机器人想要真正实现自主作业，核心是看懂环境、预判变化、主动行动，并具备持续进化能力。智元全新发布的GE-Act 2.0，成功验证原生世界—动作模型的完整预训练与规模化生长路径，让机器人AI告别“应试刷题”，真正拥有举一反三的通用能力，是国内具身智能领域的重要突破。

图中每个任务接受四档数据量训练(300 小时/ 1200 小时/ 5000 小时/ 30000 小时)，随着训练数据不断扩大，技能覆盖范围与任务成功率同步扩大，这验证了原生世界-动作模型预训练与Scaling路径

拒绝应试假象：零样本实测检验真实通用能力

当前多数机器人模型存在“刷分假象”，看似精度很高，实则依靠场景专属微调训练，一旦更换光照、视角、物品，性能迅速崩盘，并不具备通用能力。

为此，GE-Act 2.0采用零样本真机测试作为唯一标准：不微调、不示范、不换模型，所有测试场景、物体、环境均从未出现在训练集中，完全依靠模型原生认知完成操作。

研发团队使用跨度100倍的训练数据(300小时至3万小时)验证缩放规律。结果显示，机器人能力呈现明显“顿悟式增长”：精细操作任务数量大幅提升，毛巾折叠、纸杯嵌套、精细插拔、插花等小动作，小数据模型完全无法理解，在3万小时大数据加持下可稳定完成。

同时，模型整体成功率持续上涨，且5000小时至3万小时区间仍无性能饱和迹象，成长潜力充足。最能体现通用性的是跨机型迁移效果：主力机器人贡献超半数训练数据，另一机型训练占比不足2%，依旧实现显著能力提升，证明模型学到的是通用操作逻辑，而非设备专属技巧，综合性能超越多款行业主流模型。

思维范式升级：机器人从被动反应变为主动预判

传统机器人属于“看一步动一步”的被动执行模式，没有未来推演能力，面对动态场景极易出错。GE-Act 2.0原生世界—动作模型，复刻人类行为逻辑：先预判未来环境变化，再制定动作策略，实现从“被动反应”到“主动预见、驱动行动”的升级。

不同于行业拼接预训练模型的改良思路，GE-Act 2.0从零构建具身专属架构，通过三大核心创新解决识别慢、推理弱、规划乱的痛点。

自研CoAE视觉编码器，将复杂画面压缩为24个视觉特征单元，算力仅为主流模型的十六分之一。通过智能筛选有效信息，在大幅降本提速的同时，指令画面匹配准确率高达97.95%，实现轻量化与高精度兼顾。

传统模型需要多轮反复推演，算力高、延迟大。GE-Act 2.0支持一次性生成完整未来动作序列，并以动作误差反向优化世界预测模型，在常规显卡上单次连续动作生成仅需104毫秒，推理速度大幅领先同类世界动作模型。

同一任务存在多种合理操作方式，传统模型容易因动作差异产生学习混乱。GE-Act 2.0通过KASO算法筛选最贴合真实场景的预测路径，仅保留有效样本参与优化，让陌生场景目标识别率提升7.5%，抓取成功率提升10%，大幅提升泛化稳定性。

GE-Act 2.0架构

全量数据复用：彻底解决训练数据浪费难题

传统机器人训练极度依赖高质量、完整标注数据，大量失败轨迹、无标注视频、试错数据直接作废，数据利用率极低。

GE-Act 2.0重构数据训练体系，让不同类型数据各司其职：3.9万小时环境视频用于学习世界变化规律，包含大量无动作标注素材;3.2万小时机器人轨迹数据训练动作认知，兼容失败操作与部署回流数据;3万小时完整配对数据，打通环境预测与实操动作的协同能力。

这套机制让机器人可以从成功案例学方法、从失败数据学避错，最大化利用海量真实场景数据，大幅降低训练成本，加速模型迭代。

行业价值：敲定通用机器人规模化生长路径

在智元GE世界模型体系中，GE-Sim负责虚拟环境搭建与策略评测，GE-Act承担核心落地功能，将虚拟的未来预测能力转化为真实机器人的物理操作能力。

KASO从多个预测未来中选出与真实动作最一致的结果，再用于联合训练，避免未来预测与动作监督错位

本次GE-Act 2.0的核心突破，是正式证实原生世界—动作模型具备可持续缩放能力。机器人零样本通用能力可随数据规模稳定提升、无明显天花板，彻底打破定制化调参的传统模式，为下一代通用人形机器人的规模化进化，提供了清晰、可落地的技术路径。

随着训练数据规模扩大，两种机器人本体的多数技能持续提升，数据占比不足2%的G2-90D同样获得明显增长。