📰 概要

一个做AI视频的公司，做出了目前最好的机器人大脑。

2026年4月29日，生数科技主动认领了神秘登顶模型MotuBrain。

4月中旬，它悄悄登顶WorldArena和RoboTwin2.0两个国际benchmark，让具身圈大佬们猜了三周。

生数科技就是做出Vidu视频模型的公司——央视动漫用AI拍西游的那家。

MotuBrain在WorldArena三项维度全部第一，在RoboTwin2.0两个场景下分别达到95.8和96.1，均排名第一。

过去几年，能把其中一个测试做到极致已属不易。生数科技说：一个MotuBrain就够了。

---

🔍 解读

为什么AI视频公司能做机器人大脑？

关键在于世界观一致：视频模型理解物理世界，机器人需要理解物理世界才能行动。两者是同一个能力在不同场景的应用。

具体来说，一段汽车漂移的视频，模型要看懂：车为什么拐弯、轮胎为什么冒烟、下一秒会往哪走。这正是视频模型最擅长的事——预测物理世界的未来状态。

MotuBrain是"世界动作模型"（World Action Model）。核心是：理解物理规律 → 预测下一步 → 输出行动。三者合一，不是分开的三步。

对比主流的VLA路线（视觉-语言-动作模型，如PI-0），MotuBrain走了另一条路：视频预测为基础，动作输出为终点。

---

💎 深挖

WorldArena测的是什么

WorldArena是业界公认的World Model能力测试场。它不看你生成的视频好不好看，而是看模型能不能真正理解物理世界。

MotuBrain在Motion Quality（动作真实性）、Flow Score（连续性）、Motion Smoothness（平滑性）三个维度全部第一。

这意味着它不是靠某个单项刷分，而是真正理解了物理规律。

RoboTwin2.0的硬核考验

RoboTwin2.0是Action Model的硬核考场。50个任务，覆盖抓取、放置、推、拉、旋转等多种操作类型。

分两种环境：Clean场景（标准实验室，物体位置固定）和Randomized场景（随机扰动——物体位置随机偏移，灯光颜色变化，桌子角度微调）。

MotuBrain在两个场景下分别达到95.8和96.1，均排名第一。关键是它在"没见过的条件"下依然表现稳定——泛化能力强。

什么情况不建议用

如果你关注的是机器人硬件控制、底层运动规划，MotuBrain帮不上忙——它是大脑，不是控制层。

如果你要做的是专用机器人（比如只做抓取），专用模型可能比通用世界模型更高效。

为什么值得持续关注

生数科技2025年12月开源了通用基座世界模型Motus，MotuBrain是商业化升级版。如果视频生成公司能持续跨界具身智能，AI视频的物理理解能力将进入机器人市场。

未来的机器人不需要从头训练物理直觉，只需要一个能"看懂世界"的视频模型作为大脑。生数正在验证这条路。