对话腾讯首席科学家张正友：腾讯不做机器人硬件，要搭平台

在刚刚过去的2025世界人工智能大会（WAIC）上，具身智能无疑是最令人瞩目的行业。

一年前的大会上，机器人组成的“十八罗汉”列阵“迎宾”，彼时，机器人只能与观众进行简单互动，大部分尚需支架支撑或用牵引绳吊起，多数人形机器人厂商也尚未开启量产。

经过一年来的技术迭代，如今的机器人能力突飞猛进，已经开始在工业、家庭、医疗等领域成长为“实干家”。在硬件、算法逐步完善的当下，机器人的“大脑”如何更智能，成为新的难题，在行业探索下，VLA模型成为业内公认能解决最终问题的模型之一。

但有业内人士表示，“VLA模型的研发非常难，并不是所有机器人厂商都能自主研发的”。

尚不具备研发VLA模型的具身智能公司，则将目光投向了大模型厂商。而手握科技硬实力的大厂们，也乐意为具身智能公司“补”上大模型短板。

7月27日，腾讯Robotics X实验室与福田实验室联合发布了具身智能开放平台Tairos“钛螺丝”，以模块化的方式提供大模型、开发工具和数据服务，通过即插即用的方式面向机器人行业开放。

Tairos平台包含模型算法和云服务两大组成部分，模型层面包含了多模态感知模型、规划大模型以及感知行动联合大模型；云服务平台则包含了仿真平台、数据平台以及开发工具等，平台通过标准化接口调用及软件开发工具包（SDK）的方式对外提供服务。

发布会上，腾讯首席科学家、Robotics X实验室主任、福田实验室主任张正友邀请了搭载Tairos平台的宇树机器人G1上台，共同做产品介绍。

在产品演示结束后，张正友问G1:“结束后晚上要不要去喝一杯？”G1回答道：“不了，太忙了，今晚还要加班。”

G1的回答出乎张正友的意料，“之前彩排时它不是这么说的，每一次回答都不一样”，张正友说。

张正友表示，Tairos平台就像为各类机器人装上“大脑”，让机器人具备感知世界、规划任务以及自主决策的能力，“从被动执行指令的机械体进化为主动适应现实世界的智能生命体”。

此前，腾讯RoboticsX实验室曾做过平衡自行车、腿轮一体化的四足机器狗、灵巧手TRX-Hand和养老机器人小五。但在今年，RoboticsX却宣布，不造硬件、要搭平台。对腾讯的突然转向，行业有不少疑问。

“2018年初腾讯RoboticsX成立时，没有任何商业化的目的。那时，没有一个能够做机器人的硬件厂家，所以我们就必须要自己从头既做硬件又做软件，各方面的规划全部都要做。”

“从2023年下半年开始，整个机器人行业就有很大的变化，一个是ChatGPT引起AI大模型的关注，机器人行业出来了很多创业公司，关注机器狗或人形机器人、触觉传感器、灵巧手等。”张正友讲述腾讯在具身智能行业中转向的原因，“形势已经变化了，从腾讯的角度来看，我们需要和机器人硬件本体厂家一起去打磨我们的具身智能技术。”

张正友表示，与其说Tairos平台是为了实现商业化，不如说是“产品化”。“要区分产品化和商业化。我是做研究的科学家，商业化听起来就是要去赚钱，但是我们是不赚钱的。Tairos特地强调不是以赚钱为目的，我们希望把自己变成一个比较稳定的产品，来赋能机器人的行业。”

以下是对话张正友实录（节选）：

Q：您上午演讲时提到唐代智通大师留下的四句偈语“三身元我体，四智本心明。身智融无碍，应物任随形。”您2021年的时候说过要翻译《道德经》，后来有翻译吗？像这种东方的哲学，对于您在机器人的理念设计上会有一些启发吗？

张正友：我翻译了第四版，但是没出版。肯定是有启发的。

今天演讲的最后我用了唐朝智通大师的一句话“身智融无碍”。其实我们可能经常会看到有些机器人的演示，比方说跑步的时候头掉了，机器人还在跑，或者是手臂断了，还想去抓个东西，你可以很明显地感觉到它不是具身智能，因为它连自身的状态都没有感知的话，那这个机器人与我们想要的具身智能是差得很远的。所以身体跟智能要紧密结合，要非常和谐、融合，这些都是很重要的。

以前我提过，虚拟世界和真实之间要无缝地、紧密地结合。我提这个观点也有一点融合了东方思想。在数字世界里面想象，然后通过想象或者在数字世界里面仿真，就知道到底执行会不会比较完善，如果想象出来离真实执行差得比较远，那么我们就要修正自己的规划。

所以东方思想非常重要，我也正在继续学习。《道德经》我已经翻译第四遍了，每翻译一遍，重新看一遍，都有不同的启发，所以我还在不断地在改进我的翻译，但是我的目的不是为了出书，是为了对我自己不断提升的过程。

Q：Tairos的发布，其实有点像自动驾驶火热时，很多公司也试图做开放平台去支持不同的车企，但是最后在业界并没有那么成功。在具身这件事情上，腾讯做开放平台和之前的汽车开放平台有什么不一样？成功的可能性变大了吗？

张正友：你这个问题的担忧很真实。

如果往好的方向去讲的话，举一个Windows和Mac的例子。Windows它支持了很多不同厂家的机器，Mac的话它就支持它自己一家。如果像Windows操作系统没有很好地跟不同的厂家兼容的话，那到最后是不可能发展起来的。

所以为什么说你的担忧很好，我们就是有这个担忧，所以我们从一开始在Tairos平台就跟好几家机器人的头部厂家一起去打磨这个平台，不是说我们发布了一个平台，然后你们能有用就用，然后就不管了，不是这样子，我们跟合作厂商是一直很紧密的、深层的合作。(此处为方便理解做举例，但是Tairos本身不是操作系统，定位为平台)

你们看到的demo，比如像搭载了Tairos的宇树机器人，这是经过很多团队打磨出来的。腾讯展台上面还有其他的机器人也是真实地在运作。还有比方说我们自己的小五机器人，也是用的同样的模型，只是它不同的能力会自动地反馈到上面的高层规划当中。

今天的演示中，我要机器人递给我东西，它知道它自己能力有限，不能递。假如是同样的模型放到一个有指定指令的，它就会把东西递给你。到底怎么样把机器人本体能力往上推给上层规划，身和智要融合，这是很重要的一个部分。所以说你的担心我们也在担心，但还是要给那些硬件和本体有区分的厂家或者是平台一个空间。

Q：想问一下针对咱们今天发布平台Tairos，具体能介绍一下这个平台吗？今天说的是模块化，针对具身智能大模型和云服务方面，跟市场上其他同类技术或者平台相比，咱们这个平台的独特优势和特点能不能具体展开说一下。

张正友：一个是刚才讲的模块化，每一个厂家可以选取它自己想要的模块，因为可能每个厂家有它自己的特点。举个例子，比如说感知模块它假如没有的话，就用我们的感知大模型，如果它的长程规划做得不够好，那就用我们的规划大模型，这是模块化的一个特点。

另外一个特点，我们这个平台是比较完整的，包括左脑、右脑、小脑。每个模块他们假如把他们认为更好的模型接进来的话，这模型有可能是开源模型，有可能他们不太适合。针对具身智能深入后训练的话，我们有一套流程，有很多具身智能数据在后面，从开源的模型加上自己的无论是规划还是感知行动，串联模型很快训练出针对他们本体完整的模型。而且这个模型只需要他们自己少量的数据，就能够适配上去。

Q：今年以来其实具身赛道特别热，也是机器人企业的红利期，也是当下技术目前还未收敛的时期，各家比拼的核心能力都不一样。现在腾讯说我们做硬件要做厂商的合作伙伴，想知道近期有收到哪些来自合作伙伴的一些需求比较多？以及现阶段我们会把大部分的精力和资源放在哪些能力上的提升？

张正友：这个可能还不能完全跟你们讲多少企业，但很多。我们已经走访了全国的厂家，深圳、北京、整个华东地区，还有西部地区，走访了很多企业，今天上台的是其中几家。

其实我们从去年底开始在做这个事情之前，先认真调研了行业，累计到现在差不多跑过六十几家企业。我们发现中国大量的机器人企业，其实在硬件上是可以做得很好的，但具身智能在投入这一块其实是非常大的，因为腾讯本身这个团队也已经投了7年了，所以大家对于我们做这个事情都是非常欢迎。

初期我们选取了一些高配合度的种子企业，然后深度地联合他们去做一些case。到7月为止，我们的想法是先找一些企业去打磨产品，这其实也是过往腾讯做产品的思路，一下子是不能铺太多的，一定要找几个企业深入落地。

到这一次我们的平台发布出来，我们的PPT都有放了合作情况，因为一部分产品标准化了之后，就可以慢慢地开始铺量。我们做事情的节奏就是稳扎稳打，但整个从年初包括到这段时间跟行业交流的整个感觉来看，大家对于腾讯做这个事情是非常欢迎的，也会认为我们能够帮助到他们。

Q：他们看中腾讯什么方面的能力、优势能力可以帮助到他们？

张正友：具身智能以及今天发布的三个模型，规划、多模态感知和感知行动大模型，每一个模块他们都可以去用。还有仿真平台，他们可以上传他们自己的机器人，在仿真平台里面尝试一下看看行不行。

还有一个很重要的点，我们的模型既可以在真实机器人上面运作，同样的在仿真环境里面也可以用。在仿真环境里面试的时候，针对某一些任务比方说完成不了，那它变成BadCase，直接就是送到后面强化学习去改进它的规划大模型。

因为我们不可能把世界上所有的可能的任务都想清楚了，不可能的。所以就是要一个流程，有一个方法论，然后用户的需求上传上来以后，都可以支持，到最后我们希望这样的平台每个人、每个厂家就可以把训练好的针对他们本体的模型拿去，部署到真机上去。

Q：所以现阶段的重点还是在模块化能力上的提升？

张正友：模型能力还有仿真环境，这里面其实难的地方挺多的。举个例子，比方说在操作里面，力感知和触觉感知是非常重要的，像触觉传感器没有标准化，那在仿真里面如何让触觉很真实地仿真出来？像我们人的触觉，空间分辨率在1毫米左右，在仿真环境里面现在还达不到这么好的分辨率。

无论是感知规划、大脑、小脑、感知行动联合大模型、仿真、数据采集，每个环节都有很多需要提升的地方。今天我们发布的还是一个初版。因为我们觉得已经跟一些标杆企业一起合作，已经达到一定效果了，他们也比较满意，所以我们就发布。随着更多企业的参与，我们的平台会打磨得更好。

Q：此前，RoboticsX实验室一直对商业化目标的设置比较谨慎，但是这一次发布的Tairos平台，已经牵手了一些合作伙伴，今年具身智能那么火，落地的可能性变大很多，腾讯对商业化的态度会不会有所改变？

张正友：2018年初腾讯RoboticsX成立的时候没任何商业化的目的，因为那时候情况和现在很不一样，那时候你看看能不能找到一个能够做机器人的硬件厂家？都没有。所以我们那时候就必须要自己从头既做硬件又做软件，智能各方面的规划之类的全部都要做。

应该从2023年下半年开始，整个机器人行业就有很大的变化，一个是ChatGPT引起AI大模型的关注，很多机器人企业就出来了。我们那时候就是啥都要做，但他们有些比较关注机器狗或者是人形机器人，还有一些触觉传感器、灵巧手或者机器人本体。

形势已经变化了，从腾讯角度来看，我们需要跟这些机器人硬件本体厂家一起来打磨我们的具身智能技术。另外，前沿探索还是很重要的，我们还会继续前沿探索，但有些能力是希望能够跟机器人本体厂家一起，和应用厂家一起去往前来提升的。

与其说商业化，其实我们更乐意提现在的方向是产品化。我们做了很长时间的前沿探索，积累了大量的不管是经验也好、还是一些成熟的技术成果，现在更多地希望能把这些变成一个产品，因为更之前更多是供内部来科研使用，未来想把这些科研成果变成一个产品供给市场上的机器人厂商和第三方的厂家，让他们自己去打包成一个更完整的产品。

要区分产品化和商业化。我是做研究的科学家，商业化听起来就是要去赚钱，但是我们是不赚钱的。Tairos特地强调我们自己不是以赚钱为目的的，我们希望把我们变成一个比较稳定的产品来赋能机器人的行业。

Q：那是能接受亏一段时间的钱吗？

张正友：我们不能说它是亏钱，因为就没有打算赚钱，所以就不存在亏钱这个概念。我们更乐意说这是腾讯集团对于机器人领域的持续投入。

这是公司直接支持的，可以说是看到了整个技术发展的趋势，在快8年前，2017年年底就决定要成立实验室，就是看到从PC到Mobile、后面机器人肯定是一个新的平台。看到了这个需求，所以要成立实验室。从另外一个角度来讲，腾讯这么大的一个科技公司，它要负起来一定的社会责任。所以我讲最后一个就是责任，Tairos是作为公司对社会的一个责任。

Q：腾讯今天提出了定位，要成为所有机器人厂商的合作伙伴，那之前机器人产品线还会继续吗？

张正友：这就是刚才讲的，我们本来就没有产品线。其实小五不是产品，假如大家有关注到的话，我用的词是非常注意的，我们都是叫研究原型，不是一个产品。

从技术角度来看，最早的Max，我们其实比一般的机器狗更先进，因为我们是有腿、有轮子一体的，在平地上能够有轮子来驱动，这样子效率高得多，但是对不平的地方、复杂的环境，它就走不了，因为我们没有打算把它变成一个产品或者是商业化。

后面我们又做了很多其他的产品，比方说调酒机器人，我们不会去做调酒，但是调酒机器人是展示我们技术的灵巧性和触觉各方面的能力。养老机器人为什么定位养老？这个领域很难来参与，为什么呢？机器跟人的交互里面就是要求安全性、鲁棒性、精准等各方面，所以我们用一个比较难的场景去牵引技术的研发，在这过程中我们不断地有新的研究原型出现。但是我们不会说看到一个原型觉得可以商业化就商业化，我们不会停在那里，我们要继续往前推进。

所以现在Tairos平台我们希望赋能给机器人这个行业，但是我们还会继续做一些展示性的、研究性的硬件，因为从某个角度讲，我们过去积累了很多硬件方面的经验，也踩了很多坑，这些东西都是很宝贵的经验，所以我们后面还会继续做一些展示性的硬件。

Q：您认为从智能终端发展角度来看，现在机器人行业类比于PC、手机，到底到了什么阶段？整体行业会不会有点过于乐观？

张正友：行业过热这要看你怎么定义，从投资的角度来看，大家都能看到这个前景很吸引人。从技术角度来讲，更多企业和研究单位参与进来，对具身智能的发展和智能机器人发展是一个利好的事情。

所以我们把具身智能软件能力开放出来，帮助行业发展，我觉得是很好的事情。过热对我来讲是一个好事情，参与人越来越多，行业发展会越来越快。可能有些企业会因为技术不够成熟，最后倒闭了，但这是任何一个新技术在发展的过程当中都会出现的。

Q：从时间轴上您觉得类似于PC或者手机的发展，现在具身智能处于哪个阶段？

张正友：比如说以前Blackberry或者是Pocket PC，那时候是不是失败呢？没有那个过程后面怎么会出现像iPhone、安卓手机出来？这是一个探索的过程。

比如说我在2018年机器人实验室成立的时候提了AtoG，那时候人家说为什么不做双足人形机器人？但是本体是一个值得探索的过程。假如没有Blackberry或者是Pocket PC之类的实际形态，你说能突然出现一个iPhone吗？所以对于我来讲，本体的探索是需要投入进去的。

Q：今年业内对于VLA的贡献有些争议，有人觉得这个方案太端到端，或者它对于多模态数据需求量太大，现在大家要满足这个需求有点难。想问一下您认为这种争议、担忧是否有必要？以及对于VLA出现，实验室以及您个人怎么看？

张正友：VLA从某种程度来讲是操作里面比较容易看见效果的一个方法，但是后续还需要提升能力。2018年，我提出Slaps，上面是规划，下面是感知跟行动，就是感知行动大模型，这个东西就是VLA，但是VLA只是用了vision视觉部分，现在要把视觉、力觉加到感知行动大模型里面，这只是其中一部分。

还有目前VLA都是通过2D的图像，没有对3D的理解，假如深入看的话，对3D世界理解比较缺乏。所以需要非常多的数据，比如说我现在看到的杯子，假如是2D的话，这个杯子看过去跟那个杯子不一样，因为是2D的。但是从3D角度看的话，只需要一个3D的模式就够了。VLA或者感知行动大模型目前只是初级阶段，还有很多东西需要提升的。