騰訊的野心藏不住了

　　/朝聞通/外界總揶揄騰訊在 AI 賽道“起大早趕晚集”，這顯然低估了其野心。

　　事實上，騰訊的布局草蛇灰線，伏線千裡：從底層混元大模型，到中間層智能體開發平台 ADP、具身智能平台 Tairos，再到應用層 WorkBuddy、CodeBuddy 等産品，一條從底層技術到終端應用的落地路徑脈絡清晰。

　　其中，具身智能作為騰訊向物理世界延伸的“戰略要塞”，由騰訊首席科學家、Robotics X 實驗室主任、福田實驗室主任張正友帶隊，摸索出一套與行業主流“端到端單模型”截然不同的技術路線，底層邏輯直指具身智能的本質：語言不等于完整認知，真正的智能必須在“感知、決策、行動”的閉環中形成。

　　張正友以神經科學經典的“裂腦實驗”點破行業通病：當前多數具身方案過度依賴語言模型邏輯，錯将流暢描述任務視作真正理解了物理世界。

　　事實上，人腦左腦負責語言與邏輯推理，右腦負責空間感知與圖像認知，語言隻是智能的對外表達通道，并非認知的全部。

　　基于這一判斷，騰訊構建了三層異構的具身智能架構 Apexio，精準對應人腦的認知決策、感知行動、條件反射：

　　在張正友看來，這套分層架構是面向真實場景的長期技術路線，其核心優勢貼合物理世界的運行規律。

　　此前，行業單一端到端模型要求感知、決策、執行全鍊路同頻運算：要麼為保障認知精度拉高推理延遲，無法滿足實時性要求;要麼為壓縮響應速度犧牲深度推理能力，難以處理複雜任務，導緻主流具身模型存在普遍短闆：一類靠文本拆解任務，邏輯清晰卻落不了地;一類能生成預測畫面，卻講不清規則與邊界。

　　與之對應，分層架構能讓不同能力模塊各司其職，既保留了上層的深度思考能力，又滿足了底層的實時反應需求，與人腦運行邏輯高度契合，是更具穩定性的長期技術架構。

　　據虎嗅了解，騰訊發布的 RxBrain (騰訊 Robotics X 聯合混元發布并開源的具身世界認知基座模型)實現了兩類核心能力打通：面對複雜任務，它既能用語言拆解執行步驟、明确規則約束，也能同步生成每一步的目标場景圖像。這種“先想象目标，再執行動作”的模式，解決了大量文本難以精準描述的場景問題。

　　比如擺放西餐餐具，用文字定義規則需要大量篇幅，一張目标圖即可清晰傳遞要求。執行過程中，機器人還能實時對比當前畫面與目标畫面，判斷執行進度，發現偏差及時重新規劃，顯著提升任務完成效率。

　　張正友補充稱，騰訊自研的 HyVLA-0.5 模型已實現工業級落地，依托自研亞毫米級 UMI 穿戴式數據采集手套，積累了超過 1 萬小時的人類第一視角操作數據。其采用雙路徑訓練模式：一條針對特定機器人本體做精細化微調，保障場景适配精度;一條通過 UMI 數據實現跨本體遷移，提升通用适配能力。部署環節則通過異步推理與軌迹平滑技術，實現高頻閉環控制。

　　虎嗅溝通發現，這套模型已在日化品工廠産線完成落地實測，作業成功率超過 95%，新增品類(SKU)适配周期不到 3 天，完全滿足工業産線的嚴苛要求。

　　除了産線落地的成績，HyVLA-0.5 在權威仿真評測中也拿下綜合排名第一，在核心的長時序任務、記憶任務兩個維度同樣登頂，完成了從實驗室指标到真實生産力的跨越。

　　此前，騰訊始終明确不做機器人硬件，一度曾引發外界質疑。

　　對此，張正友以手機行業格局類比：行業最終會形成兩種成熟模式，一種是蘋果式的軟硬件全閉環，體驗最優但生态封閉;另一種是安卓式的底層系統賦能，開放生态、規模化落地。

　　如今，騰訊選擇的正是第二條路。這很大程度上源于，中國機器人本體制造能力已高度成熟，疊代快、穩定性強，騰訊無需重複造輪子。

　　騰訊的核心優勢在 AI、雲與連接能力，因此 Tairos 定位是做具身智能的“通用大腦”：向上支撐應用開發商，向下賦能機器人本體廠商，讓硬件廠商無需從零搭建智能能力，讓應用廠商無需适配五花八門的硬件，整體降低行業落地門檻。

　　據虎嗅了解，落地數據已驗證這一戰略的價值：首次和宇樹打磨導覽場景時，基礎适配花了三個月，依托标準化接口後，新增場景 5 天即可落地;給越疆機器狗做系統适配更是隻用了一天就完成部署。

　　張正友透露，騰訊選擇優先綁定越疆、宇樹、智元等頭部本體廠商，核心邏輯在于：頭部廠商的硬件穩定性高、問題少，算法打磨效率更高。“一旦與頭部廠商跑通标杆場景，圍繞其布局的集成商、生态客戶即可快速複制方案，實現做通一個、輻射一片的效果，效率遠高于零散對接中小廠商。”

　　值得強調的是，具身智能核心瓶頸仍是數據，亦是當前行業投入成本最高的環節。

　　張正友認為，當前行業普遍依賴的遙操作數據，正處于金字塔頂端，成本高、規模小、泛化性差。騰訊的思路是打通四層數據體系：用底層大規模數據做預訓練，提升模型泛化能力;用頂層高精度數據做微調，适配特定場景，最大化數據利用效率。

　　即便騰訊并非數據采集服務商，但其核心優勢在于模型研發與數據生産的聯動：模型團隊明确數據優化方向，反向指導數據廠商定向采集高價值數據，再通過騰訊雲的存儲、計算能力，為具身智能企業提供數據存儲、處理、訓練的一體化解決方案，形成“數據 - 模型 - 雲”的完整閉環。

　　算力層面，具身智能的需求正呈爆發式增長。

　　騰訊雲異構計算研發總監陳煜東透露，具身智能客戶的算力需求年增速達 200%-300%，訓練規模從百卡級躍升至千卡、萬卡級;模型疊代周期縮短至兩三天，多模态數據清洗、标注的算力消耗也同步暴漲。

　　至于國産芯片的适配難題，陳煜東給出了高效解法：用 AI Agent 輔助算子遷移。“過去工程師手動遷移一個算子平均需要 5 天，如今通過 Agent 人機協同，一天就能完成精度達标、性能更優的遷移，大幅降低國産算力的使用門檻。”

　　當前，具身智能行業同質化嚴重，本體形态、落地場景都高度紮堆。張正友認為，這是行業早期的正常狀态，規模化落地尚未啟動，玩家集中探索可行場景并非壞事，充分競争會加速技術疊代。

　　所以在落地節奏上，行業必然遵循“從易到難”的路徑：工業場景會率先實現規模化落地，因為環境結構化、物體類别少、任務标準化，數據需求相對可控，更容易達到生産級要求;而家庭、養老等非結構化場景，落地難度要高得多，核心門檻是安全。

　　張正友一再強調，進入家庭場景的機器人，安全性必須做到 100%，沒有任何妥協空間。“要實現安全的人機接觸，觸覺、力覺感知是必備能力。沒有力覺控制的機器人，攙扶老人時可能造成骨折，根本無法進入養老、康複等場景。”

　　綜上，騰訊在 AI 領域并不執着于技術噱頭式領先。互聯網時代，其靠連接人與人、人與服務、人與内容建立壁壘;AI 時代，它要靠連接模型與場景、智能與硬件、開發者與産業，成為 AI 基建的“水電煤”。

　　來源：飛象網