详情

机器之心原创开云体育

作家：张倩

当机器东谈主成为各大科技展会最受瞩目的焦点，当具身智能论坛场场爆满、一票难求，咱们不难发现：这个领域正在履历前所未有的暖热上升。

关联词，上升之下，仍有诸多关节议题悬而未决：面临数据稀缺，有东谈主寄但愿于合成数据的冲破，有东谈主相持真机数据才是根底；在时刻道路之争中，有东谈主押注端到端的举座范式，有东谈主则以为分层架构更妥当演进规章；至于模子形态，有东谈主视 VLA 为智能的最终归宿，也有东谈主以为寰宇模子才是信得过的改日。

现阶段出现这种不对十分泛泛，因为通盘这个词行业的发展旅途尚未敛迹。有些问题以致还莫得来得及系统预见，比如量产之后会出现哪些新的卡点，谁来贬责？

恰是因为存在这些问题，业界首要需要一个洞开的对话平台。在本年云栖大会的具身智能论坛上，咱们见证了这么一场深度交锋：不同派别的代表坐到并吞张桌子前，将时刻不对、生意念念考和基础设施需求一并摊开预见，试图在碰撞中寻找新的共鸣。

论坛事后，咱们也和这场论坛的发起者 —— 阿里云聊了聊。这家云计较巨头罗致在此时深度介入具身智能领域，自己就值得暖热。

聊完之后，咱们发现，他们信得过的入局其实是在四五年前，如今更是在提前为具身智能行业行将到来的数据量的指数级增长以及算力需求、模子领域的爆发作念准备。这种给行业改日 3 到 5 年打「提前量」的布局既体现了阿里云对时刻周期的明锐判断，也示意着云厂商在具身智能时间所饰演的扮装 —— 不仅仅提供算力，更是在为具身智能行业提前搭建起改日几年最关节的基础设施。他们信托，在各方的共同奋发下，具身智能的「FSD V12 时刻」很快就会到来，而他们也曾为此作念好了准备。

真机派 vs. 合成派

哪个更有远景？

具身智能的数据饥馑已成为行业共鸣。为了贬责这个问题，行业缓缓阔别出两个派别：真机派和合成派。真机派相持以遥操或者互联网的情势取得数据，基于 VLA 作念师法学习；仿真派则信托合成数据可行性，在仿真环境中合成数据，用作模子造就，并遍及使用强化学习。两边齐有充足的意义相持我方的道路。

星河通用是仿真合成派的代表。在现场，该公司结伴首创东谈主兼大模子持重东谈概念直政从本钱和可推广性的角度叙述了他们罗致该道路的意义。

张直政指出，今天的具身智能大模子要想罢了通用的、跨任务的泛化才智，可能需要上万亿条数据，全部真机聚集既难以罢了也不成继续。特斯拉的 Optimus 便是一个例证，他们曾让一个 40 多东谈主的团队耗时一个月聚集了数十万条遥操数据，用来造就机器东谈主完成电板取放任务，但泛化性依然很差。在联系持重东谈主下野后，Optimus 运行尝试通过东谈主类视频让机器东谈主学习任务。

因此，星河通用罗致的道路是：先通过大规师法真合成数据进行预造就，构建通用基座大模子，再诈欺小数高精度真的切数据进行后造就。通过这种方式，他们罢了了雅致无比的泛化性能，何况把确切数据后造就的样本着力提高到了 Optimus 的一千倍，大大谴责了落地的旯旮本钱。

「仿真极为首要，莫得仿真，我以为咱们几十年内齐无法制造出能在现实寰宇中弘扬作用的机器东谈主」。NVIDIA 机器东谈主与边缘 AI 副总裁 Deepu Talla 在现场说谈。此外，他还分享了 Isaac Sim、Isaac Lab 等器用，有了这些器用，机器东谈主的仿真数据分娩和模子造就显赫加速。

但值得致密的是，并不是在通盘的情况下，仿真数据齐更容易取得。清华大学助理教训、星海图首席科学家赵行就指出，「有些仿真数据的 scaling law 来自于你领有的博士生数目，像流体、柔性物体的仿真只好图形学博士才能作念」。在这种情况下，在确切寰宇作念一个物理实验反而更低廉（比如杯子打翻，水洒在一块布上），而且得到的数据质料更高，万般性也更好。千寻智能联席首席科学家解浚源也指出，仿真数据其实是「伪数据驱动」，因为仿真器需要针对每个物体和场景定制开垦，这骨子上是一种「研发东谈主力驱动」的方式。此外，仿真数据的数据着力亦然一大问题，自变量机器东谈主首创东谈主、CEO 王潜给出了一个令东谈主讶异的数字：仿真数据和确切数据的着力可能会差 5-6 个数目级，这在实验造就中会大大减轻仿真数据的本钱上风。

仿真巧合低廉，真机也巧合贵到不成承受。行为「真机派」的代表，解浚源还对「真机数据奋斗珍稀」的共鸣提倡了挑战。他以为，真机数据信得过的瓶颈在于短少进入，而非数据自己本钱过高。「实验上真机数据并莫得遐想中那么贵，在国内供应链的赞助下，把单个机器东谈主本钱打到 10 万以下是很容易的。」解浚源将此与大模子厂商的进入进行对比，指出现时一块高端造就显卡的本钱远高于一个国产机器东谈主的本钱。既然大模子厂商能以万卡以致几十万卡的领域进入算力，那么将聚集数据的机器东谈主领域推广到上千台、上万台，绝非不成遐想的本钱。

此外，在聚集方式上，遥操作并不是唯一的罗致。千寻智能自研的可衣服机械臂不错把聚集本钱降到遥操作的 1/20，同期保持有用聚集精准度不变。

解浚源信托，唯有高质料真的切数据才能造就出寰宇最初的模子，是以他们致力于于于构建一个基于确切数据的全链路数据生态，从而打造一个数据飞轮，让机器东谈主借助确切数据罢了才智的抑止升级。

端到端 vs. 分层，VLA vs. 寰宇模子

哪个是结尾？

不管是合成数据如故真机数据，最终齐是要为模子的造就去提供工作。跟着大模子与机器东谈主领域交融的加深，一些问题运行浮出水面：具身智能领域需要什么样的大模子？端到端和分层架构哪个更有远景？VLA 是结尾吗？寰宇模子又将带来哪些价值？围绕这些问题，几位具身智能行业首领、资深研究者张开了预见。

针对第一个问题，王潜深切，具身智能大模子不是假造寰宇大模子在现实寰宇的轻便应用，而是稀少的基础模子。因为起先，言语和视觉无法精准形容物理动作；其次，物理构兵过程的复杂性远超假造寰宇模子的建模才智。

赵行容许这个说法，并进一步指出，具身基础模子是一个平行于言语模子的存在。山公、猩猩等动物莫得丰富的言语，但它们的具身智能才智却十分刚硬，这种才智很有可能来自视觉和动作这两个模态的交互学习。这表现视觉 - 动作模态自己就蕴含着刚硬的智能后劲，不错平行于言语模态发展出我方的智能。

但在构建具身智能基础模子的方式上，两东谈主出现了不对 —— 赵行爱好分层架构，王潜则信托端到端。

最初罗致分层架构，赵行更多探讨的是现实部署料理，因为在端侧及时跑大模子受限于端侧芯片的迭代速率。通过大小脑分层、分别部署在边缘侧和端侧的遐想，机器东谈主更容易落地。此外，他以为分层架构更妥当生物进化规章，毕竟东谈主脑不同分区各司其职同样责任得很好。针对不同层之间才智无法互通、梯度无法回传的质疑，赵行深切这不是本申斥题，可通过强化学习等时刻贬责。

但王潜以为分层架构存在致命劣势：前层的轻飘失诬陷在后续行径快速放大，而且更多的东谈主为搅扰往往会谴责模子成果。更首要的是，高层模子不睬解物理料理，时常期拨不成能完成的任务；而底层模子短少语义和会，学会捏橘子却不会捏苹果。为贬责层间和会畛域，最终如故要针对各层劣势注入不同常识，收尾便是各层越来越像，不如平直接受融合模子。关于部署压力，王潜回复说，天然端到端在造就阶段只训一个模子，但推理阶段不错停止或压缩，然后散播式部署。

不外，从某种意旨上来说，端到端和分层架构并不一定是实足对立的。北京大学计较机学院研究员仉尚航指出，分层的关节在于如何界说「层」。要是分层是指必须拆分红两个稀少模子，那照实与端到端视冲突；但要是是在一个融合模子内罢了功能分区 —— 比如一部分侧重推理决策，另一部分专注动作生成，那就既保持了端到端的完好性，又罢了了雷同大小脑的单干，两条道路就不错敛迹到一谈。

针对现时声量比拟高的 VLA 和寰宇模子，列位嘉宾也发表了我方的不雅点。北京东谈主形机器东谈主立异中心 CTO 唐剑指出了寰宇模子的几个首要作用：一是辅助机器东谈主大脑 VLM 进行自主学习探索，像「作念梦者」一样模拟各式任务场景；二是自动生成可履行的动作序列，行为真机数据的高效补充；三是为 VLA 等模子提供底座相沿。他以为寰宇模子与 VLA 并非冲突关系，而是不错相互配合的时刻组合。

赵行则以为，VLA 是当下更有后劲的时刻道路，因为寰宇模子过于依赖 first-principle 假定，条款必须瞻望出改日图像才能作念规划，但东谈主类学习主要靠「熟能生巧」。另外，从数据着力看，100 条数据用来造就端到端 VLA 就能产生成果，但造就寰宇模子至少需要万级以致亿级数据量。是以在他看来，寰宇模子是一个十分结尾的道路，只好在数据不受截至的时候才更有价值。

具身智能 Scaling Law 已初见脉络

谁来为行业托底？

嘉宾们的分享饱和机敏，也饱和竭诚：真机派与合成派的旅途之争、端到端与分层架构的优劣、VLA 与寰宇模子的对比…… 这些关节问题被一并摆上桌面，让行业当下的卡点一目了然。

同期，还有一些关节信息值得暖热，比如王潜提到，他们也曾在里面数据中不雅察到了具身智能的 scaling law，ICLR 2025 的一篇论文（「DATA SCALING LAW IN IMITATION LEARNING FOR ROBOTIC MANIPULATION」）也提到了这一丝。这意味着，在具身智能领域赓续扩大模子和数据领域也极有可能是有用的。

此外，咱们也看到，现场有多位嘉宾分享了具身智能的落地情况，比如上海傅利叶智能科技股份有限公司首创东谈主兼首席履行官顾捷分享了他们在东谈主机交互、康复及随同场景的探索，中科云谷科技有限公司副总司理杨辉先容了中联重科在工业制造场景下的机器东谈主落地念念考与实践，加速进化副总裁赵维晨则汇报了东谈主形机器东谈主普及旅途及栽种、竞赛等落地念念路。从中不错看出，通盘这个词具身智能行业的落地速率正在加速，越来越多的公司运行走向量产。

但当议题从「怎样造机器东谈主」切换到「怎样把机器东谈主量产」，预见就必须引入一个此前近乎隐形的主角 —— 云厂商。

「咱们建议，具身智能公司从第一天起就要作念好云架构、AI Infra 的规划。」阿里云智能集团大众云业绩部副总裁、华北大区总司理，同期亦然阿里云智能集团大众云业绩部具身智能持重东谈主高飞在采访中提到。

这背后的逻辑并不复杂。正如嘉宾们所言，大模子时刻也曾粗鲁应用于具身智能行业，scaling law 的清爽和机器东谈主落地速率的加速齐让数据和算力领域变得愈发首要。论坛嘉宾分享的提效妙技让数据聚集、合成越来越快，改日几年行业数据量将稳步攀升，对应的清洗、存储和造就压力也会随之放大。

但仅凭具身智能公司一己之力，这么的压力是很难吩咐的。起先，数据激增带来的需求难以瞻望，企业自建的 IT 基础设施很难跟上业务发展，也会因为短少弹性而难以知足造就、仿真等并发需求。其次，大多数具身智能团队源自科研配景，这让他们在算法冲破方面洋洋洒洒，但工程化训诲相对有限，开垦器用链和运维才智也时常不及。

一朝公司运行量产，数据运行指数级增长，这些矛盾就会被一刹放大。仅数据的搬动、处理责任就会变成巨大的 IT 支拨，给企业发展带来阻力。

阿里云十分明晰这一过程给企业带来的苦难，因为在智能驾驶行业，他们也曾履历过一轮雷同的发展历程，也匡助好多头部车企告成度过了难关。如今，越来越多的具身智能公司找到他们，但愿在量产之前完成云架构的规划，少走一些弯路。

关于这些需求，阿里云也曾在已往的四五年中千里淀了不少联系才智：

起先是处理遍及数据的才智。

阿里云智能集团大众云业绩部具身智能贬责决议持重东谈主王旭文提到，阿里云最初降生就定位为「以数据为中心的云计较」，之后深度入局的智能驾驶、AI 也齐是数据密集型行业，如今遍及具身智能数据涌来，他们也曾有饱和刚硬的基础设施和训诲来邋遢应酬。

具体来说，在最根底的数据分娩行径，不管企业是「真机派」如故「仿真派」，他们齐有全套的时刻赞助。

真机数据分娩的链条十分长，也十分复杂，触及聚集、标注、传输上云、存储、质料校验、清洗脱敏、数据分析等多个行径。对此，阿里云能够提供一整套云上的大数据处理才智来相沿这个复杂历程，包括云上托管的数据处理引擎和湖仓一体架构，罢了融合的元数据管理和超大领域数据的有序分娩。

关于仿真数据分娩，阿里云同样作念了充分准备。他们适配了市面上主流的仿真软件运行环境，并通过自身的产研才智对这些软件进行了深度的性能优化与评估，匡助用户罗致最允洽的算力规格，显赫擢升仿真计较着力并谴责本钱。此外，他们的多款云产品也曾和第三方器用链深度集成，不错作念到开箱即用，比如阿里云东谈主工智能平台 PAI 也曾完成与 NVIDIA Physical AI 全栈器用链的整合；无影云电脑不错弹性挂载多种规格的 GPU，何况预置了多款国表里仿真软件，用开箱即用的开垦机加速通盘这个词仿真过程。

但不管如何，现时数据的稀缺依然是一浩劫题，是以数据的流转和分享也曾成为一种产业需求。传统的线下数据拷贝方式着力极低 —— 好多公司需要派东谈主拿着硬盘到对方公司去拷贝，这种以周为单元的数据传输方式显着无法适合行业发展需要。阿里云通过 OSS 跨地域、跨账号的数据搬动工作，能够将这个过程缩小到小时级别。同期，他们也在结伴生态伙伴，鼓舞云上数据存储和安全数据分享的行业最好实践。

其次是唯一无二的模子原厂上风。

通义千问系列模子在 AI 领域的地位有目共睹 —— 其养殖模子数目已进步 17 万个，稳居全球开源模子的头部阵营。但更值得暖热的是，这种影响力正在向具身智能领域延迟。

「最近一段时间我跑了省略 30 产品身智能公司，跟他们的 CEO 深度疏通明了解到，他们大部分齐在用 Qwen-VL 模子去作念后造就。」高飞在采访中提到。

这种殊途同归的罗致背后有着充分的时刻意义。Qwen-VL 在空间感知、动态视觉和会、2D/3D Grounding、旅途规划等方面的才智，刚巧契合了具身智能对「大脑」的中枢需求。更首要的是，相持开源计策让通义千问形成了一个全球性的开垦者生态，遍及国表里开垦者在基于这个模子进行二次开垦和优化。而且，行为模子原厂，阿里云还不错提供模子工作的深度赞助，比如定向开源特定版块 checkpoint，提供专科的模子造就工程化赞助等。这种从模子底层到应用层的全链路相沿才智，让阿里云在具身智能赛谈领有了一个简直不成复制的竞争上风。

在论坛现场，通义千问实验室算法科学家白帅还分享了他们最新的 Qwen3-VL 模子，这个模子针对细粒度视觉和会、视频时序和会、3D 感知与规划以及带图推理和视觉交互才智进行了优化，为具身智能落地提供了更强的基础模子相沿。

天然，通义之外的模子，阿里云也提供高性价比的、解析的调用工作。阿里云百真金不怕火不仅集成了自研的全系列模子，还集聚了国内主流模子和海外开源模子。在这些模子背后，阿里云提供融合的基础设施保险，确保工作的可用性、解析性和大领域集群赞助。关于那些在数据安全和定制化方面有稀奇需求的客户，阿里云还赞助在 VPC 环境中稀少部署模子。

模子之外，工程化才智也很首要。

「工程这件事需要时间和训诲的积聚，作念过和没作念过的便是不一样。这一过程莫得捷径。」王旭文在采访中强调。

他还不雅察到，由于具身智能尚处于领域化前期，一些工程方面的痛点还莫得充分深切，是以好多具身智能公司还莫得在工程方面作念好准备，这与熟悉的 AI 行业形成了昭着对比。

好在，阿里云是准备好了的，因为在已往几年工作头部大模子公司和汽车新势力的过程中，他们通过「一步一步踩坑」的方式积聚了遍及的基础设施和实战训诲，并将这些东西千里淀成了可尺度化委用的产品和工作才智，包括完好的计较、存储、聚集基础设施、数百 P 级数据处理才智等。

这些东西之是以能够复用，是因为具身智能和智能驾驶在工程架构方面有着高度的相似性。起先是基础设施层面，不管是集群组网，如故资源管理调遣、性能优化，两个领域所需的底层才智简直一致。操作系统、运行环境、开垦框架等时刻栈也莫得骨子区别。其次是器用链层面，两个行业的研发 Pipeline 高度重合，对数据 Pipeline 构建的基础才智需求也基本一样。更挑升念念的是，许多具身智能从业者自己就来自智能驾驶配景，他们使用的模子架构好多是在智能驾驶模子基础上校正而来的。这种东谈主员和时刻的传承，让阿里云此前在智能驾驶领域积聚的工程训诲能够简直无缝地移植到具身智能场景中。

「智能驾驶行业领域也曾如斯之大、体系如斯熟悉，它所积聚的训诲实足不错先复用，然后再看有什么各别。它所踩过的坑，具身智能企业没必要重新再踩一遍」，王旭文以「过来东谈主」的口气说谈，这亦然他们反复强调具身智能公司一定要在业务爆发之前就作念好基础设施规划的首要原因。

当今，阿里云也曾工作了一些也曾或正在走向量产阶段的具身智能企业。在这一过程中，他们发现我方不错作念的事情其实十分多，比如提供全链路可不雅测工作，提供回传数据的及时聚集和及时期析以辅助故障会诊与定责，通过 Qwen-Omni、Qwen-ASR 才智增强机器东谈主的对话和文娱互动性，通过无影云电脑提供责任站环境从而赞助仿真和数据聚集责任等。

看来，在量产机器东谈主这条路上，阿里云正在帮通盘这个词行业扫清拒绝。

从非共鸣走向共鸣

阿里云准备好了

阿里云发起的这个具身智能论坛继续了 4 个小时，现场座无隙地。

不错看到，通盘这个词具身智能行业还有好多非共鸣，时刻道路还尚未敛迹。高飞说，这其实很像四五年前的智能驾驶。但 FSD v12 出来之后，大众看到了「端到端 + 数据驱动闭环」在确切寰宇的可行性，于是时刻道路赶紧敛迹，通盘这个词行业也迎来数据的爆炸式增长。他信托，具身智能也会履历这个过程。

这一过程中，有一些了然于目的趋势，比如云边端协同。端侧受物理空间和功耗截至，无法承载大算力需求；而长久任务规划、复杂推理等高等才智又需要刚硬的计较资源赞助；此外，多机相助、器用调用等场景也必须通过云霄罢了融合调遣，这让云厂商的首要性日益突显。阿里云积蓄的力量也将在这一阶段爆发。

不外，高飞也指出，除了基础设施相沿，具身智能的落地还离不开弘远开垦者群体的参与。为此，阿里云在生态诞生方面作念出了多方面奋发，包括相持通义系列大模子的开源计策，谴责开垦者使用门槛；基于阿里云数百万开垦者基础，蚁合具身智能公司与开垦者社群；提供系统化的培训、产品试用和资源赞助；在魔搭社区专门开设具身智能专区，集聚联系模子和数据集等。

在这个充满不细目性的非共鸣阶段开云体育，阿里云罗致为各式时刻道路齐作念好准备，用平台才智和生态资源为通盘这个词行业的改日发展夯实基础。当具身智能的「FSD V12 时刻」信得过到来时，这些提前布局的才智将成为鼓舞行业跃迁的关节力量。