機(jī)器之心原創(chuàng)

作者：張倩

當(dāng)機(jī)器人成為各大科技展會(huì)最受矚目的焦點(diǎn)，當(dāng)具身智能論壇場(chǎng)場(chǎng)爆滿、一票難求，我們不難發(fā)現(xiàn)：這個(gè)領(lǐng)域正在經(jīng)歷前所未有的關(guān)注熱潮。

然而，熱潮之下，仍有諸多關(guān)鍵議題懸而未決：面對(duì)數(shù)據(jù)稀缺，有人寄希望于合成數(shù)據(jù)的突破，有人堅(jiān)持真機(jī)數(shù)據(jù)才是根本；在技術(shù)路線之爭(zhēng)中，有人押注端到端的整體范式，有人則認(rèn)為分層架構(gòu)更符合演進(jìn)規(guī)律；至于模型形態(tài)，有人視 VLA 為智能的最終歸宿，也有人認(rèn)為世界模型才是真正的未來(lái)。

現(xiàn)階段出現(xiàn)這種分歧非常正常，因?yàn)檎麄€(gè)行業(yè)的發(fā)展路徑尚未收斂。有些問(wèn)題甚至還沒(méi)有來(lái)得及系統(tǒng)討論，比如量產(chǎn)之后會(huì)出現(xiàn)哪些新的卡點(diǎn)，誰(shuí)來(lái)解決？

正是因?yàn)榇嬖谶@些問(wèn)題，業(yè)界迫切需要一個(gè)開(kāi)放的對(duì)話平臺(tái)。在今年云棲大會(huì)的具身智能論壇上，我們見(jiàn)證了這樣一場(chǎng)深度交鋒：不同派系的代表坐到同一張桌子前，將技術(shù)分歧、商業(yè)思考和基礎(chǔ)設(shè)施需求一并攤開(kāi)討論，試圖在碰撞中尋找新的共識(shí)。

論壇過(guò)后，我們也和這場(chǎng)論壇的發(fā)起者 ——阿里云聊了聊。這家云計(jì)算巨頭選擇在此時(shí)深度介入具身智能領(lǐng)域，本身就值得關(guān)注。

聊完之后，我們發(fā)現(xiàn)，他們真正的入局其實(shí)是在四五年前，如今更是在提前為具身智能行業(yè)即將到來(lái)的數(shù)據(jù)量的指數(shù)級(jí)增長(zhǎng)以及算力需求、模型規(guī)模的爆發(fā)做準(zhǔn)備。這種給行業(yè)未來(lái) 3 到 5 年打「提前量」的布局既體現(xiàn)了阿里云對(duì)技術(shù)周期的敏銳判斷，也暗示著云廠商在具身智能時(shí)代所扮演的角色 —— 不只是提供算力，更是在為具身智能行業(yè)提前搭建起未來(lái)幾年最關(guān)鍵的基礎(chǔ)設(shè)施。他們相信，在各方的共同努力下，具身智能的「FSD V12 時(shí)刻」很快就會(huì)到來(lái)，而他們已經(jīng)為此做好了準(zhǔn)備。

真機(jī)派 vs. 合成派

哪個(gè)更有前景？

具身智能的數(shù)據(jù)饑荒已成為行業(yè)共識(shí)。為了解決這個(gè)問(wèn)題，行業(yè)逐漸劃分出兩個(gè)派系：真機(jī)派和合成派。真機(jī)派堅(jiān)持以遙操或者互聯(lián)網(wǎng)的形式獲取數(shù)據(jù)，基于 VLA 做模仿學(xué)習(xí)；仿真派則相信合成數(shù)據(jù)可行性，在仿真環(huán)境中合成數(shù)據(jù)，用作模型訓(xùn)練，并大量使用強(qiáng)化學(xué)習(xí)。雙方都有充足的理由堅(jiān)持自己的路線。

銀河通用是仿真合成派的代表。在現(xiàn)場(chǎng)，該公司聯(lián)合創(chuàng)始人兼大模型負(fù)責(zé)人張直政從成本和可擴(kuò)展性的角度闡述了他們選擇該路線的理由。

張直政指出，今天的具身智能大模型要想實(shí)現(xiàn)通用的、跨任務(wù)的泛化能力，可能需要上萬(wàn)億條數(shù)據(jù)，全部真機(jī)采集既難以實(shí)現(xiàn)也不可持續(xù)。特斯拉的 Optimus 就是一個(gè)例證，他們?cè)屢粋€(gè) 40 多人的團(tuán)隊(duì)耗時(shí)一個(gè)月采集了數(shù)十萬(wàn)條遙操數(shù)據(jù)，用來(lái)訓(xùn)練機(jī)器人完成電池取放任務(wù)，但泛化性依然很差。在相關(guān)負(fù)責(zé)人離職后，Optimus 開(kāi)始嘗試通過(guò)人類視頻讓機(jī)器人學(xué)習(xí)任務(wù)。

因此，銀河通用選擇的路線是：先通過(guò)大規(guī)模仿真合成數(shù)據(jù)進(jìn)行預(yù)訓(xùn)練，構(gòu)建通用基座大模型，再利用少量高精度的真實(shí)數(shù)據(jù)進(jìn)行后訓(xùn)練。通過(guò)這種方式，他們實(shí)現(xiàn)了良好的泛化性能，并且把真實(shí)數(shù)據(jù)后訓(xùn)練的樣本效率提高到了 Optimus 的一千倍，大大降低了落地的邊際成本。

「仿真極為重要，沒(méi)有仿真，我認(rèn)為我們幾十年內(nèi)都無(wú)法制造出能在現(xiàn)實(shí)世界中發(fā)揮作用的機(jī)器人」。NVIDIA 機(jī)器人與邊緣 AI 副總裁 Deepu Talla 在現(xiàn)場(chǎng)說(shuō)道。此外，他還分享了 Isaac Sim、Isaac Lab 等工具，有了這些工具，機(jī)器人的仿真數(shù)據(jù)生產(chǎn)和模型訓(xùn)練顯著加速。

但值得注意的是，并不是在所有的情況下，仿真數(shù)據(jù)都更容易獲取。清華大學(xué)助理教授、星海圖首席科學(xué)家趙行就指出，「有些仿真數(shù)據(jù)的 scaling law 來(lái)自于你擁有的博士生數(shù)量，像流體、柔性物體的仿真只有圖形學(xué)博士才能做」。在這種情況下，在真實(shí)世界做一個(gè)物理實(shí)驗(yàn)反而更便宜（比如杯子打翻，水灑在一塊布上），而且得到的數(shù)據(jù)質(zhì)量更高，多樣性也更好。千尋智能聯(lián)席首席科學(xué)家解浚源也指出，仿真數(shù)據(jù)其實(shí)是「?jìng)螖?shù)據(jù)驅(qū)動(dòng)」，因?yàn)榉抡嫫餍枰槍?duì)每個(gè)物體和場(chǎng)景定制開(kāi)發(fā)，這本質(zhì)上是一種「研發(fā)人力驅(qū)動(dòng)」的方式。此外，仿真數(shù)據(jù)的數(shù)據(jù)效率也是一大問(wèn)題，自變量機(jī)器人創(chuàng)始人、CEO 王潛給出了一個(gè)令人驚訝的數(shù)字：仿真數(shù)據(jù)和真實(shí)數(shù)據(jù)的效率可能會(huì)差 5-6 個(gè)數(shù)量級(jí)，這在實(shí)際訓(xùn)練中會(huì)大大削弱仿真數(shù)據(jù)的成本優(yōu)勢(shì)。

仿真未必便宜，真機(jī)也未必貴到不可承受。作為「真機(jī)派」的代表，解浚源還對(duì)「真機(jī)數(shù)據(jù)昂貴稀少」的共識(shí)提出了挑戰(zhàn)。他認(rèn)為，真機(jī)數(shù)據(jù)真正的瓶頸在于缺乏投入，而非數(shù)據(jù)本身成本過(guò)高?！笇?shí)際上真機(jī)數(shù)據(jù)并沒(méi)有想象中那么貴，在國(guó)內(nèi)供應(yīng)鏈的支持下，把單個(gè)機(jī)器人成本打到 10 萬(wàn)以下是很容易的?！菇饪Ｔ磳⒋伺c大模型廠商的投入進(jìn)行對(duì)比，指出當(dāng)前一塊高端訓(xùn)練顯卡的成本遠(yuǎn)高于一個(gè)國(guó)產(chǎn)機(jī)器人的成本。既然大模型廠商能以萬(wàn)卡甚至幾十萬(wàn)卡的規(guī)模投入算力，那么將采集數(shù)據(jù)的機(jī)器人規(guī)模擴(kuò)展到上千臺(tái)、上萬(wàn)臺(tái)，絕非不可想象的成本。

此外，在采集方式上，遙操作并不是唯一的選擇。千尋智能自研的可穿戴機(jī)械臂可以把采集成本降到遙操作的 1/20，同時(shí)保持有效采集精確度不變。

解浚源相信，唯有高質(zhì)量的真實(shí)數(shù)據(jù)才能訓(xùn)練出世界領(lǐng)先的模型，所以他們致力于構(gòu)建一個(gè)基于真實(shí)數(shù)據(jù)的全鏈路數(shù)據(jù)生態(tài)，從而打造一個(gè)數(shù)據(jù)飛輪，讓機(jī)器人借助真實(shí)數(shù)據(jù)實(shí)現(xiàn)能力的不斷升級(jí)。

端到端 vs. 分層，VLA vs. 世界模型

哪個(gè)是終局？

無(wú)論是合成數(shù)據(jù)還是真機(jī)數(shù)據(jù)，最終都是要為模型的訓(xùn)練去提供服務(wù)。隨著大模型與機(jī)器人領(lǐng)域融合的加深，一些問(wèn)題開(kāi)始浮出水面：具身智能領(lǐng)域需要什么樣的大模型？端到端和分層架構(gòu)哪個(gè)更有前景？VLA 是終局嗎？世界模型又將帶來(lái)哪些價(jià)值？圍繞這些問(wèn)題，幾位具身智能行業(yè)領(lǐng)袖、資深研究者展開(kāi)了討論。

針對(duì)第一個(gè)問(wèn)題，王潛表示，具身智能大模型不是虛擬世界大模型在現(xiàn)實(shí)世界的簡(jiǎn)單應(yīng)用，而是獨(dú)立的基礎(chǔ)模型。因?yàn)槭紫龋Z(yǔ)言和視覺(jué)無(wú)法精確描述物理動(dòng)作；其次，物理接觸過(guò)程的復(fù)雜性遠(yuǎn)超虛擬世界模型的建模能力。

趙行同意這個(gè)說(shuō)法，并進(jìn)一步指出，具身基礎(chǔ)模型是一個(gè)平行于語(yǔ)言模型的存在。猴子、猩猩等動(dòng)物沒(méi)有豐富的語(yǔ)言，但它們的具身智能能力卻非常強(qiáng)大，這種能力很有可能來(lái)自視覺(jué)和動(dòng)作這兩個(gè)模態(tài)的交互學(xué)習(xí)。這說(shuō)明視覺(jué) - 動(dòng)作模態(tài)本身就蘊(yùn)含著強(qiáng)大的智能潛力，可以平行于語(yǔ)言模態(tài)發(fā)展出自己的智能。

但在構(gòu)建具身智能基礎(chǔ)模型的方式上，兩人出現(xiàn)了分歧 —— 趙行青睞分層架構(gòu)，王潛則堅(jiān)信端到端。

最初選擇分層架構(gòu)，趙行更多考慮的是現(xiàn)實(shí)部署約束，因?yàn)樵诙藗?cè)實(shí)時(shí)跑大模型受限于端側(cè)芯片的迭代速度。通過(guò)大小腦分層、分別部署在邊緣側(cè)和端側(cè)的設(shè)計(jì)，機(jī)器人更容易落地。此外，他認(rèn)為分層架構(gòu)更符合生物進(jìn)化規(guī)律，畢竟人腦不同分區(qū)各司其職同樣工作得很好。針對(duì)不同層之間能力無(wú)法互通、梯度無(wú)法回傳的質(zhì)疑，趙行表示這不是本質(zhì)問(wèn)題，可通過(guò)強(qiáng)化學(xué)習(xí)等技術(shù)解決。

但王潛認(rèn)為分層架構(gòu)存在致命缺陷：前層的微小錯(cuò)誤會(huì)在后續(xù)環(huán)節(jié)快速放大，而且更多的人為干預(yù)往往會(huì)降低模型效果。更重要的是，高層模型不理解物理約束，常常分配不可能完成的任務(wù)；而底層模型缺乏語(yǔ)義理解，學(xué)會(huì)抓橘子卻不會(huì)抓蘋(píng)果。為解決層間理解鴻溝，最終還是要針對(duì)各層缺陷注入不同知識(shí)，結(jié)果就是各層越來(lái)越像，不如直接采用統(tǒng)一模型。對(duì)于部署壓力，王潛回應(yīng)說(shuō)，雖然端到端在訓(xùn)練階段只訓(xùn)一個(gè)模型，但推理階段可以拆開(kāi)或壓縮，然后分布式部署。

不過(guò)，從某種意義上來(lái)說(shuō)，端到端和分層架構(gòu)并不一定是完全對(duì)立的。北京大學(xué)計(jì)算機(jī)學(xué)院研究員仉尚航指出，分層的關(guān)鍵在于如何定義「層」。如果分層是指必須拆分成兩個(gè)獨(dú)立模型，那確實(shí)與端到端相沖突；但如果是在一個(gè)統(tǒng)一模型內(nèi)實(shí)現(xiàn)功能分區(qū) —— 比如一部分側(cè)重推理決策，另一部分專注動(dòng)作生成，那就既保持了端到端的完整性，又實(shí)現(xiàn)了類似大小腦的分工，兩條路線就可以收斂到一起。

針對(duì)當(dāng)前聲量比較高的 VLA 和世界模型，各位嘉賓也發(fā)表了自己的觀點(diǎn)。北京人形機(jī)器人創(chuàng)新中心 CTO 唐劍指出了世界模型的幾個(gè)重要作用：一是輔助機(jī)器人大腦 VLM 進(jìn)行自主學(xué)習(xí)探索，像「做夢(mèng)者」一樣模擬各種任務(wù)場(chǎng)景；二是自動(dòng)生成可執(zhí)行的動(dòng)作序列，作為真機(jī)數(shù)據(jù)的高效補(bǔ)充；三是為 VLA 等模型提供底座支撐。他認(rèn)為世界模型與 VLA 并非沖突關(guān)系，而是可以相互配合的技術(shù)組合。

趙行則認(rèn)為，VLA是當(dāng)下更有潛力的技術(shù)路線，因?yàn)槭澜缒Ｐ瓦^(guò)于依賴 first-principle 假設(shè)，要求必須預(yù)測(cè)出未來(lái)圖像才能做規(guī)劃，但人類學(xué)習(xí)主要靠「熟能生巧」。另外，從數(shù)據(jù)效率看，100 條數(shù)據(jù)用來(lái)訓(xùn)練端到端 VLA 就能產(chǎn)生效果，但訓(xùn)練世界模型至少需要萬(wàn)級(jí)甚至億級(jí)數(shù)據(jù)量。所以在他看來(lái)，世界模型是一個(gè)非常終局的路線，只有在數(shù)據(jù)不受限制的時(shí)候才更有價(jià)值。

具身智能 Scaling Law 已初見(jiàn)端倪

誰(shuí)來(lái)為行業(yè)托底？

嘉賓們的分享足夠尖銳，也足夠真誠(chéng)：真機(jī)派與合成派的路徑之爭(zhēng)、端到端與分層架構(gòu)的優(yōu)劣、VLA 與世界模型的對(duì)比…… 這些關(guān)鍵問(wèn)題被一并擺上桌面，讓行業(yè)當(dāng)下的卡點(diǎn)一目了然。

同時(shí)，還有一些關(guān)鍵信息值得關(guān)注，比如王潛提到，他們已經(jīng)在內(nèi)部數(shù)據(jù)中觀察到了具身智能的 scaling law，ICLR 2025 的一篇論文（「DATA SCALING LAW IN IMITATION LEARNING FOR ROBOTIC MANIPULATION」）也提到了這一點(diǎn)。這意味著，在具身智能領(lǐng)域繼續(xù)擴(kuò)大模型和數(shù)據(jù)規(guī)模也極有可能是有效的。

此外，我們也看到，現(xiàn)場(chǎng)有多位嘉賓分享了具身智能的落地情況，比如上海傅利葉智能科技股份有限公司創(chuàng)始人兼首席執(zhí)行官顧捷分享了他們?cè)谌藱C(jī)交互、康復(fù)及陪伴場(chǎng)景的探索，中科云谷科技有限公司副總經(jīng)理?xiàng)钶x介紹了中聯(lián)重科在工業(yè)制造場(chǎng)景下的機(jī)器人落地思考與實(shí)踐，加速進(jìn)化副總裁趙維晨則講述了人形機(jī)器人普及路徑及教育、競(jìng)賽等落地思路。從中可以看出，整個(gè)具身智能行業(yè)的落地速度正在加快，越來(lái)越多的公司開(kāi)始走向量產(chǎn)。

但當(dāng)議題從「怎么造機(jī)器人」切換到「怎么把機(jī)器人量產(chǎn)」，討論就必須引入一個(gè)此前近乎隱形的主角 —— 云廠商。

「我們建議，具身智能公司從第一天起就要做好云架構(gòu)、AI Infra 的規(guī)劃。」阿里云智能集團(tuán)公共云事業(yè)部副總裁、華北大區(qū)總經(jīng)理，同時(shí)也是阿里云智能集團(tuán)公共云事業(yè)部具身智能負(fù)責(zé)人高飛在采訪中提到。

這背后的邏輯并不復(fù)雜。正如嘉賓們所言，大模型技術(shù)已經(jīng)廣泛應(yīng)用于具身智能行業(yè)，scaling law 的顯現(xiàn)和機(jī)器人落地速度的加快都讓數(shù)據(jù)和算力規(guī)模變得愈發(fā)重要。論壇嘉賓分享的提效手段讓數(shù)據(jù)采集、合成越來(lái)越快，未來(lái)幾年行業(yè)數(shù)據(jù)量將穩(wěn)步攀升，對(duì)應(yīng)的清洗、存儲(chǔ)和訓(xùn)練壓力也會(huì)隨之放大。

但僅憑具身智能公司一己之力，這樣的壓力是很難頂住的。首先，數(shù)據(jù)激增帶來(lái)的需求難以預(yù)測(cè)，企業(yè)自建的 IT 基礎(chǔ)設(shè)施很難跟上業(yè)務(wù)發(fā)展，也會(huì)因?yàn)槿狈椥远y以滿足訓(xùn)練、仿真等并發(fā)需求。其次，大多數(shù)具身智能團(tuán)隊(duì)源自科研背景，這讓他們?cè)谒惴ㄍ黄品矫嬗稳杏杏?，但工程化?jīng)驗(yàn)相對(duì)有限，開(kāi)發(fā)工具鏈和運(yùn)維能力也常常不足。

一旦公司開(kāi)始量產(chǎn)，數(shù)據(jù)開(kāi)始指數(shù)級(jí)增長(zhǎng)，這些矛盾就會(huì)被瞬間放大。僅數(shù)據(jù)的遷移、處理工作就會(huì)造成巨大的 IT 開(kāi)銷，給企業(yè)發(fā)展帶來(lái)阻力。

阿里云非常清楚這一過(guò)程給企業(yè)帶來(lái)的痛苦，因?yàn)樵谥悄荞{駛行業(yè)，他們已經(jīng)經(jīng)歷過(guò)一輪類似的發(fā)展歷程，也幫助很多頭部車企順利渡過(guò)了難關(guān)。如今，越來(lái)越多的具身智能公司找到他們，希望在量產(chǎn)之前完成云架構(gòu)的規(guī)劃，少走一些彎路。

對(duì)于這些需求，阿里云已經(jīng)在過(guò)去的四五年中沉淀了不少相關(guān)能力：

首先是處理大量數(shù)據(jù)的能力。

阿里云智能集團(tuán)公共云事業(yè)部具身智能解決方案負(fù)責(zé)人王旭文提到，阿里云最初誕生就定位為「以數(shù)據(jù)為中心的云計(jì)算」，之后深度入局的智能駕駛、AI 也都是數(shù)據(jù)密集型行業(yè)，如今大量具身智能數(shù)據(jù)涌來(lái)，他們已經(jīng)有足夠強(qiáng)大的基礎(chǔ)設(shè)施和經(jīng)驗(yàn)來(lái)從容應(yīng)對(duì)。

具體來(lái)說(shuō)，在最根本的數(shù)據(jù)生產(chǎn)環(huán)節(jié)，無(wú)論企業(yè)是「真機(jī)派」還是「仿真派」，他們都有全套的技術(shù)支持。

真機(jī)數(shù)據(jù)生產(chǎn)的鏈條非常長(zhǎng)，也非常復(fù)雜，涉及采集、標(biāo)注、傳輸上云、存儲(chǔ)、質(zhì)量校驗(yàn)、清洗脫敏、數(shù)據(jù)分析等多個(gè)環(huán)節(jié)。對(duì)此，阿里云能夠提供一整套云上的大數(shù)據(jù)處理能力來(lái)支撐這個(gè)復(fù)雜流程，包括云上托管的數(shù)據(jù)處理引擎和湖倉(cāng)一體架構(gòu)，實(shí)現(xiàn)統(tǒng)一的元數(shù)據(jù)管理和超大規(guī)模數(shù)據(jù)的有序生產(chǎn)。

對(duì)于仿真數(shù)據(jù)生產(chǎn)，阿里云同樣做了充分準(zhǔn)備。他們適配了市面上主流的仿真軟件運(yùn)行環(huán)境，并通過(guò)自身的產(chǎn)研能力對(duì)這些軟件進(jìn)行了深度的性能優(yōu)化與評(píng)估，幫助用戶選擇最適合的算力規(guī)格，顯著提升仿真計(jì)算效率并降低成本。此外，他們的多款云產(chǎn)品已經(jīng)和第三方工具鏈深度集成，可以做到開(kāi)箱即用，比如阿里云人工智能平臺(tái) PAI 已經(jīng)完成與 NVIDIA Physical AI 全棧工具鏈的整合；無(wú)影云電腦可以彈性掛載多種規(guī)格的 GPU，并且預(yù)置了多款國(guó)內(nèi)外仿真軟件，用開(kāi)箱即用的開(kāi)發(fā)機(jī)加速整個(gè)仿真過(guò)程。

但無(wú)論如何，當(dāng)前數(shù)據(jù)的稀缺依然是一大難題，所以數(shù)據(jù)的流轉(zhuǎn)和共享已經(jīng)成為一種產(chǎn)業(yè)需求。傳統(tǒng)的線下數(shù)據(jù)拷貝方式效率極低 —— 很多公司需要派人拿著硬盤到對(duì)方公司去拷貝，這種以周為單位的數(shù)據(jù)傳輸方式顯然無(wú)法適應(yīng)行業(yè)發(fā)展需要。阿里云通過(guò) OSS 跨地域、跨賬號(hào)的數(shù)據(jù)遷移服務(wù)，能夠?qū)⑦@個(gè)過(guò)程縮短到小時(shí)級(jí)別。同時(shí)，他們也在聯(lián)合生態(tài)伙伴，推動(dòng)云上數(shù)據(jù)存儲(chǔ)和安全數(shù)據(jù)分享的行業(yè)最佳實(shí)踐。

其次是獨(dú)一無(wú)二的模型原廠優(yōu)勢(shì)。

通義千問(wèn)系列模型在 AI 領(lǐng)域的地位有目共睹 —— 其衍生模型數(shù)量已超過(guò) 17 萬(wàn)個(gè)，穩(wěn)居全球開(kāi)源模型的頭部陣營(yíng)。但更值得關(guān)注的是，這種影響力正在向具身智能領(lǐng)域延伸。

「最近一段時(shí)間我跑了大概 30 家具身智能公司，跟他們的 CEO 深度溝通后了解到，他們大部分都在用 Qwen-VL 模型去做后訓(xùn)練。」高飛在采訪中提到。

這種不約而同的選擇背后有著充分的技術(shù)理由。Qwen-VL 在空間感知、動(dòng)態(tài)視覺(jué)理解、2D/3D Grounding、路徑規(guī)劃等方面的能力，恰好契合了具身智能對(duì)「大腦」的核心需求。更重要的是，堅(jiān)持開(kāi)源策略讓通義千問(wèn)形成了一個(gè)全球性的開(kāi)發(fā)者生態(tài)，大量國(guó)內(nèi)外開(kāi)發(fā)者在基于這個(gè)模型進(jìn)行二次開(kāi)發(fā)和優(yōu)化。而且，作為模型原廠，阿里云還可以提供模型服務(wù)的深度支持，比如定向開(kāi)源特定版本 checkpoint，提供專業(yè)的模型訓(xùn)練工程化支持等。這種從模型底層到應(yīng)用層的全鏈路支撐能力，讓阿里云在具身智能賽道擁有了一個(gè)幾乎不可復(fù)制的競(jìng)爭(zhēng)優(yōu)勢(shì)。

在論壇現(xiàn)場(chǎng)，通義千問(wèn)實(shí)驗(yàn)室算法科學(xué)家白帥還分享了他們最新的 Qwen3-VL 模型，這個(gè)模型針對(duì)細(xì)粒度視覺(jué)理解、視頻時(shí)序理解、3D 感知與規(guī)劃以及帶圖推理和視覺(jué)交互能力進(jìn)行了優(yōu)化，為具身智能落地提供了更強(qiáng)的基礎(chǔ)模型支撐。

當(dāng)然，通義以外的模型，阿里云也提供高性價(jià)比的、穩(wěn)定的調(diào)用服務(wù)。阿里云百煉不僅集成了自研的全系列模型，還匯聚了國(guó)內(nèi)主流模型和國(guó)外開(kāi)源模型。在這些模型背后，阿里云提供統(tǒng)一的基礎(chǔ)設(shè)施保障，確保服務(wù)的可用性、穩(wěn)定性和大規(guī)模集群支持。對(duì)于那些在數(shù)據(jù)安全和定制化方面有特殊需求的客戶，阿里云還支持在 VPC 環(huán)境中獨(dú)立部署模型。

模型之外，工程化能力也很重要。

「工程這件事需要時(shí)間和經(jīng)驗(yàn)的積累，做過(guò)和沒(méi)做過(guò)的就是不一樣。這一過(guò)程沒(méi)有捷徑?！雇跣裎脑诓稍L中強(qiáng)調(diào)。

他還觀察到，由于具身智能尚處于規(guī)?；捌?，一些工程方面的痛點(diǎn)還沒(méi)有充分暴露，所以很多具身智能公司還沒(méi)有在工程方面做好準(zhǔn)備，這與成熟的 AI 行業(yè)形成了鮮明對(duì)比。

好在，阿里云是準(zhǔn)備好了的，因?yàn)樵谶^(guò)去幾年服務(wù)頭部大模型公司和汽車新勢(shì)力的過(guò)程中，他們通過(guò)「一步一步踩坑」的方式積累了大量的基礎(chǔ)設(shè)施和實(shí)戰(zhàn)經(jīng)驗(yàn)，并將這些東西沉淀成了可標(biāo)準(zhǔn)化交付的產(chǎn)品和服務(wù)能力，包括完整的計(jì)算、存儲(chǔ)、網(wǎng)絡(luò)基礎(chǔ)設(shè)施、數(shù)百 P 級(jí)數(shù)據(jù)處理能力等。

這些東西之所以能夠復(fù)用，是因?yàn)榫呱碇悄芎椭悄荞{駛在工程架構(gòu)方面有著高度的相似性。首先是基礎(chǔ)設(shè)施層面，無(wú)論是集群組網(wǎng)，還是資源管理調(diào)度、性能優(yōu)化，兩個(gè)領(lǐng)域所需的底層能力幾乎一致。操作系統(tǒng)、運(yùn)行環(huán)境、開(kāi)發(fā)框架等技術(shù)棧也沒(méi)有本質(zhì)區(qū)別。其次是工具鏈層面，兩個(gè)行業(yè)的研發(fā) Pipeline 高度重合，對(duì)數(shù)據(jù) Pipeline 構(gòu)建的基礎(chǔ)能力需求也基本相同。更有意思的是，許多具身智能從業(yè)者本身就來(lái)自智能駕駛背景，他們使用的模型架構(gòu)很多是在智能駕駛模型基礎(chǔ)上改進(jìn)而來(lái)的。這種人員和技術(shù)的傳承，讓阿里云此前在智能駕駛領(lǐng)域積累的工程經(jīng)驗(yàn)?zāi)軌驇缀鯚o(wú)縫地移植到具身智能場(chǎng)景中。

「智能駕駛行業(yè)規(guī)模已經(jīng)如此之大、體系如此成熟，它所積累的經(jīng)驗(yàn)完全可以先復(fù)用，然后再看有什么差異。它所踩過(guò)的坑，具身智能企業(yè)沒(méi)必要從頭再踩一遍」，王旭文以「過(guò)來(lái)人」的口吻說(shuō)道，這也是他們反復(fù)強(qiáng)調(diào)具身智能公司一定要在業(yè)務(wù)爆發(fā)之前就做好基礎(chǔ)設(shè)施規(guī)劃的重要原因。

目前，阿里云已經(jīng)服務(wù)了一些已經(jīng)或正在走向量產(chǎn)階段的具身智能企業(yè)。在這一過(guò)程中，他們發(fā)現(xiàn)自己可以做的事情其實(shí)非常多，比如提供全鏈路可觀測(cè)服務(wù)，提供回傳數(shù)據(jù)的實(shí)時(shí)采集和實(shí)時(shí)分析以輔助故障診斷與定責(zé)，通過(guò) Qwen-Omni、Qwen-ASR 能力增強(qiáng)機(jī)器人的對(duì)話和娛樂(lè)互動(dòng)性，通過(guò)無(wú)影云電腦提供工作站環(huán)境從而支持仿真和數(shù)據(jù)采集工作等。

看來(lái)，在量產(chǎn)機(jī)器人這條路上，阿里云正在幫整個(gè)行業(yè)掃清障礙。

從非共識(shí)走向共識(shí)

阿里云準(zhǔn)備好了

阿里云發(fā)起的這個(gè)具身智能論壇持續(xù)了 4 個(gè)小時(shí)，現(xiàn)場(chǎng)座無(wú)虛席。

可以看到，整個(gè)具身智能行業(yè)還有很多非共識(shí)，技術(shù)路線還尚未收斂。高飛說(shuō)，這其實(shí)很像四五年前的智能駕駛。但 FSD v12 出來(lái)之后，大家看到了「端到端 + 數(shù)據(jù)驅(qū)動(dòng)閉環(huán)」在真實(shí)世界的可行性，于是技術(shù)路線迅速收斂，整個(gè)行業(yè)也迎來(lái)數(shù)據(jù)的爆炸式增長(zhǎng)。他相信，具身智能也會(huì)經(jīng)歷這個(gè)過(guò)程。

這一過(guò)程中，有一些顯而易見(jiàn)的趨勢(shì)，比如云邊端協(xié)同。端側(cè)受物理空間和功耗限制，無(wú)法承載大算力需求；而長(zhǎng)期任務(wù)規(guī)劃、復(fù)雜推理等高級(jí)能力又需要強(qiáng)大的計(jì)算資源支持；此外，多機(jī)協(xié)作、工具調(diào)用等場(chǎng)景也必須通過(guò)云端實(shí)現(xiàn)統(tǒng)一調(diào)度，這讓云廠商的重要性日益凸顯。阿里云積蓄的力量也將在這一階段爆發(fā)。

不過(guò)，高飛也指出，除了基礎(chǔ)設(shè)施支撐，具身智能的落地還離不開(kāi)廣大開(kāi)發(fā)者群體的參與。為此，阿里云在生態(tài)建設(shè)方面做出了多方面努力，包括堅(jiān)持通義系列大模型的開(kāi)源策略，降低開(kāi)發(fā)者使用門檻；基于阿里云數(shù)百萬(wàn)開(kāi)發(fā)者基礎(chǔ)，連接具身智能公司與開(kāi)發(fā)者社群；提供系統(tǒng)化的培訓(xùn)、產(chǎn)品試用和資源支持；在魔搭社區(qū)專門開(kāi)設(shè)具身智能專區(qū)，匯聚相關(guān)模型和數(shù)據(jù)集等。

在這個(gè)充滿不確定性的非共識(shí)階段，阿里云選擇為各種技術(shù)路線都做好準(zhǔn)備，用平臺(tái)能力和生態(tài)資源為整個(gè)行業(yè)的未來(lái)發(fā)展夯實(shí)基礎(chǔ)。當(dāng)具身智能的「FSD V12 時(shí)刻」真正到來(lái)時(shí)，這些提前布局的能力將成為推動(dòng)行業(yè)躍遷的關(guān)鍵力量。