本文摘自《云棲戰(zhàn)略參考》，這本刊物由阿里云與鈦媒體聯(lián)合策劃。目的是為了把各個行業(yè)先行者的技術探索、業(yè)務實踐呈現(xiàn)出來，與思考同樣問題的“數(shù)智先行者”共同探討、碰撞，希望這些內容能讓你有所啟發(fā)。

具身智能，正成為 AI 革命的核心共識與下一站錨點。當 AI 技術從數(shù)字世界邁向物理世界，硬件恰是這場躍遷中智能體與物理環(huán)境交互的關鍵載體。這一趨勢，正沿著三條核心賽道加速落地，并呈現(xiàn)出技術復雜度和成熟度的差異。

智能硬件以智能手機、PC、AI 眼鏡為代表，從設備工具升級為場景伙伴，依托成熟的端云協(xié)同架構、實時數(shù)據(jù)處理能力與輕量化模型部署，實現(xiàn)多模態(tài)智能交互并 提供更多場景化服務，正邁向規(guī)?；涞仉A段；智能駕駛系統(tǒng)，在端到端大模型驅動下正逐步實現(xiàn)局部自主決策，并開始展現(xiàn)出超越預設規(guī)則的自主應變能力，但模型泛化性與安全性仍需持續(xù)優(yōu)化，對高彈性算力集群與多源異構數(shù)據(jù)融合也提出更高要求；機器人技術突破門檻最高，算力層面需構建云邊端深度協(xié)同的架構，數(shù)據(jù)層面需解決多模態(tài)真實場景數(shù)據(jù)的采集、合成與處理的問題，模型層面則要同時兼顧復雜推理與運動控制，當前核心是突破從實驗室原型到產業(yè)落地的關鍵跨越。

盡管當前三大領域技術收斂節(jié)奏不同，業(yè)界在路線選擇與細節(jié)落地中仍存在分歧，但一個共識已然形成，三條賽道最終將指向同一個未來：AI 將不再局限于屏幕內，而是在真實物理空間中完成“感知 - 決策 - 行動”的完整閉環(huán)，進化為可在現(xiàn)實世界自主行動的智能體，而支撐這一閉環(huán)的，則是一套由算力、數(shù)據(jù)、模型深度協(xié)同融合構成的下一代全棧 AI 技術體系。

作為全棧人工智能服務商，阿里云正致力于為這場革命構建一個統(tǒng)一的能力支柱，其全棧 AI 服務體系不僅提供澎湃算力，更整合數(shù)據(jù)平臺與持續(xù)進化的基礎模型能力，實現(xiàn)從底層算力調度到上層場景化智能輸出的全維度支撐。在 2025 云棲大會的系列分論壇中，來自 AI 硬件、汽車、機器人領域的實踐分享，共同勾勒出具身智能的清晰未來：一場由 AI 硬件打破交互邊界、智能駕駛重塑移動空間、機器人賦能千行百業(yè)的具身智能大幕，已然開啟。

AI 硬件：從功能設備到智能伙伴

在具身智能的框架下，最貼近用戶的智能硬件正經歷一場本質性的身份轉變。算力、模型、開發(fā)平臺一體化的智能底座，為這些新物種提供了體驗的想象力。這也標志著智能硬件不再是一個個獨立的設備，而會在不久的未來融入一個能夠自我進化、跨端協(xié)作的“超級生命體”。

2025 年，AI 硬件無疑是廠商押注、資本涌入的核心戰(zhàn)場。洛圖科技(RUNTO)此前曾預測，中國 AI 硬件(不含 AI 手機、AI 汽車)市場規(guī)模今年將首次突破萬億元，五年內將繼續(xù)保持高速增長。與之前的 AI 硬件熱潮相比，這次的趨勢清晰可見：終端設備從功能執(zhí)行者向智能伙伴的躍遷。

這場變革的核心，是設備從被動響應走向主動服務。榮耀 MagicOS AI 首席戰(zhàn)略官王皚用一個生動的場景描繪了這種變化:“昨晚我在杭州看書，覺得燈光太暗，只需對手機說‘幫我處理一下’，它就能自動調整到護眼模式、夜景模式，整個過程無需任何手動操作。這種‘一語解千愁，萬事找 YOYO’的體驗，標志著硬件正從需要用戶學習的復雜工具，轉變?yōu)槔斫庥脩粢鈭D的智能伙伴?！?/p>

在教育硬件領域，這種變革尤為明顯。AI 學習機之所以 能在大模型時代迎來新的爆發(fā)，關鍵在于它精準切中了傳統(tǒng)學習機未能滿足的深層需求。視源股份消費者 BG 總裁邱澈分享了一個典型案例：“低齡兒童的學習機過去很難做，因為孩子沒有固定的成長路徑。現(xiàn)在通過大模型，我們可以基于孩子的信息和學習訴求，動態(tài)編排學習計劃?！边@種個性化能力的實現(xiàn)，讓硬件從標準化工具變成了懂用戶的學習伙伴。

智能手機作為 AI To C 的第一入口，正在經歷從功能疊加到體驗重構的深層 AI 化變革。在全球排名 Top10 的手機廠商中，包括傳音、OPPO、vivo、榮耀等在內的 9 家廠商都與通義大模型展開了深度合作，這絕不是一種巧合。

隨著 AI 技術和 Agent 發(fā)展，手機會成為具備自我進化能力、更懂用戶的智能體手機。除了硬件和生態(tài)能力之外，廠商還推動操作系統(tǒng)向智能化演進，以系統(tǒng)級 AI 讓操作系統(tǒng)能夠成為一個超級入口，通過智能體感知及理解用戶的意圖、周圍環(huán)境，讓操作系統(tǒng)能通過 AI 內核能力來對硬件、軟件、應用及服務按需索取，恰如其分地為用戶調用和協(xié)同智能體。

在百花齊放的硬件形態(tài)中，AI 眼鏡無疑是最引人注目 的新品類之一。它正在試圖重新定義“下一代人機交互的入口”。在這個競爭激烈的賽道里，雷鳥創(chuàng)新等品牌正通過差異化的產品邏輯卡位市場。雷鳥深度使用了阿里通義系列的多模態(tài)大模型，視覺理解和問答準確率達 98%，同時通過系統(tǒng)級優(yōu)化，從意圖理解到信息返回，所需時間控制在僅 1.3 秒內。這種技術突破讓 AI 眼鏡開始從新奇邁向實用，在導航、即時翻譯、智能提醒等高頻剛需場景中驗證其價值。

支撐這些智能終端進化的，是全棧 AI 云服務提供的強大技術生態(tài)。通義大模型與阿里云全棧 AI 云服務共同帶來的“模型 + 基礎設施”協(xié)同優(yōu)勢，能夠讓智能助理更精準地理解意圖、更流暢地實現(xiàn)多模態(tài)交互、更可靠地執(zhí)行場景化服務。

36 氪研究院院長鄒萍表示，通過整合云端大模型和端側大模型，AI 可以根據(jù)場景需求靈活調用算力資源，簡單實時、隱私性要求高的任務在端側完成，復雜任務則交給云端。這種架構既保證了響應速度，又兼顧了計算能力，為智能終端的體驗升級提供了堅實的技術底座。

AI 硬件憑借云、模型和端側優(yōu)化等技術從功能執(zhí)行者向智能伙伴躍遷的過程中不可忽視的一個關鍵詞是生態(tài)。如今，AI 硬件廠商新的競爭焦點，就是構建以硬件為入口的生態(tài)體系，通過整合內容、數(shù)據(jù)與服務，進一步拓展智能終端的場景邊界與用戶黏性。不只是 AI 教育廠商，構建 AI 生態(tài)已經成為很多智能硬件領域的共同選擇。做 AI 生態(tài)不僅是在推動硬件功能升級，也從底層重構了智能設備的價值邏輯——從單一執(zhí)行走向系統(tǒng)協(xié)同，從工具屬性轉向場景服務。

然而，AI 硬件的發(fā)展仍面臨挑戰(zhàn)。在硬件堆疊、續(xù)航 功耗、成本控制等方面，行業(yè)仍在尋找最佳平衡點。論壇上提到了“不可能三角”的困境——在有限的空間內，功能、功耗和成本難以兼顧。大模型的小型化和隱私保護是需要持續(xù)突破的技術方向。

在阿里云的推動下，智能硬件的技術邊界也在逐漸清晰：不再追求“全能”，而是在產品創(chuàng)新中分化和深化場景。先讓 AI 在硬件中變得實用和不可或缺，再讓這些會思考、會執(zhí)行的智能體與云端大腦協(xié)同進化，無聲無感地融入生活，成為我們每個人的全能“智能助理”。

最好的技術隱于共生，最好的體驗只會悄悄浮出水面。

關于未來入口的形態(tài)，會上提出了“軟入口”的概念：未來 AI 的入口可能沒有具體形態(tài)，而是像流水一樣滲透在吃、穿、住、行中。通用硬件和專用硬件將協(xié)同發(fā)展，共同構成未來的智能生態(tài)。

智能駕駛：從規(guī)則編碼走向能力涌現(xiàn)

當具身智能的理念進入移動出行領域，便催生了智能駕駛技術范式的根本性遷移。傳統(tǒng)的功能堆砌和規(guī)則編碼方式，在面對無窮無盡的現(xiàn)實長尾場景時顯得力不從心。如今，以視覺 - 語言 - 動作大模型(Vision- Language-Action，簡稱“VLA”)為代表的數(shù)據(jù)驅動路徑，正讓智能駕駛系統(tǒng)像人類一樣，獲得在面對未知場景時舉一反三的涌現(xiàn)能力，從一輛精密的機器，向一個擁有駕駛常識的智能體進化。

在 2025 云棲大會汽車行業(yè)峰會上，來自廣汽與理想汽車等企業(yè)的專家不約而同地指出，傳統(tǒng)智能駕駛系統(tǒng)雖然能在已知場景中穩(wěn)定運行，但在面對未曾見過的陌生路況時，往往顯得力不從心。端到端系統(tǒng)像是一位靠題海戰(zhàn)術培養(yǎng)出來的學生，見過的題目都會做，但遇到新題就容易卡殼。而現(xiàn)實道路上的新題，恰恰是層出不窮的施工路段、潮汐車道、特種車輛通行等非標準化場景。

那么，如何讓智能駕駛系統(tǒng)具備真正的應變能力？答案指向了以 VLA 為代表的大模型技術路線。VLA 模型的核心優(yōu)勢在于，它通過預訓練注入了常識與推理能力，使其在面對未訓練過的場景時，仍能作出合理判斷。

來自業(yè)內的一個真實案例顯示：在某次測試中，搭載 VLA 系統(tǒng)的車輛在連續(xù)繞過多個未預設路障時，展現(xiàn)出了接近人類駕駛員的決策連貫性——這不是靠預設規(guī)則實現(xiàn)的，而是模型能力的自然涌現(xiàn)。

這一變化，標志著智能駕駛研發(fā)從“人工寫規(guī)則”邁入“系統(tǒng)自進化”的新階段。阿里云智能集團的相關專家在會議中指出，VLA 結合強化學習的閉環(huán)訓練體系，正成為下一代智能駕駛系統(tǒng)的技術基座。在仿真環(huán)境中，系統(tǒng)可以實現(xiàn)光速迭代，在虛擬城市中無限試錯、持續(xù)優(yōu)化，從而突破實車路測的數(shù)據(jù)瓶頸。有觀點預測，未來一年內，VLA 技術將帶來智能駕駛體驗的十倍級提升。

不過，當前 VLA 技術路線中，關于“L”(Language) 的必要性其實還有一些爭議。理想 CTO 謝炎在云棲大會主論壇圓桌對話中分享，語言是人類做泛化的基礎，理想在 VLA 路線中做“L”的兩個原因，從技術層面來看是因為語言具備長鏈路的推理能力，需要語言的 token 輸入輸出是次要的；非技術原因是更容易實現(xiàn)價值觀對齊。他認為極端情況很難靠數(shù)據(jù)或模型解決，而需要具備類似人的推理能力才能實現(xiàn)。

在謝炎看來，隨著語言模型越大、思考鏈路越長，消耗的 tokens 就越多，結果就越好，因此車端就需要越來越強的算力，而且這個算力需求的增長軌跡可能不是線性的，而是指數(shù)級的。

事實上，無論是車端推理還是云端訓練，對計算資源的需求都呈指數(shù)級增長。正如業(yè)內所見，能夠構建萬卡級算力集群的企業(yè)在全球范圍內屈指可數(shù)，而具備研發(fā)基礎大模型能力的科技公司更是鳳毛麟角。算力規(guī)模，已成為參與高階智能駕駛競爭的入場券。數(shù)據(jù)顯示，美國頭部企業(yè)已投入數(shù)萬張 GPU 卡用于模型訓練，而國內車企與方案商也在積極跟進。

與此同時，AI 也在重構汽車產業(yè)的成本結構。高固定成本、低邊際成本的研發(fā)模式，使得軟件與 AI 在未來整車成本中的占比持續(xù)攀升。有分析指出，在部分廉價車型中，軟件與 AI 成本甚至可能占據(jù)整車成本的半壁江山。這一變化不僅影響產品定價策略，更在重塑企業(yè)的市場競爭邏輯。

值得注意的是，智能駕駛的能力涌現(xiàn)并不完全依賴于車端算力的堆砌。端云協(xié)同已成為技術演進的主流方向。在車端，算力需求正從百 TOPS 向千 TOPS 邁進，芯片架構也需高度適配大模型推理；在云端，訓練與仿真所需的算力規(guī)模持續(xù)擴大，國產化替代與能效優(yōu)化成為關鍵議題。阿里云發(fā)布的“全模態(tài)數(shù)據(jù)管理 + 多引擎一體化”平臺，正是為了支持從數(shù)據(jù)采集、自動標注到模型訓練與仿真的全流程閉環(huán)。

在這場技術變革中，車企的角色也在悄然轉變。他們不再僅僅是硬件的制造者，更是軟件能力的構建者、數(shù)據(jù)驅動的運營者。

例如，中國一汽從大模型中得到啟發(fā)，把所有數(shù)據(jù)轉換為 Token，這樣就可以把不同模態(tài)的內容映射到同一套 Token 空間里。這樣，企業(yè)運行中的上下文就能變得豐富很多，管理企業(yè)的模型有了長文本的支持，自然也就更聰明了。

未來，隨著 L4/L5 級智能駕駛的逐步實現(xiàn)，汽車將徹底從移動工具轉變?yōu)橹悄芸臻g。用戶可在車內辦公、娛樂、 社交，汽車成為家、辦公室、咖啡廳的延伸。而支撐這一愿景的，正是智能駕駛系統(tǒng)從功能堆砌到能力涌現(xiàn)的持續(xù)進化。

機器人：從虛擬走向實體的關鍵跨越

機器人，未來將會是具身智能理念最純粹、最完整的載體，也是 AI 真正融入物理世界的終極挑戰(zhàn)。它要求智能體不僅要會思考，還要能動手，更能在不確定的現(xiàn)實環(huán)境中完成復雜的任務。當前，機器人領域正處在技術路徑激辯與早期商業(yè)化探索的關鍵期，其核心議題是如何彌合數(shù)字智能與物理實體之間的最后一公里鴻溝。

阿里云智能集團公共云事業(yè)部副總裁、華北大區(qū)總經理高飛在云棲大會的具身智能論壇上點明了這一趨勢的核心：具身智能已成為繼大語言模型之后最受關注的賽道，是 AI 從數(shù)字世界突圍進入物理世界的必由之路。他指出，這不僅是算法的升級，更是算法、模型、運動控制、制造與供應鏈等多方面能力的深度融合。

然而，這條突圍之路并非坦途。高飛將行業(yè)面臨的挑戰(zhàn)歸納為四類：如何實現(xiàn)從單一任務到通用智能的智能涌現(xiàn)；如何界定軟硬結合的邊界；如何讓機器人理解“炒 一盤菜”這樣的長程復雜任務；以及如何實現(xiàn)視覺、聽覺、觸覺等多模態(tài)的高效融合。這些問題，恰恰勾勒出機器人從虛擬智能走向實體智能所必須翻越的山丘。

在翻越這些山丘的技術路徑上，行業(yè)出現(xiàn)了有趣的分化。最為激烈的爭論之一，集中在機器人的大腦該如何構建。自變量機器人創(chuàng)始人 &CEO 王潛的觀點主張端到端統(tǒng)一模型，即構建一個單一的、強大的模型來同時處理感知、推理與控制。這種觀點認為，分層架構在復雜操作中容易因誤差累積導致失敗，而統(tǒng)一模型能更好地理解物理規(guī)律。

另一邊，清華大學助理教授、星海圖首席科學家趙行則傾向于分層模型架構。最初選擇分層架構，趙行更多考慮的是現(xiàn)實部署約束，因為在端側實時跑大模型受限于端側芯片的迭代速度。通過大小腦分層、分別部署在邊緣側和端側的設計，機器人更容易落地。此外，他認為分層架構更符合生物進化規(guī)律，畢竟人腦不同分區(qū)各司其職同樣工作得很好。針對不同層之間能力無法互通、梯度無法回傳的質疑，趙行表示這不是本質問題，可通過強化學習等技術解決。

同樣深刻的分歧也存在于機器人學習的“食糧”——數(shù)據(jù)來源上。面對數(shù)據(jù)稀缺這一行業(yè)共識，形成了“真機派” 與“仿真合成派”兩大陣營。真機派堅持以遙操或者互聯(lián)網(wǎng)的形式獲取數(shù)據(jù)，基于 VLA 做模仿學習；仿真派則相信合成數(shù)據(jù)可行性，在仿真環(huán)境中合成數(shù)據(jù)，用作模型訓練，并大量使用強化學習。雙方都有充足的理由堅持自己的路線。

后者堅信仿真環(huán)境的重要性：“沒有仿真，我認為我們 幾十年內都無法制造出能在現(xiàn)實世界中發(fā)揮作用的機器人。”NVIDIA 機器人與邊緣 AI 副總裁 Deepu Talla 在現(xiàn)場說道。仿真數(shù)據(jù)以其低成本、高效率和安全性，被視為規(guī)?；柧毜幕?/p>

然而，仿真數(shù)據(jù)的局限性同樣明顯。比如在涉及靈巧操作的任務中，仿真與真實數(shù)據(jù)之間可能存在幾個數(shù)量級的效率差距。物理接觸的復雜性，如形變、滑動、摩擦等，難以在仿真中精準建模。
銀河通用選擇的路線是：先通過大規(guī)模仿真合成數(shù)據(jù)進行預訓練，構建通用基座大模型，再利用少量高精度的真實數(shù)據(jù)進行后訓練。通過這種方式，他們實現(xiàn)了良好的泛化性能，并且把真實數(shù)據(jù)后訓練的樣本效率提高到了 Optimus 的 1000 倍，大大降低了落地的邊際成本。

千尋智能聯(lián)席首席科學家解浚源的觀點更為尖銳，只有真機數(shù)據(jù)實際去訓練，才能訓練出世界領先的模型。作為“真機派”的代表，解浚源甚至對“真機數(shù)據(jù)昂貴”的共識發(fā)起了挑戰(zhàn)?！霸趪鴥裙湹闹С窒拢褑蝹€機器人成本打到 10 萬以下是很容易的”，他將此與大模型廠商的萬卡集群投入對比，認為將采集數(shù)據(jù)的機器人規(guī)模擴展到上千臺，“絕非不可想象的成本”。

盡管技術路徑存在分歧，但機器人技術在商業(yè)世界的落地已悄然加速，展現(xiàn)了從虛擬走向實體的初步成果。機器人在智慧零售場景中已能實現(xiàn)接單、揀貨、打包的全流程自動化。在制造業(yè)中機器人在復雜工業(yè)環(huán)境中也已能夠進行巡檢、分揀和裝配等操作。

當討論從“如何造出一個機器人”切換到“如何量產千萬臺機器人”時，一個關鍵角色浮出水面——云廠商。高飛建議：“具身智能公司從第一天起就要做好云架構、AI Infra 的規(guī)劃。”他洞察到，一旦行業(yè)迎來數(shù)據(jù)量的指數(shù)級增長，大多數(shù)源自科研背景的機器人團隊將面臨巨大的工程化挑戰(zhàn)。

阿里云智能集團公共云事業(yè)部具身智能解決方案負責人王旭文進一步提到，阿里云最初誕生就定位為“以數(shù)據(jù)為中心的云計算”，之后深度入局的智能駕駛、AI 也都是數(shù)據(jù)密集型行業(yè)，如今大量具身智能數(shù)據(jù)涌來，他們已經有足夠強大的基礎設施和經驗來從容應對。

回顧機器人的這場實體化跨越，我們看到的是一幅充滿非共識卻又充滿希望的圖景。這很像四五年前的智能駕駛，在特斯拉 FSD V12 推出后，技術路線迅速收斂。而機器人領域也會經歷類似的過程，迎來屬于它的“FSD V12 時刻”。

結語

未來的競爭，不再是單一產品的競爭，而是“終端 - 實體 - 空間”三位一體生態(tài)的競爭。

AI 目前正以硬件、汽車與機器人等形態(tài)為載體，推動智能從虛擬走向現(xiàn)實、從被動走向主動、從孤立走向協(xié)同。 AI 硬件正從功能設備進化為懂用戶的場景伙伴，智能駕駛系統(tǒng)借助大模型實現(xiàn)從規(guī)則編碼到能力涌現(xiàn)的跨越，而機器人則通過多模態(tài)融合與軟硬一體化的探索，逐步突破物理世界的最后一公里。這三條路徑共同勾勒出一幅未來智能生態(tài)圖景。

在這一進程中，技術突破、數(shù)據(jù)閉環(huán)與場景落地將成為關鍵驅動力，而誰能率先構建算法、硬件與生態(tài)深度融合的體系，誰就將在 AI 賦能的實體化浪潮中，定義下一個智能時代的基本形態(tài)。

本文摘自《云棲戰(zhàn)略參考》總第20期

掃碼查看最新雜志