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 π 0 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》