2026年8月，具身智能赛道的资本温度计还在往上蹿。

宇树科技科创板IPO初步询价，预估发行市值超400亿。智平方赴港在即，估值突破200亿。据Crunchbase统计，2026年上半年全球机器人领域融资达188亿美元，已超过2025年全年总额，其中中国市场占比超43%。平均每天有超过5亿元流向这个赛道。

就在这个节骨眼上，Om AI联汇同一天宣布了两件事：完成数亿元融资，前海母基金领投，政府产业基金协同参投；同时，开源了VLX-Seek 1.5端侧原生感知模型。

本文来源于广告门 adquan.com

拿到钱的第一件事不是闭门筑壁垒，而是把核心模型开放给全行业。而这个模型的跑分，刚刚在多项核心指标上超越了英伟达。

这不是冲动。如果你看懂了"端侧原生"这个概念在物理AI中意味着什么，就会理解这个选择背后的逻辑。

巨头卷参数，有人在卷架构

先说一个行业里不太被讨论的事实：所有人都在谈论物理AI，但绝大多数参与者——从模型公司到本体厂商——用的仍然是云端大模型的架构思路。

英伟达的LocateAnything系列、Google的Gemini、OpenAI的GPT-4o，这些模型一个比一个大，一个比一个强。把模型做更大，喂更多数据，期待能力涌现。这条路径在语言模型上被验证了，但在物理世界遇到了一堵墙。

物理世界的决策窗口以毫秒计。一架无人机在追捕嫌疑人，目标闪了0.3秒就消失在楼宇之间——这个时间窗口里，把画面传到云端、调千亿参数模型做识别、再把结果传回来？差得远，光网络延迟就吃掉一半。

机器人要动、摄像头要看、机器狗要跑。这些场景要的不仅是更聪明的模型，而是能在终端上实时跑的模型。但问题在于，把云端大模型压缩后塞进终端，就像给高个子做的衣服裁剪后给小个子穿——尺码对了，版型不对。

这正是"端侧原生"要解决的问题。但它不是"缩小版大模型"，就像云原生不是"缩小版机房"。

云原生从架构层面重新定义了计算资源的组织方式——容器、微服务、弹性伸缩，每一层都是为"云上生存"重新设计的。端侧原生也是同一层级的概念：从模型架构、数据流、推理范式开始，为物理世界重新设计一套AI基础设施。

它和云端大模型的差异是根本性的，不是程度差异，是物种差异。

效果如何？直接看数字。

VLX-Seek 1.5的3B参数版本，在多项核心指标上正面超越英伟达LocateAnything-3B。同参数，正面比较：COCO F1@0.5，75.3 vs 70.1；LVIS F1@0.5，73.6 vs 62.3；无人机极端场景准确率提升62.9%，误报率降低74.8%。

这个结果放在半年前几乎不可想象。一家中国AI公司，用同样的3B参数，在物理感知领域打赢国际巨头，差距不在算力，在架构。

VLX模型系列是Om AI联汇自主研发的端侧原生架构的流式多模态模型——不是在云端大模型上打补丁，而是从物理世界的需求出发，定义AI模型应该怎么感知、怎么思考、怎么决策。

Om AI联汇提出的这一全新范式能不能立住，光看跑分不够。VLX在真实世界里到底有什么不一样？

跑分之外，VLX做对了什么

技术指标证明了端侧原生架构的优势。但VLX在真实场景中和巨头模型的差异，远不止跑分。

先说VLX系列模型最核心的能力——流式多模态。

在真实物理世界中：无人机画面一秒30帧，每帧都在变。嫌疑人0.3秒闪过一栋楼，下一帧只剩半个衣角，再下一帧可能完全消失。

英伟达LocateAnything处理这类场景的方式是：接收一整张图，处理后返回结果，每次推理都是独立的任务。一帧一帧独立处理，30帧就是30次独立的"一问一答"。

VLX用的是流式多模态——模型持续观察视频流，累积信息，增量推理。信息不足时，可以多看几帧再判断，而不是每帧都硬给答案。这是一种批处理模型没有的能力：等待。

想象一个场景：无人机在楼宇间追踪目标，目标突然被遮挡。批处理模型每帧都独立判断——第1帧"看到了"，第2帧"没看到"，第3帧"没看到"——三次判断，两次"没有"，按多数投票就是"目标消失了"。但流式模型会记住"0.1秒前目标还在"，在遮挡期间保持追踪状态，等目标重新出现时无缝衔接。

流式多模态并不是VLX独有的能力，很多厂商都在做。但在端侧原生架构下，VLX把它和两个关键设计结合在一起，形成了VLX-Seek 1.5的差异化。

第一个是"怎么定位目标"。传统VLM的定位方式，是让模型像背圆周率一样逐字生成坐标数字"[0.234, 0.567, 0.289, 0.612]"。十个目标念十串数字，少一个括号解析代码就崩了。VLX-Seek 1.5把定位重构为"区域指代"——视觉区域被表示为可寻址实体，模型通过选择和引用区域来回答问题。就像人指东西不说"东经121.47北纬31.23"，只说"喏，在那儿"。

第二个是模型能不能承认"我不知道"。传统模型被训练成每次都要输出结果，画面里没有目标，它也倾向于编一个答案。VLX模型把"不确定"设计成显式输出选项——没有就是没有，直接告诉你。VLX-Seek 1.5的误报率仅为LocateAnything-3B的四分之一。

在物理世界，无人机追踪空气、安防系统频繁误报，"乱报"比"漏报"危险得多。一个AI模型能说"我不知道"，可能比它会做更多事情更值钱。可靠性的价值远大于能力上限。

流式多模态、区域指代、原生拒识——这三件事不是独立功能的简单叠加，而是端侧原生架构下的一体设计：从模型怎么"看"、怎么"说"、怎么"判断"三个层面，重新定义了物理世界的AI模型应该是什么样的。

范式能不能变成钱

技术再漂亮，最终要回答一个问题：怎么变成钱。

这个问题在当下的具身智能行业尤其尖锐。据中国证券报报道，2026年上半年国内具身智能赛道融资总额已超900亿元，但大多数公司的商业化仍停留在产线试点阶段。"融钱期"和"变现期"之间的裂缝，正在吞噬一批只有技术没有收入的公司。

Om AI联汇的做法，是将VLX打造成通用基座，成为物理AI的基础设施。几条变现路径已经跑通。

无人机智飞大脑OttoPlex御行是一个巴掌大小的盒子，搭配任何普通无人机，就能让它从遥控工具变成自主智能体。公安警情联动场景中，监控发现可疑目标，无人机30秒内自动升空，自主规划航线、识别跟踪，全程无需飞手。海事巡逻中，多架无人机沿标准路线协同巡查，发现可疑船只自动抵近确认。

硬件层面，与联想、苹果联合推出OttoBox AI Studio，将模型能力嵌入AI PC终端。不自己造硬件，通过技术授权和联合方案获取收入。

自有产品也已经在跑。Homer AI可穿戴视觉中枢服务全国近10万视障用户，月均AI调用量达千万次——有用户、有调用、有留存。

再加上基于VLX模型基座的"一脑多形"智能体平台，Om AI联汇通过与具身智能企业合作，为各类终端设备赋予感知与决策能力。

融资到位的根本原因，不是技术故事讲得多好。投资人看到的是已经跑通的变现路径和真实用户数据。Homer AI的10万用户和千万次月调用，是端侧原生范式从理论走向商业的最有力证据。

开源的棋局

回到开头那个问题：拿到钱第一件事为什么是开源？

最直接的好处是降低门槛、扩大生态。越多开发者基于VLX-Seek 1.5做应用，端侧原生范式就越有机会从"一家公司的技术路线"走向行业共识。当然，开源模型不等于范式就能自动成为事实标准——Kubernetes之所以成为标准，不只是因为开源，更因为大量上下游厂商共同参与，形成了难以替代的生态网络。端侧原生要走通同样的路，需要的不仅是一个开源模型，还有时间、场景和足够多的共建者。

开发者社区也是最直接的验证渠道。每一个基于VLX-Seek 1.5开发的场景，都是免费的场景验证和数据回流。模型在更多真实环境中被使用，反馈越多，迭代越快。

而敢把同参数超越英伟达的模型放到公开评测里让所有人比较，这个姿态比任何动作都有说服力。

云原生时代，Kubernetes开源不是为了做慈善，是让所有人都在你的地盘上盖房子。端侧原生同理——开源的是模型，收的是生态。

每天5亿流向这个赛道，但没人问对问题

把这笔融资放到行业大周期里看，时间点意味深长。

宇树IPO询价、智平方赴港，具身智能赛道资本化全面提速。但一个值得注意的分化是：宇树和智平方的估值逻辑建立在出货量上，市场看中的是"卖硬件的闭环"；而在部分投资人看来，Om AI联汇的估值逻辑，押注在架构范式的不可替代性上。

同样是具身智能公司的融资，关注的不是同一样东西。

硬件成本持续下降、端侧算力快速提升、场景需求集中爆发——这几个变量同时到位了。巨头们还在云端卷参数，千亿模型一个接一个发，参数记录一个月一破。但端侧模型已经在收用户了——10万视障用户、千万次月调用、公安海事场景常态化部署。

这不是同一个竞赛。巨头在比谁的模型更聪明，端侧原生在比谁的生意先跑通。

2026年下半年，端侧AI赛道大概率会从"技术比拼"逐步切换到"收入验证"。有商业闭环的公司可能率先跑出来，而那些只有技术故事、没有收入支撑的公司，恐怕会迎来更严峻的考验。

物理AI的下半场，谁会是那套"操作系统"？

端侧原生之于物理AI，如同云原生之于云计算。

云原生重新定义了计算资源的组织方式，催生了万亿级云计算市场。端侧原生正在重新定义AI与物理世界的交互架构——当模型不再是"部署在终端的外来大脑"，而是"生长在终端的感知神经系统"，物理AI的规模化落地才有了真正的地基。

Om AI联汇是这一范式的最早倡议和实践者，但不一定是唯一赢家。范式定义的价值在于开创赛道，不在于垄断赛道。真正决定胜负的，是谁能率先在范式之上建起不可替代的商业闭环。

融资加速商业化，开源扩大生态。但最终衡量一个范式价值的，不是融了多少钱、开源了多少模型，而是有多少人在用它、它创造了多少真实收入。

回到开头那笔融资和开源。

2026年，资本正在疯狂涌入具身智能赛道，每天5个亿。所有人都在问：谁会是最终赢家？答案可能不在今天的任何一张牌桌上。

云原生时代，没有人记得第一个提出"容器"概念的人是谁，但所有人都运行在Docker和Kubernetes之上。端侧原生的故事可能也会这样——多年以后，人们回头看2026年这个夏天，可能记不清是哪家公司最先开源了一个3B参数的感知模型。但当无人机在追捕中不再需要飞手、视障人群靠一块胸牌走遍城市、机器人终于敢在真实世界里说"我不知道"——所有人都会意识到，有一套新的架构范式，已经悄悄接管了物理世界和AI之间的那道接口。

基础设施的价值，最终要靠使用它的人来证明。而使用它的人，正在多起来。