騰訊的「具身智能」：連接器的故事，在物理AI時代還講得通嗎 ｜WAIC觀察

本文來自微信公眾號： 潮涌AI ，作者：潮涌AI編輯部，原文標題：《騰訊的「具身智能」：連接器的故事，在物理AI時代還講得通嗎 ｜WAIC觀察》

2026年WAIC，騰訊帶著“具身智能全棧方案”亮相。

從模型層Hy-Embodied-VLA-0.5、Hy-Embodied-VLM-1.0、Hy-Embodied-RxBrain-1.0，到平臺層TairosAgent、Apexio，再到云底座和應用層EaaS，四層架構完整閉環。騰訊首席科學家張正友用“打破缸中大腦”概括，讓AI在“感知、身體、行動”的閉環里接受驗證。

這是騰訊在具身智能賽道的又一次升級。

一年前，RoboticsX實驗室的“三不原則”（不做硬件、不做量產、不搞商業化）曾引發行業討論。一年后，騰訊從“模塊化外接大腦”升級為“全棧閉環方案”，但核心定位沒變：做所有機器人廠商的合作伙伴，而不是取而代之做硬件。

騰訊云的算盤很清晰。

硬件重資產、低毛利、供應鏈管理復雜，最終可能陷入價格戰。而大腦和平臺層前期投入雖大，一旦形成生態，邊際成本遞減，還能通過云服務持續收費。

這個邏輯在移動互聯網時代無往不利，但具身智能不是移動互聯網。

產業現實：沒有哪家頭部玩家想把“大腦”外包

2025年被行業稱為“頭部人形機器人創企進入自研大腦時代”。到2026年，這個趨勢已經不可逆轉。

• 智元機器人（騰訊自己領投B輪的企業）自研啟元大模型GO-1和交互大模型WITA Omni，2026年3月累計下線突破10000臺。智元合伙人姚卯青在接受采訪時說得直接：“機器人公司如果不做大模型，是沒有未來的。”

• 智平方在2026年6月完成近50億元融資，估值超200億元，自研AlphaBrain具身大模型，據公司介紹，其AlphaBrain完整走完“端到端VLA→增強型VLA→類腦VLA”三代演進，NeuroVLA為全球唯一同時具備主動感知、故障自恢復與時序記憶能力的類腦系統。

• 銀河通用據公司披露累計融資超69億元，自研銀河星腦AstraBrain，搭建百億級合成數據基建系統銀河星坊。

• 星海圖已將G0系列基座模型開源，構建Real2Sim2Real數據飛輪，服務超150家科研院所及大廠。

• 宇樹科技2025年人形機器人出貨超5500臺，已連續兩年盈利，2026年1月宣布開源UnifoLM-VLA-0。

• 就連2026年4月一度刷新中國具身智能單輪融資紀錄的它石智航（4.55億美元Pre-A輪），核心資產也是通用具身大模型AWE 3.0和真實世界多模態數據集。

一份行業報告在2025年年中的判斷已經得到驗證：早期機器人創企多依托科技大廠大模型賦能，但隨著競爭深入，具備強大AI能力且同時涉及本體的公司已成為資本市場香餑餑。沒有自研大腦的玩家，正在掉隊。

數據的“不可能三角”：為什么平臺模式在這里碰了壁

具身智能與互聯網最大的區別，在于數據不是副產品，而是核心生產資料。

大語言模型可以靠公開互聯網文本訓練，但機器人的訓練數據必須在真實物理世界中產生。機器人抓取一個杯子、在工廠里搬運物料、在樓梯上行走，每一幀數據都來自昂貴的真機操作或高成本的仿真合成。

騰訊RxBrain測試

美國機器人公司Physical Intelligence的π0大模型，一年收集的訓練數據量僅為1萬小時，而大語言模型Qwen-2.5的訓練數據量相當于真人收集12億個小時。一位研究者算了筆賬：按現在的數據收集速度，具身智能模型要達到大語言模型的智能程度，需要12萬年。

這意味著什么？

數據是稀缺的，因此數據是壁壘。

智元的Genie Studio開發平臺覆蓋數據采集到一鍵部署，自建AGIBOT WORLD數據集；智平方在真實工廠里跑出來的碰撞反射響應數據（據公司披露為20毫秒級），是其NeuroVLA的核心資產；銀河通用的銀河星坊百億級合成數據，決定了其模型在零售場景的泛化能力。

這些數據不會共享給任何第三方平臺。不是因為企業“封閉”，而是因為數據就是競爭力本身，把自己的物理世界交互數據交給騰訊云訓練模型，相當于把自己的商業機密拱手讓人。

騰訊Tairos平臺的“模塊化外接”邏輯，前提是機器人廠商愿意在感知、規劃、執行等關鍵環節接受標準化方案。但在一個數據比算法更稀缺、比算力更值錢的行業，這個前提存疑。

“大腦”與“本體”無法割裂

騰訊的策略還面臨一個更深層的技術挑戰：具身智能的“大腦”不是通用軟件，而是與特定硬件形態強綁定的。

2025年底舉行的《財經》年會上，騰訊首席科學家、RoboticsX實驗室主任?張正友?深入闡述了其提出的?SLAP范式?（感知-行動緊耦合），其實已經說明了這一點。人類認知的分層系統之所以有效，是因為“大腦”在進化過程中始終與“身體”共同優化。

機器人同理。

智元的ViLLA架構MoE、智平方的“皮層-小腦-脊髓”三層類腦體系、星海圖的EFM-1雙系統，這些架構的每一次迭代，都伴隨著對特定本體（輪式、雙足、四足）運動學和動力學的深度適配。

一位行業投資人向潮涌AI表示：“通用具身模型是個美好的愿景，但當前階段，模型和本體是‘一對多'還是‘多對多’，行業里根本沒有共識。騰訊想做一個通用平臺適配所有本體，技術上難度很大，商業上機器人廠商也沒有動力配合。”

騰訊的真正機會在哪里

這不是說騰訊在具身智能賽道沒有機會。恰恰相反，騰訊云在算力、仿真、數據基建層面的能力，是行業剛需。

萬卡級集群訓練、TokenHub推理調度等基礎設施層面的投入，是單個機器人公司難以承擔的。騰訊可以做一個“賣鏟人”，而不是“淘金者”。

但“賣鏟人”和“平臺統治者”是兩個完全不同的商業模型。

平臺統治者（如移動互聯網時代的微信、支付寶）：靠生態控制力抽成，躺著賺錢。

賣鏟人（如云計算時代的AWS、英偉達）：靠基礎設施能力賺取服務費，需要持續重投入，競爭也激烈。

騰訊想要的是前者，但具身智能產業的結構可能只給后者留空間。

一位接近騰訊RoboticsX的人士透露，實驗室內部其實也意識到“純平臺”策略的局限，“三不原則”更多是戰略克制下的表態，而非長期不變的鐵律。

2026年WAIC發布的“全棧方案”中，EaaS（Embodied-AI-as-a-Service）的推出，某種程度上也是在試探“賣鏟人”的收費模式。

結語

互聯網時代的成功經驗，在硬科技時代未必通用。

騰訊曾靠“連接一切”長期位居中國市值最高的公司之列。但具身智能不是社交、不是電商、不是游戲。它是一個需要把“大腦”和“身體”焊在一起的物理產業，數據是每家公司的核心壁壘，沒有哪家愿意把自己的命脈交給平臺。

騰訊不做硬件、不做量產的選擇本身沒有錯。但如果底層假設是“別人做苦活，我做平臺抽成”，那可能需要重新校準。在這個賽道，平臺的價值可能不如鏟子，而鏟子生意，從來不是躺著賺錢的。

*參考文章：

佐思汽研、水清木華研究中心聯合發布《2026年具身智能機器人數據產業布局研究報告》

IT之家《《2026具身智能”大腦”實力榜》

智東西《6個月，15家具身智能創企，估值突破100億》

本內容由作者授權發布，觀點僅代表作者本人，不代表虎嗅立場。如對本稿件有異議或投訴，請聯系 tougao@huxiu.com。

本文來自虎嗅，原文鏈接：https://www.huxiu.com/article/4876616.html?f=wyxwapp