人形机器人与Robotaxi业务协同推进；今年早些时候，小鹏还将自动驾驶中心与智能座舱中心合并为由AI专家领衔的通用智能中心，为整车与机器人业务提供统一的AI中台基础支撑。随着该模型开源落地，具身智能基础模型领域的竞争正进一步升温。
