
深度 | 机器人要干活,先把大脑搬上云
文:林非
编辑:文蔚
在 AI 的落地坐标里,数字 AI 与物理 AI 原本属于两个不同的象限——但如今,它们正在深入交汇。
2026 年 10 月 29 日,在 2026 腾讯全球数字生态大会的主论坛上,出现了这样一幕:一个处于家庭场景中的启元机器人,在调用 WorkBuddy 生成了故事、插图和机器人动作之后,就开始用更生动的方式给孩子讲故事。
于是,AI 在 2026 年最火的两个落地场景,Agent 与具身智能,形成了一场意义深远的交集。
然而,就在这看似平常的一幕背后,扮演着关键支撑角色的,是一套更加复杂、也更加分层次的云计算基础设施系统。
逻辑很简单,在云计算的世界里,虽然同样是指向 AI 的底层基础设施,但对比来看,更接近于数字 AI 的 Agent 和更接近于物理 AI 的具身智能,二者在商业落地节奏上处于不同阶段,在技术架构上存在交集的同时也存在明显的差异——用同一套 AI 基础设施去支撑它们,无疑是一个复杂的挑战。
而接下来,即将让这套系统的发展变得更加波谲云诡的是,Agent 走向具身智能的趋势愈加明显,物理 AI 与数字 AI 的象限边界,也将趋于消失。
Agent 的爆发,谁在支撑?
作为 2026 年 AI 落地最火的两个赛道,具身智能和 Agent 的落地和商业化节奏完全不同。
以各家 AI 办公智能体的横空出世、快速落地为代表,Agent 已经开始进入到个人和企业的生产力场景,产生实实在在的价值和商业回报。对比来看,具身智能虽然也有一定的落地动作,但总体上还是停留在技术和产品优化层面,离大规模商业化还有不小的距离。
这种差异,首先来自于落地方式的不同。Agent 的落地是「广而浅」的,围绕文档、会议、代码、客服、营销等数字任务展开,边际复制成本低;而在具身智能领域,AI 的落地是窄而深的,它必须进入具体物理场景,解决感知、决策、执行的实时闭环,还要面对真机数据、可靠性和安全约束。
这种不同,决定了它们各自走向商业化的难度和相应的进度。
另外一个更容易被忽略的观察视角是基础设施。实际上,过去两年间,在 AI 大模型用 Agent 走向落地成为行业共识之后,云计算厂商们纷纷出手,积极在基础设施层面为 Agent 落地做准备,目前已经构建出了一套面向 Agent 的 AI 原生云软硬件协同架构。
以腾讯云为例,为了解决 Agent 运行中的系统稳定性、开发效率和成本的问题,腾讯很早就开始对 AI Infra 进行重构,并在 2025 年推出一系列成果。
比如,依托异构计算平台整合国产 AI 算力来提升性价比,部署 TACO Kit 推理加速引擎与 HCC 高性能计算集群,同时配合 IHN 3.2T RDMA 高带宽网络与 TurboFS/GooseFS 高性能文件存储,实现底层算力的深度榨取。
与此同时,腾讯云还在 Agent Infra 层面全面发力,在 2025 年 9 月就推出了专为大规模、生产级智能体设计的 Agent Runtime 解决方案,提供了包含执行引擎、云沙箱、上下文服务、网关、安全可观测在内的完整解决方案。
可以说,腾讯云面向 Agent 的一系列布局,为 Agent 的构建、部署和运行提供了坚实底座,打通了 Agent「从技术到应用的最后一公里」。
这样的布局,也为 2026 年腾讯在 Agent 领域的发展提供了支撑,也在 3 月份 WorkBuddy 的发布和后续破圈方面,扮演了重要角色。对此,一位长期从事 AI 云计算行业的工程师告诉我们:「WorkBuddy 的一炮而红并非偶然,腾讯的基础工作还是做得非常扎实的」。
到了今年 10 月的 2026 腾讯全球数字生态大会,在 Agent 全面爆发、指数级增长、加速走向生产力场景的大背景下,腾讯云更是在软硬件基础设施的多个层面全方位发力,为 Agent 实现安全稳定、高弹性、高效率的运行提供了更加强有力的支撑。
核心的支点,依旧是 AI Infra 和 Agent Infra 两个层面。
在 AI Infra 方面,腾讯云发布第十代云服务器 SA10,整机算力规模提升 33%,整机内存带宽提升 66%,为 Agent 运行提供算力支持——与之伴随的,是腾讯云的存储、网络、操作系统等底层能力也得到提升。
在 Agent Infra 层面,腾讯云则对 Agent Runtime 产品矩阵进行了全方位升级。
具体来看,Agent Runtime 沙箱底层技术开源 CubeSandbox,与 AgentCBS、AgentCFS 等存储产品协同,提升沙箱启动、存储交付和数据访问效率。而 Agent Bucket、AI 网关、AgentObs 则重点解决 Agent 使用过程中的数据管理、统一治理、Token 监测和成本控制等问题。
此外,为了满足企业对于 Agent 的自主开发和部署需求,Agent Runtime 也发布了包括 Agent Engine、Managed Harness 与 Agent Cluster 在内的一系列能力,支持客户基于开源 Harness 构建并托管企业级 Agent。
就这样,腾讯云在 AI Infra 和 Agent Infra 两个层面的齐头并进,为 Agent 在应用和商业化层面的进一步发展,提供了更加完善的「工具箱」和底层环境支持。
有了这样的支持底座,Agent 走向大规模落地和商业化场景的步伐,走得更加稳健了。
打破「瓶颈」,也在连接「鸿沟」
相比于 Agent 在商业化层面的高歌猛进,具身智能的落地,处于一个完全不同的节奏中。
实际上,与 Agent 相比,具身智能的热潮起来得甚至更早一些,黄仁勋早在 2023 年 5 月就强调了具身智能的重要性;过去几年间,无论是产业面、投资面还是政策面,具身智能的发展也都非常积极。然而,到目前为止,具身智能的发展在技术和产品层面依旧面临瓶颈。
那么,当前具身智能面临的最大瓶颈是什么?
答案也非常明晰:数据,尤其是高质量物理交互数据供给严重不足。
实际上,来自国金证券的研报数据表示,行业预计成熟具身大模型所需的数据至少为千万小时级,进一步迈向通用智能则可能需要亿小时量级,而当前行业的高质量训练数据仅数十万至百万小时,供需缺口约 90%。
同时,腾讯云存储首席技术专家温涛在公开场合表示:在具身领域采集上来的原始数据,只有 5% 能直接用于训练。而腾讯云异构计算产品副总监黄阳也强调:具身智能的群体经验复制率是 0.01%。
这些数字说明:第一,高质量物理交互数据的供给缺口是结构性的;第二,原始数据到训练数据之间,存在大量清洗、标注、治理和检索的工程工作。而从云计算厂商的角度,要解决这一瓶颈,发力的核心着力点,是让数据的采集、存储、治理、传输和训练更高效。
以腾讯云为例,面临「数据」这个具身智能的关键瓶颈,腾讯云在基础设施层面全面发力,推出了一系列工具和产品。
具体来说,腾讯云存储 Data Platform 数据平台以对象存储 COS 构建统一海量存储底座,弹性承载具身智能全场景数据;通过 GooseFS 智能加速层提供高性能数据访问,显著提升数据预处理与模型训练效率;通过 Data Engine,来应对云上各类型数据的处理,涵盖基于 AI 的图片处理、媒体处理等全品类多媒体数据的处理。
到了 2026 年,在数据层面,腾讯云则是进一步,将存储与数据加工衔接,让采集素材更高效地转化为训练数据。
其中,数据万象 Robo-Suit 提供质检、拆分、标注、重建、检索和脱敏等 6 类算子、100 多项能力,支持按需调用和工作流自动触发;MetaInsight 通过元数据与多模态语义检索,帮助企业找到所需的图片、视频等素材。
通过以上工具之间的协同,腾讯云在具身智能数据层面形成了从存储、加速到管理、处理的全链路支撑体系,有效解决多源异构数据融合瓶颈、计算资源闲置及存储成本压力,提升了具身智能数据处理的效率。
在「数据」这个核心瓶颈之外,面对具身智能行业越来越强烈的算力国产化迁移、数据深度加工、高效连接等需求,腾讯云在基础设施层面的布局还在进一步升级。
具体来看,腾讯云搭建了从算力底座、模型服务到感知交互的三层体系,打造覆盖研发、训练与交付的具身智能云 + AI 底座。
其中,在算力和模型层面,腾讯云提供了包含国产算力在内的 GPU/HCC 高性能计算等服务,并且持续对异构算力及 Hyper 系列加速能力进行升级,也持续推进对国产算力进行适配优化,支撑万卡级集群稳定训练;配合模型训练与推理服务依托 TI-ONE 平台实现算力调度,为具身智能企业进行模型训练提供支撑。
在感知交互与远程操控层面,腾讯云提供了实时音视频 TRTC、远程实时操控 TRRO、视图计算、媒体处理 MPS、智能标注、语音交互等一系列能力。
在以上基础设施的基础上,腾讯也还进行了一系列面向具身智能的上层布局,由此形成了从云底座、模型层、平台层到应用层的一整套「具身智能全栈方案」。
比如在模型层,推出涵盖 Hy-Embodied-VLA-0.5、Hy-Embodied-VLM-1.0 等具身模型矩阵;这些模型已被应用于真实工业场景,并在导购导览、养老服务等任务中完成落地验证。在行业应用层,腾讯携手行业伙伴打造业内首个云端 EaaS(Embodied-AI-as-a-Service)具身智能服务。
值得一提的是,为了打破 Agent 与具身智能之间长期存在的「鸿沟」,腾讯也已经做了不少前期的铺垫工作。
比如,腾讯 Robotics X 实验室与福田实验室联合开发了 Tairos 具身智能开放平台,并对它进行升级。2026 年,面对「Agent 走向具身智能」的行业大趋势,腾讯又在 7 月份正式发布了 TairosAgent 具身智能体框架和 Apexio 智能体,帮助机器人持续感知环境、做出决策并采取行动。
某种程度上,Agent 与具身智能之间的一座「桥」,也已经被初步架起来了。
当数字 AI,全面走向物理世界
回头来看,Agent 与具身智能,它们各自作为数字 AI 和物理 AI 走向实际业务场景的典型代表,在很长的一段时间里,除了在算力、存储、网络等方面共用一套最为底层的通用 AI 基础设施之外,各自在走向落地过程中的交叉并不太多。
但情况已经在 2026 年发生明显的变化。
先是在 5 月,乐享科技旗下具身智能品牌 Zeroth 元点 M1 人形机器人,首次通过腾讯接入到 OpenClaw;用户可以通过 QQ 界面远程向「龙虾 agent」发送指令,由 AI 智能体操控 M1 完成行走、转身、跟随主人等动作任务;开发者可借此开发提醒、看护等家庭应用。
到了 10 月份,启元机器人又与腾讯云达成战略合作,双方将以个人机器人和 WorkBuddy 为核心开放载体,联合打造云边端协同的消费级个人机器人解决方案。
具体来说,启元机器人接入 WorkBuddy 后,用户可通过自然语言下达指令,由 WorkBuddy 理解意图、拆解任务,机器人结合环境感知与动作能力执行。目前启元 Q1、T1 机器人已打通腾讯会议、微信读书、QQ 音乐、绘本生成等相关技能。
就这样,2026 年,Agent 已经从数字世界的屏幕中跳出,延伸到物理 AI 的本体中去,化身为机器人的认知层——这是数字 AI 与物理 AI 之间的一场难得握手。
不仅如此,如果跳脱于 Agent 和具身智能之外来观察,数字 AI 与物理 AI 在更大范围的融合交叉还在继续。
一个典型的案例是,OpenAI 在 9 月份最新发布的 GPT-6-Astra 首次补全了具身智能 S2 认知层短板,在 LIBERO、BEHAVIOR 等 12 项传统具身基准测试中取得接近满分的成绩,展现零样本泛化与上下文学习能力,标志着具身智能从专用模型向通用模型转变。
对此,业内惊呼,具身智能领域的模型路线之争,被通用大模型用文字模态「降维打击」了。宇树科技创始人王兴兴更是直接表示:随着 GPT-6 的发布,目前物理 AI 已经看到被击穿的苗头,很可能最近 1-2 年或 2-3 年。
某种程度上,这又是数字 AI 面向物理 AI 的一次主动融合。
当然,从业内的反馈来看,无论是 WorkBuddy 接入人形机器人,还是 GPT 等大语言模型在能力层面面向具身智能的进化,这些业务动态显示出来的技术和体验成熟度,都还处于非常初级的阶段,进化空间还很大。
但无论如何,数字 AI 与物理 AI 的深度融合趋势,已经初步形成。
有意思的是,如果从底层基础设施来看,数字 AI 与物理 AI 本身就是由同一条 AI 技术根脉生长出来的两大分支体系,它们「本是同根生」。
然而,当 Agent 走向人形机器人,当大语言模型走向具身智能,这两大 AI 技术分支体系在靠近彼此的同时,势必会带来更大的应用落地想象空间。
比如,Agent 能够更好地助力于人形机器人的能力进化,推动具身智能加速走向大规模商业化;与此同时,Agent 不仅能够更好地在数字世界深入到人们的代码、文档等办公场景,也能够通过具身智能深入到工厂、商店、码头等更加广泛的生产力场景中去。
同时,在基础设施层面,物理 AI 与数字 AI 的加速融合,也势必会在技术、产品、解决方案等维度上,对整个行业的云 + AI 基础设施进行一次更加彻底、更加复杂的重构,这种重构不仅仅会体现在业务层面,也会体现在组织层面。
换言之,AI 上层技术的前进趋势,同样也会深刻影响 AI 基础设施的进化方向。
那么,AI 基础设施未来会如何进化呢?
除了算力国产化、存储更高效、连通更快捷等趋势不可阻挡之外,在数字 AI 和物理 AI 现有技术框架的基础上,更深层次、更多层级、更多样化、更加复杂、更加高效的 AI 全栈基础设施和框架互联互通,几乎是一个确定性的未来趋势。
至于具体如何实现,这是需要各大云计算厂商在业务实践中所要探索的路径。
毫无疑问,这是一条漫长的探索之路——但是在 AI 飞速发展、行业动态瞬息万变的今天,积极拥抱变化,是唯一正确的选择。
2007年 1 月,乔布斯在苹果 Macworld 大会上发布了即将改变世界的初代 iPhone 之后,引用了加拿大传奇冰球运动员 Wayne Gretzky 的一句至理名言:我要滑向冰球将要到达的地方,而不是它已经在的地方(I skate to where the puck is going to be, not where it has been)。
如果说「AI」的发展是一颗冰球,那么,在真正意义上统合并融合数字 AI 和物理 AI 的「 AGI」,毫无疑问将会是这颗冰球终将到达之处。
虽然如何到达依旧未知,但路的方向已经明确——从长远来看,只有以终为始、沉潜技术、积极求变的云厂商玩家,才有机会在这条暂时看不清路标的漫长征程中,在基础设施层面首先探索出一条可行的路。这并非一场短时间内就能结束的征程,但这条「探路」之旅,早已经开始了。
格隆汇声明:文中观点均来自原作者,不代表格隆汇观点及立场。特别提醒,投资决策需建立在独立思考之上,本文内容仅供参考,不作为实际操作建议,交易风险自担。


