8月20日，由北京人形机器人创新中心（简称“北京人形”）主办、百度智能云协办的“具身觉醒·慧生万象”具身智能应用创新主题活动举行。北京人形在活动上发布新一代具身大一统模型，推动技术路线从“模块化”迈向“端到端”，并最新发布具身大脑模型Pelican-VL 2.0。

记者从主题活动上获悉，长期以来，具身智能的多项核心能力——视觉语言理解、任务规划、动作执行、世界预测——往往被拆分为多个独立模型、分而治之。这种“模块化”的架构虽然降低了单点实现的难度，却也带来了能力割裂，即模型之间反复调用，误差不断累积，最终导致任务失败，难以在真实场景中随着数据的积累协同进化，突破各自的能力上限。

基于对这一问题的深刻洞察，北京人形在本次大会上正式发布新一代具身大一统模型，推动技术路线从“模块化”迈向“端到端”。所谓“端到端”，其要义并非简单地把多个输出拼接在一起，而是实现共享表示、相互增强、协同进化。

北京人形大模型负责人鞠笑竹表示，统一理解，是将场景、指令、视觉上下文和动作历史映射到共享语义空间；统一推理，是将任务意图、动作选择和未来后果转化为可监督的演化推理过程；统一生成，是在同一个扩散解码过程中联合生成未来视频与底层动作。多维度的输入（文字、图片、视频、动作编码）被统一对齐到共享表征空间，进行统一推理并完成规划，最后端到端的进行视频和动作生成，使“理解—推理—规划—行动”成为闭环，让机器人从“看懂世界”走向“预演未来、精准执行”。

这一技术跃迁也正加速走向落地。北京人形同步推出最新发布的具身大脑模型Pelican-VL 2.0——在已具备较好时空理解、物理感知等能力的基础上，依托强大的后训练基建与强化学习训练，其Agentic能力大幅增强，尤其在长程任务与工具调用等具身关键能力上实现显著提升，真正做到不仅“看得懂”，而且“做得到”。

目前，Pelican-VL 2.0正面向社会全面开放服务，在业界率先实现具身大小脑协同功能的落地与商业化。

此外，北京人形还发布了新一代产品天工Omni，这款面向人形原生具身智能任务全新打造的开放平台，在全身运动控制、灵巧操作、多模态交互等核心能力上实现全面升级，并将底层接口、运动控制框架与具身操作能力全面开放。