腾讯的「具身智能」：连接器的故事，在物理AI时代还讲得通吗 ｜WAIC观察

本文来自微信公众号： 潮涌AI ，作者：潮涌AI编辑部，原文标题：《腾讯的「具身智能」：连接器的故事，在物理AI时代还讲得通吗 ｜WAIC观察》

2026年WAIC，腾讯带着“具身智能全栈方案”亮相。

从模型层Hy-Embodied-VLA-0.5、Hy-Embodied-VLM-1.0、Hy-Embodied-RxBrain-1.0，到平台层TairosAgent、Apexio，再到云底座和应用层EaaS，四层架构完整闭环。腾讯首席科学家张正友用“打破缸中大脑”概括，让AI在“感知、身体、行动”的闭环里接受验证。

这是腾讯在具身智能赛道的又一次升级。

一年前，RoboticsX实验室的“三不原则”（不做硬件、不做量产、不搞商业化）曾引发行业讨论。一年后，腾讯从“模块化外接大脑”升级为“全栈闭环方案”，但核心定位没变：做所有机器人厂商的合作伙伴，而不是取而代之做硬件。

腾讯云的算盘很清晰。

硬件重资产、低毛利、供应链管理复杂，最终可能陷入价格战。而大脑和平台层前期投入虽大，一旦形成生态，边际成本递减，还能通过云服务持续收费。

这个逻辑在移动互联网时代无往不利，但具身智能不是移动互联网。

产业现实：没有哪家头部玩家想把“大脑”外包

2025年被行业称为“头部人形机器人创企进入自研大脑时代”。到2026年，这个趋势已经不可逆转。

• 智元机器人（腾讯自己领投B轮的企业）自研启元大模型GO-1和交互大模型WITA Omni，2026年3月累计下线突破10000台。智元合伙人姚卯青在接受采访时说得直接：“机器人公司如果不做大模型，是没有未来的。”

• 智平方在2026年6月完成近50亿元融资，估值超200亿元，自研AlphaBrain具身大模型，据公司介绍，其AlphaBrain完整走完“端到端VLA→增强型VLA→类脑VLA”三代演进，NeuroVLA为全球唯一同时具备主动感知、故障自恢复与时序记忆能力的类脑系统。

• 银河通用据公司披露累计融资超69亿元，自研银河星脑AstraBrain，搭建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月一度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。

一份行业报告在2025年年中的判断已经得到验证：早期机器人创企多依托科技大厂大模型赋能，但随着竞争深入，具备强大AI能力且同时涉及本体的公司已成为资本市场香饽饽。没有自研大脑的玩家，正在掉队。

数据的“不可能三角”：为什么平台模式在这里碰了壁

具身智能与互联网最大的区别，在于数据不是副产品，而是核心生产资料。

大语言模型可以靠公开互联网文本训练，但机器人的训练数据必须在真实物理世界中产生。机器人抓取一个杯子、在工厂里搬运物料、在楼梯上行走，每一帧数据都来自昂贵的真机操作或高成本的仿真合成。

腾讯RxBrain测试

美国机器人公司Physical Intelligence的π0大模型，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。一位研究者算了笔账：按现在的数据收集速度，具身智能模型要达到大语言模型的智能程度，需要12万年。

这意味着什么？

数据是稀缺的，因此数据是壁垒。

智元的Genie Studio开发平台覆盖数据采集到一键部署，自建AGIBOT WORLD数据集；智平方在真实工厂里跑出来的碰撞反射响应数据（据公司披露为20毫秒级），是其NeuroVLA的核心资产；银河通用的银河星坊百亿级合成数据，决定了其模型在零售场景的泛化能力。

这些数据不会共享给任何第三方平台。不是因为企业“封闭”，而是因为数据就是竞争力本身，把自己的物理世界交互数据交给腾讯云训练模型，相当于把自己的商业机密拱手让人。

腾讯Tairos平台的“模块化外接”逻辑，前提是机器人厂商愿意在感知、规划、执行等关键环节接受标准化方案。但在一个数据比算法更稀缺、比算力更值钱的行业，这个前提存疑。

“大脑”与“本体”无法割裂

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。

2025年底举行的《财经》年会上，腾讯首席科学家、RoboticsX实验室主任‌张正友‌深入阐述了其提出的‌SLAP范式‌（感知-行动紧耦合），其实已经说明了这一点。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，都伴随着对特定本体（轮式、双足、四足）运动学和动力学的深度适配。

一位行业投资人向潮涌AI表示：“通用具身模型是个美好的愿景，但当前阶段，模型和本体是‘一对多'还是‘多对多’，行业里根本没有共识。腾讯想做一个通用平台适配所有本体，技术上难度很大，商业上机器人厂商也没有动力配合。”

腾讯的真正机会在哪里

这不是说腾讯在具身智能赛道没有机会。恰恰相反，腾讯云在算力、仿真、数据基建层面的能力，是行业刚需。

万卡级集群训练、TokenHub推理调度等基础设施层面的投入，是单个机器人公司难以承担的。腾讯可以做一个“卖铲人”，而不是“淘金者”。

但“卖铲人”和“平台统治者”是两个完全不同的商业模型。

平台统治者（如移动互联网时代的微信、支付宝）：靠生态控制力抽成，躺着赚钱。

卖铲人（如云计算时代的AWS、英伟达）：靠基础设施能力赚取服务费，需要持续重投入，竞争也激烈。

腾讯想要的是前者，但具身智能产业的结构可能只给后者留空间。

一位接近腾讯RoboticsX的人士透露，实验室内部其实也意识到“纯平台”策略的局限，“三不原则”更多是战略克制下的表态，而非长期不变的铁律。

2026年WAIC发布的“全栈方案”中，EaaS（Embodied-AI-as-a-Service）的推出，某种程度上也是在试探“卖铲人”的收费模式。

结语

互联网时代的成功经验，在硬科技时代未必通用。

腾讯曾靠“连接一切”长期位居中国市值最高的公司之列。但具身智能不是社交、不是电商、不是游戏。它是一个需要把“大脑”和“身体”焊在一起的物理产业，数据是每家公司的核心壁垒，没有哪家愿意把自己的命脉交给平台。

腾讯不做硬件、不做量产的选择本身没有错。但如果底层假设是“别人做苦活，我做平台抽成”，那可能需要重新校准。在这个赛道，平台的价值可能不如铲子，而铲子生意，从来不是躺着赚钱的。

*参考文章：

佐思汽研、水清木华研究中心联合发布《2026年具身智能机器人数据产业布局研究报告》

IT之家《《2026具身智能”大脑”实力榜》

智东西《6个月，15家具身智能创企，估值突破100亿》

本内容由作者授权发布，观点仅代表作者本人，不代表虎嗅立场。如对本稿件有异议或投诉，请联系 tougao@huxiu.com。

本文来自虎嗅，原文链接：https://www.huxiu.com/article/4876616.html?f=wyxwapp