3B参数吊打千亿大模型？Om AI联汇端侧VLX系列亮相WAIC，号称让无人机像发微信一样听话

哇哦AI

图片来自 icloudnews.net 的相关公开报道，展示产品、原型、使用场景或事件背景；具体信息以原始来源为准。 摄影/版权标识：icloudnews.net。 来源：icloudnews.net

7月17日，WAIC 2026现场，Om AI联汇的展台被围得水泄不通——他们带来了全球首个面向物理世界的端侧原生VLX模型系列。技术人员现场演示：仅3B参数的VLX-Seek，在COCO目标检测任务中mAP精度达45.3，竟然超过了千亿参数的Gemini 3.1 Pro（41.4）。这还没完，三层模型协同——VLX-Flow负责流式理解、VLX-Seek负责细粒度视觉、VLX-Go负责具身导航——号称构建了从看见到行动的毫秒级闭环。更抓眼球的是OttoPlex御行方案：无人机装上枢控盒后，用户发条微信就能让它自己起飞、锁定目标、多机协同，断网也能干。厂商说，这相当于把遥控器变成了自主智能体。不过，这些数据均来自厂商现场介绍，第三方独立测试尚未公开。

目前能确认到哪一步
announced（已发布）：Om AI联汇在WAIC 2026上首次线下公开展示VLX模型系列，并开放线上体验平台。厂商声称已在具身装备、AI PC、可穿戴设备等场景实现商业化落地，但具体客户和出货量未披露。

三层模型协同：从看见到行动的毫秒级闭环
VLX系列并非单一模型，而是由三层架构组成：VLX-Flow负责流式理解和文本交互，相当于大脑的语言中枢；VLX-Seek专攻细粒度视觉感知，能看清画面中的每个细节；VLX-Go则负责具身导航与执行，指挥机器人或无人机行动。三层模型深度协同，厂商宣称可实现从看见、看清到自主行动的全链路毫秒级闭环。现场技术人员介绍，这种端侧原生架构与行业主流的“云端训练、端侧压缩适配”模式截然不同，后者往往在压缩过程中损失精度。

最令人惊讶的是性能数据：3B参数的VLX-Seek在COCO目标检测任务中mAP精度达到45.3，而千亿参数的Gemini 3.1 Pro仅为41.4。这意味着一个可以在手机或无人机上运行的轻量模型，在特定视觉任务上居然超过了云端巨无霸。不过，这一对比仅基于厂商自测，且COCO榜单上其他模型的表现未提及。厂商表示，该模型系列现已开放线上体验平台，但未公布具体API或下载链接。

图片来自 icloudnews.net 的相关公开报道，展示产品、原型、使用场景或事件背景；具体信息以原始来源为准。 摄影/版权标识：icloudnews.net。 来源：icloudnews.net

OttoPlex御行：一句话指挥无人机干活
基于VLX模型基座的OttoPlex御行解决方案，是展台的另一大亮点。它赋能无人机、机器狗、人形机器人等具身装备，核心是一块名为“御行智飞枢控盒”的硬件。现场工作人员描述：用户就像发微信一样，一句话就能指挥无人机自主起降、锁定目标、多机协同，全程无需遥控器。更关键的是，它即插即用、断网可独立作业、数据不出设备，把无人机从遥控工具变成了自主智能体。

这一方案瞄准了低空经济、巡检、安防等场景。厂商称，无人机搭载枢控盒后，可在无网络环境下完成复杂任务，数据本地存储，安全性更高。目前，该方案已与多家行业客户合作，但具体案例和部署数量未披露。值得注意的是，这种“一句话指挥”的能力依赖于VLX模型的实时理解与决策，实际复杂环境下的可靠性仍有待验证。

生态布局：从AI PC到可穿戴，端侧智能加速落地
除了无人机，Om AI联汇还展示了与联想、苹果联合推出的OttoBox AI Studio，这是一款基于AI PC硬件的软硬一体创作工作站。它整合了端侧AI能力与PC算力，打通视频素材管理、搜索、采集、剪辑、生成的全链路，号称将数小时的创作压缩至分钟级。此外，公司自研的Homer AI可穿戴视觉中枢，为眼镜、耳机、运动相机等设备提供实时环境理解和空间记忆能力，目前全国已有近10万视障用户，月均AI调用达千万次。

厂商表示，英伟达、苹果、联想等头部企业已与Om AI联汇达成多层次合作，共建端侧软硬一体化产业生态。CEO赵天成在WAIC上宣布正式上线“VLX开发者社区”，推动开放共享。从2022年OmModel获工信部001号认证，到2025年VLM-R1登顶GitHub趋势榜，再到2026年VLX首次线下亮相，Om AI联汇的路径折射出国内物理AI产业从技术探索到生态构建的缩影。不过，这些合作的具体范围和深度尚未详细披露。

资料线索
• icloudnews.net
• leiphone.com
• finance.sina.com.cn

本文是基于公开页面整理的 AI 硬件情报，不是本站实测或购买建议。图片发布副本增加 waoo.ai 水印，原摄影者和来源标识保留。