北京人形機器人創新中心有限公司（下文簡稱：北京人形）是國內首家省級人形機器人創新中心，聚焦於具身智能機器人核心技術、產品研發和應用落地，圍繞通用機器人平台「具身天工」和通用具身智能平台「慧思開物」兩大核心任務開展攻堅，致力於打造具有全球影響力的具身智能創新策源地和應用示範高地。
2024 年，北京人形發佈「天工1.0 LITE」，成為全球首個純電驅擬人奔跑的全尺寸人形機器人。同時，2025 年北京人形發佈全球首個通用具身智能平台「慧思開物」，支持多本體多場景應用，獲行業高度評價，引領產業協同創新。
1. 規模最大，性能最好的開源具身多模態大模型
2025 年 11 月 14 日，北京人形機器人創新中心發佈了具身智能視覺-語言模型 Pelican-VL 1.0，並實現全面開源。該系列模型的核心優勢在於深度整合海量數據與自適應學習機制，覆蓋 7B、72B 參數規模，是「最大規模的開源具身多模態大模型」。在基線基礎上性能提升 20.3%，超過同級別開源模型 10.6%。
在研發 Pelican-VL 模型的過程中，北京人形採用了創新的訓練方案，通過 SFT 有監督微調與 RL 強化學習的高效迭代，提升模型性能。同時，為了縮短模型訓練時間，採用了千卡規模的集羣。在本次模型的研發中，北京人形調動各個團隊、跨部門的協作共享，確保模型研發高效推進與快速落地。
2. 面向行業的 AI Infra 解決方案
針對全新的模型和訓練方法，百度百舸聯合北京人形，構建了覆蓋「模型提效加速、訓練穩定性保障、企業級開發平台」的 AI Infra 具身智能解決方案，加速了 Pelican-VL 模型的落地。
2.1. 在 SFT 和 RL 各階段加速模型訓練
2.1.1. SFT 階段：多模態混訓 + 離線 Sequence Packing，提升訓練效率和 GPU 利用率
在多模態大模型 SFT 訓練任務，數據類型的異構性（如文本為序列、圖像為二維像素、視頻為多幀時序）和序列長度的巨大差異（視頻動輒上萬 token，文本通常僅數百 token）需要處理文本、圖像、視頻等異構數據，導致不同模態難以放入同一個 batch 中訓練，不僅造成大量 padding 浪費，還使得 GPU 負載無法對齊，訓練效率顯著降低。
針對這一情況，百度百舸聯合北京人形，實現並優化了文本、圖像、視頻多模態混訓的能力。同時，提供了利用 CPU 集羣進行離線 Sequence Packing 的能力，訓練時直接加載已處理好的數據，無需實時計算，釋放 GPU 集羣算力。該能力與模型的分佈式並行策略解耦，實現「一次預處理，多場景複用」。
依託雙方深度協作與多維度的優化，北京人形模型訓練效率和 GPU 資源利用率大幅提升，縮短了整體 SFT 的任務完成時間。
2.1.2. RL 階段：視頻上下文並行，縮短任務時間提升模型性能
在強化學習階段，高分辨率和高幀率採樣的視頻數據，將能有效縮短訓練數據，提升模型質量。
基於強化學習訓練框架，雙方聯合打造針對長序列（長視頻）的上下文並行解決方案。新增視頻 CP（上下文並行）切分機制，實現上下文線性拓展，並在 A800 環境中優化 attention 後端選擇，進一步提升訓練效率。
同時重構分片通信機制，解決「多模態混訓 + 視頻 CP」場景的穩定性問題，滿足北京人形高分辨率高幀率數據訓練的訴求。
相比社區原有方案，經過雙方共同論證的合理切分配置，北京人形業務中單段視頻支持的幀數上限、單幀最大分辨率上限均實現大幅突破，縮短訓練時間。同時顯存佔用更低，訓練曲線更加平穩。在模型效果上，在既有評測集上的準確率評分提升約 5%。
2.2. 千卡集羣自動容錯，保障集羣穩定運行
千卡級大規模 GPU 集羣的長時間運行，一定會遇上資源、任務等各類故障，由此導致任務的中斷。
百度百舸平台通過自動彈性容錯機制，保障千卡模型訓練 99.5% 有效訓練時長，確保北京人形 Pelican-VL 等大型模型訓練，在 1000+ A800 GPU 集羣訓練穩定進行，單次檢查點訓練超 50,000 A800 GPU-小時。
2.3. 建設企業級開發平台，支撐高效協作
2.3.1. 一站式開發機，快速驗證模型上機效果，大幅提升研發效率
在 Pelican 的訓練過程中，縮短每次開發迭代的週期，成為加速模型落地的關鍵。
百度百舸的開發機內置 VSCode 等主流開發工具，滿足北京人形研發人員的基礎編碼與調試需求；集成 NVIDIA Isaac Sim 仿真軟件、RDT 開發框架、 ISAAC LAB 工具包等模型開發環境，實現開箱即用，將原本需要數天的環境搭建時間壓縮至分鐘級。
同時，支持開關機數據不丟失與多類型存儲適配，可在線打包鏡像並一鍵提交「鏡像 + 代碼 + 數據」至訓練集羣，快速響應大規模模型迭代需求，便於北京人形研發人員高效驗證上機效果，提升研發效率。
2.3.2. AI 數據資產管理，實現跨團隊安全、高效協同
高效的模型訓練需要數據、資源、運營等多團隊共同協同推進，團隊之間既需共用公共數據集，又有專屬數據的權限管理需求。多角色參與、多類型數據並存，導致 AI 資產查找繁瑣、協作效率低，且權限管控難度大。百度百舸對此提供了數據資產管理方案：
- 通過元數據、版本與細粒度權限統一管理，實現 AI 資產全生命週期安全可控。
- 提供統一資產目錄，減少工程師在資產查找、準備上的重複勞動，推動團隊協作標準化。
3. 總結
目前，Pelican-VL 1.0 已經上線百舸百舸平台，用户可以快速完成模型部署開展新的業務。未來，北京人形將持續深化與百度智能雲的合作，讓更多機器人在可見的未來中具備通用智能、靈活自適應的能力。
Pelican-VL 1.0 開源模型信息
- 主頁：https://pelican-vl.github.io/
- Github：https://github.com/Open-X-Humanoid/pelican-vl
- Huggingface:https://huggingface.co/collections/X-Humanoid/pelican-vl-10
- Modelscope:https://modelscope.cn/collections/Pelican10-VL-1036b65bbdfe46
