AGIBOT WITA-Omni 以85.21分奪冠 Daily-Omni

Q: WITA-Omni 跟 ChatGPT 這類聊天模型有什麼不同？

ChatGPT 這類模型主要在文字與靜態內容上推理，是給人坐在電腦前使用的數位大腦；WITA-Omni 則是為具身交互設計的物理世界大腦，必須即時融合聲音與畫面，在動態環境中做時序推理，追求的是行動正確而非對話流利。

Q: Daily-Omni 榜單的 85.21 分是什麼概念？

85.21% 是八項音視訊聯合理解指標的平均正確率，也是目前該榜單最高分，擊敗阿里巴巴 Qwen3.5-Omni-Plus、Google Gemini 3.1 Pro Preview、字節豆包 Seed 2.0 Lite 等主流模型，並在六項指標奪冠或並列第一。

AGIBOT WITA-Omni 榜單登頂是這篇文章討論的核心

「視聽雙修」奪冠！AGIBOT WITA-Omni 以 85.21 分登頂 Daily-Omni：具身多模態的野望才剛開始

圖／Pexels（Kindel Media）：具身智能機器人佇立於數位網路光場中，象徵音訊與視覺雙通道的即時融合運算。

「一家做機器人的公司，居然在音視訊推理榜單上，把 Google、阿里巴巴、字節跳動全數掀翻？」看到 Daily-Omni 最新放榜的那一刻，這是我腦中冒出的第一句話。2026 年 7 月 28 日，智元機器人（AGIBOT）官方從上海甩出一記重拳：自家具身原生全模態大模型 WITA-Omni Preview，以平均正確率 85.21% 登頂，把千問、Gemini、豆包甚至輝達的 Omni 模型全踩在腳下。多模態大模型這條賽道，向來是科技巨頭的後花園，如今卻殺出一家「做機器人本體」的新創——這劇情，值得好好拆一拆。

快速精華：三分鐘看懂這件事

💡 核心結論：AGIBOT（智元機器人）自研的 WITA-Omni Preview，以 85.21% 平均正確率登頂 Daily-Omni 音視訊推理榜，成為具身智能多模態領域的新王者；這象徵「聽覺＋視覺聯合推理」正式成為機器人模型的兵家必爭之地。
📊 關鍵數據：2026 年全球多模態 AI 市場約 28.3～38.5 億美元，預估以 30.6% 年複合成長率於 2030 年達 82.4 億美元，2034 年更上看 419.5 億美元（Fortune Business Insights）；WITA-Omni 在八項指標中六項奪冠或並列第一。
🛠️ 行動指南：企業主可鎖定餐廳、物流、養老照護等率先導入具身機器人的場景；投資人緊盯「視聽聯合推理模型開源進度、機器人本體出貨量、多模態數據標註成本」三指標。
⚠️ 風險預警：榜單分數不等於量產成熟度；硬體良率、長尾場景泛化與數據成本，仍是具身智能從「能看能聽」走向「真能幹活」的最大變數。

本文目錄

一、AGIBOT 憑什麼擠進多模態第一梯隊？拆解這家「機器人公司」的硬底子
二、85.21 分到底強在哪？WITA-Omni 在 Daily-Omni 的真實戰力
三、音訊＋視覺聯合推理，為何是具身智能的「分水嶺」而非加分項？
四、2026 年多模態 AI 產業鏈將被如何改寫？從 28 億美元到百億美元級市場
五、FAQ：關於 WITA-Omni 與具身多模態，你該知道的 3 件事
六、別只當觀眾：把觀察變成行動

AGIBOT 憑什麼擠進多模態第一梯隊？拆解這家「機器人公司」的硬底子

先講清楚 AGIBOT 是誰。2023 年 2 月，前華為「天才少年」彭志輝（網名稚暉君）與鄧泰華在上海創立智元機器人，總部位於上海，專攻通用人形機器人。彭志輝在 B 站以硬核 DIY 聞名，是名副其實的「理工男頂流」；這家公司從誕生那天起，路線就跟純軟體 AI 公司截然不同——他們要的是「能走路、能幹活、能看能聽」的實體智能。

WITA-Omni Preview 正是這條路線的「大腦」：一個為具身交互（embodied interaction）而生的多模態基礎模型。這裡有個關鍵問題：為什麼機器人公司要自研大模型？答案很殘酷——市面上的通用模型是給「坐在電腦前的人」設計的，而機器人活在一個會動、會響、會變的物理世界。AGIBOT 的算盤是：軟體（模型）、硬體（本體）、數據（AGIBOT World 真實任務數據集）三條腿一起跑，這也正是它敢喊出「三智一體」的底氣。

💡 Pro Tip 專家見解：別把 WITA-Omni 當成另一個聊天機器人。它是為「身體」服務的大腦——聽覺負責判斷「這是什麼聲音、從哪個方向來」，視覺負責「這是什麼物體、下一步會怎麼動」，兩者對齊之後，機器人才談得上安全地與人協作。這張多模態入場券，才是具身智能真正的起跑線。

85.21 分到底強在哪？WITA-Omni 在 Daily-Omni 的真實戰力

Daily-Omni 是什麼來頭？它是當前具身全模態理解領域的權威榜單，專門考驗模型對「真實世界音視訊」的聯合理解能力。這次 WITA-Omni Preview 以 85.21% 平均正確率登頂，最兇悍的地方在於：八項評測指標中，它在視聽對齊（audio-visual alignment）、比較推理（comparison）、事件排序（event sequencing）、30 秒與 60 秒長影片子集等六項拿下第一或並列第一，其中推理（inference）一項也與對手打成平手。

換句話說，它不是「某一科特別強」的偏科生，而是全科制霸。這背後是 AGIBOT 的三階段訓練法：先以監督式微調（SFT）打底，再用在線策略蒸餾（on-policy distillation）讓小模型向強模型看齊，最後以強化學習（RL）打磨決策能力——一套為物理世界時序理解量身打造的「特訓菜單」。下圖是這波浪潮背後的市場量級，肉眼可見的陡坡才剛開始。

💡 Pro Tip 專家見解：把 85.21 分拆開來看：事件排序、長影片子集這些指標，考的不是「認不認得圖」，而是「時間軸上的因果」。機器人若聽不懂「砰一聲之後玻璃碎了」，就不可能在廚房或產線上安全作業。AGIBOT 押注的，正是這條最難走、也最值錢的賽道。

音訊＋視覺聯合推理，為何是具身智能的「分水嶺」而非加分項？

過去多模態模型的套路是「視覺歸視覺、聽覺歸聽覺」，各自為政；但真實世界從來不是單通道。廚房裡油鍋嘶嘶作響、馬路上喇叭聲由遠而近、產線上馬達聲突然變調——這些訊號單靠畫面根本讀不出來，必須視聽「聯動」才能推斷背後意涵。WITA-Omni 的登頂，等於向業界宣示：聯合音視訊理解（joint audio-visual reasoning）已成為機器人模型的必答題，不再是拿來展示的 Demo。

這對供應鏈的衝擊是即時的。感測器廠商開始重視麥克風陣列的時序精度，晶片廠商想把音訊 DSP 與視覺 NPU 塞進同一顆 SoC，數據標註公司則要接下「視聽對齊」這種高難度訂單。可以說，一個全新的細分賽道正在成形，而 AGIBOT 已經卡好身位。

💡 Pro Tip 專家見解：判斷一家機器人公司是不是「真具身」，看它敢不敢上視聽聯合推理榜單就知道。純視覺派會被物理世界的「聲音盲區」卡死；把聽覺當配角的，註定只能做出閹割版機器人。WITA-Omni 的意義，是讓「耳聰目明」從形容詞變成可量化的分數。

2026 年多模態 AI 產業鏈將被如何改寫？從 28 億美元到百億美元級市場

把鏡頭拉遠，這場單點勝利背後是整條賽道的爆發。根據 The Business Research Company 最新報告，全球多模態 AI 市場 2026 年規模約 28.3 億美元，預估以 30.6% 的年複合成長率在 2030 年衝到 82.4 億美元；Mordor Intelligence 給出更樂觀的數字：2026 年 38.5 億美元、2031 年 135.1 億美元；Fortune Business Insights 甚至上看 2034 年達 419.5 億美元。

若把具身智能的「腦＋身」想成一台複利機器：模型越強 → 機器人越能幹 → 任務數據越肥 → 模型再進化。AGIBOT 的 A2 人形機器人已創下「人形機器人最長行走距離」的金氏世界紀錄，並宣佈啟動通用機器人商業量產——WITA-Omni 的登頂，正好為這條量產之路補上最後一塊「大腦」拼圖。

2026 年之後，我們會看到什麼？具身模型從「能看」進化到「能懂」，服務型機器人開始進駐餐廳、醫院與家庭，工業場景從「重複搬運」升級為「自主決策」。這不是科幻片，而是供應鏈上正在發生的訂單、量產線與人才招聘。

💡 Pro Tip 專家見解：投資人或創業者請盯緊三件事：一、音視訊聯合推理模型的開源進度；二、機器人本體出貨量（量產才是護城河）；三、多模態數據標註的單位成本。當三者同時改善，具身智能的「iPhone 時刻」就到了。

FAQ：關於 WITA-Omni 與具身多模態，你該知道的 3 件事

Q1：WITA-Omni 跟 ChatGPT 這類聊天模型有什麼不同？

ChatGPT 這類模型主要在文字與靜態內容上推理，是給人坐在電腦前使用的「數位大腦」；WITA-Omni 則是為具身交互設計的「物理世界大腦」，必須即時融合麥克風捕捉的聲音與鏡頭捕捉的畫面，在動態環境中做時序推理，例如判斷「哪個方向傳來警報聲、接下來會發生什麼」。它追求的不是話說得好不好聽，而是行動對不對。

Q2：Daily-Omni 榜單的 85.21 分是什麼概念？

85.21% 是八項音視訊聯合理解指標的平均正確率，也是目前該榜單的最高分。它同時擊敗了阿里巴巴 Qwen3.5-Omni-Plus、Google Gemini 3.1 Pro Preview、字節跳動豆包 Seed 2.0 Lite 等主流模型，並在視聽對齊、事件排序、長影片子集等六項指標奪冠或並列第一。