腾讯具身智能全栈方案的完整闭环

2026年世界人工智能大会（WAIC）期间，腾讯首次全面展示了其具身智能全栈解决方案。这套方案由四层架构组成：模型层包括Hy-Embodied-VLA-0.5、Hy-Embodied-VLM-1.0、Hy-Embodied-RxBrain-1.0；平台层有TairosAgent和Apexio；云底座则依托腾讯云；应用层通过EaaS实现落地。

腾讯首席科学家张正友将这一战略概括为"打破缸中大脑"的概念，强调AI需要在感知、身体和行动的闭环中接受验证。与一年前RoboticsX实验室提出的"三不原则"（不做硬件、不做量产、不搞商业化）相比，腾讯此次的策略已升级为完整的全栈闭环方案，但核心定位仍保持不变：做所有机器人厂商的合作伙伴，而非直接进入硬件制造领域。

数据壁垒：具身智能的核心挑战

具身智能与互联网最大的区别在于，数据不再是副产品，而是核心生产资料。大语言模型可以依赖公开文本训练，但机器人的训练数据必须在真实物理世界中产生。例如，机器人抓取杯子、搬运物料或行走楼梯等操作，每一帧数据都来自昂贵的真机操作或高成本的仿真合成。

研究数据显示，目前具身智能模型的数据收集速度远低于大语言模型。以美国机器人公司Physical Intelligence的π0大模型为例，一年收集的训练数据量仅为1万小时，而大语言模型Qwen-2.5的训练数据量相当于真人收集12亿个小时。这意味着，要达到大语言模型的智能水平，具身智能模型可能需要12万年的数据积累时间。

这种数据稀缺性导致了行业内的数据壁垒。智元机器人自研的Genie Studio开发平台覆盖数据采集到一键部署，构建了AGIBOT WORLD数据集；智平方在真实工厂环境中获得的碰撞反射响应数据（据称达到20毫秒级），成为其NeuroVLA的核心资产；银河通用则通过百亿级合成数据基建系统银河星坊，提升了模型在零售场景的泛化能力。这些数据资产不会共享给第三方平台，因为它们本身就是企业的核心竞争力。

"大脑"与"本体"的强绑定关系

腾讯的策略还面临一个更深层的技术挑战：具身智能的"大脑"不是通用软件，而是与特定硬件形态强绑定的。腾讯首席科学家张正友在《财经》年会上提出的SLAP范式（感知-行动紧耦合）已经说明了这一点。人类认知的分层系统之所以有效，是因为"大脑"在进化过程中始终与"身体"共同优化。机器人同理。

智元的ViLLA架构MoE、智平方的"皮层-小脑-脊髓"三层类脑体系、星海图的EFM-1双系统，这些架构的每一次迭代都体现了硬件与算法的深度耦合。这意味着，即使提供了强大的AI大脑，如果硬件形态无法适配，也无法发挥最佳性能。

行业竞争格局：自研大脑成为标配

随着竞争的深入，具备强大AI能力且同时涉及本体的公司已成为资本市场追捧的对象。2026年3月，智元机器人累计下线突破10000台，其自研启元大模型GO-1和交互大模型WITA Omni成为核心竞争力。智平方在2026年6月完成近50亿元融资，估值超200亿元，其AlphaBrain具身大模型据称已完成三代演进，具备主动感知、故障自恢复与时序记忆能力。

银河通用累计融资超69亿元，自研银河星脑AstraBrain，并搭建了百亿级合成数据基建系统银河星坊。星海图已将G0系列基座模型开源，构建Real2Sim2Real数据飞轮，服务超过150家科研院所及大厂。宇树科技2025年人形机器人出货超5500台，已连续两年盈利，2026年1月宣布开源UnifoLM-VLA-0。

就连2026年4月刷新中国具身智能单轮融资纪录的它石智航（4.55亿美元Pre-A轮），核心资产也是通用具身大模型AWE 3.0和真实世界多模态数据集。这表明，在具身智能领域，自研大脑已经成为企业生存和发展的标配。

腾讯的战略优势与挑战

腾讯的具身智能全栈方案具有明显的优势。首先，其庞大的云基础设施和丰富的数据资源为其提供了强大的后盾。其次，通过TairosAgent和Apexio平台，腾讯能够为机器人厂商提供标准化的AI解决方案，降低开发门槛。此外，腾讯在人工智能领域的深厚积累和广泛影响力，使其能够吸引众多合作伙伴。

然而，腾讯也面临着诸多挑战。首先是数据壁垒问题，如何在保护自身数据资产的同时，为合作伙伴提供足够的支持，是一个需要平衡的问题。其次是技术挑战，具身智能需要在感知、规划和执行等多个环节实现高度协同，这对算法和硬件的结合提出了更高的要求。最后是市场竞争，随着越来越多的企业加入具身智能领域，腾讯需要不断创新以保持领先地位。

未来展望

尽管面临诸多挑战，腾讯的具身智能全栈方案仍然展现了巨大的潜力。随着技术的不断进步和市场的逐步成熟，具身智能有望在工业自动化、家庭服务、医疗健康等多个领域得到广泛应用。腾讯通过持续投入和创新，有望在这一新兴领域占据重要位置。

这张图片展示了不同AI模型在具体任务中的表现对比，包括GT goal（目标）、RxBrain（腾讯自主研发的模型）、Qwen-agent（阿里云模型）、Cosmos3（其他模型）等。可以看出，腾讯自主研发的RxBrain在处理复杂任务时表现出色，特别是在物体抓取和折叠等精细操作方面，展现了其在具身智能领域的技术实力。