機器人，正在攜大模型上崗。

自從2025年7月底騰訊Robotics X實驗室和福田實驗室聯(lián)合發(fā)布具身智能開放平臺 Tairos（鈦螺絲） 以來，一個個機器人開始真正走出實驗室，進入真實世界運行。

依托騰訊在算法模型、云端算力和數(shù)據(jù)服務等全棧AI系統(tǒng)能力，騰訊與多家機器人本體開發(fā)商已取得實質(zhì)性合作。

機器人開始走出演示和試點階段，在文旅場館里做導覽、在商場門店里當導購、在工廠產(chǎn)線上參與生產(chǎn)，直接進入業(yè)務現(xiàn)場“干活”。

這些機器人面對的不再是預設腳本，而是真實用戶、真實環(huán)境和真實壓力。

直擊機器人干活現(xiàn)場

宇樹機器人：去敦煌、進律所，接住真人的“隨機考題”

在上海國瓴律師事務所總部，一臺宇樹 G1 機器人每天面對的，是真人的隨機提問。它既要講清復雜的機構(gòu)信息，也要接得住臨時追問，還要在穿梭的人群中精準行走。

類似的場景也出現(xiàn)在敦煌數(shù)字展示中心：游客會隨時打斷話題、要求帶路。騰訊在后臺提供算法模型支撐，把機器人從“能用一次”，推向了“可以一直用”。

越疆機器人：化妝品產(chǎn)線上的熟練工

在某化妝品工廠，越疆機械臂已進入柔性產(chǎn)線。產(chǎn)品規(guī)格頻繁切換，以往需要反復重寫程序，現(xiàn)在機械臂通過騰訊Robotics X的感知-行動聯(lián)合大模型（VLA）自己“看、想、動”。

帕西尼機器人：在 PB 級數(shù)據(jù)里，磨出指尖的分寸感

機器人每一次的精細操作，對數(shù)據(jù)都是一次巨量工程。

帕西尼機器人每天要處理融合視覺、觸覺、語言和動作的多模態(tài)數(shù)據(jù)，單條軌跡就高達數(shù)百 MB。騰訊云提供高性能存儲與計算，支撐其 VTLA 模型（視覺-觸覺-語言-動作）的快速迭代，讓機器人在高強度的數(shù)據(jù)訓練中慢慢磨出“手感”。

艾歐智能：跨越 1.2 萬公里的精準操控

在 2025 ICRA 雙臂機器人挑戰(zhàn)賽上，艾歐智能完成了一次“隔空取物”。

借助騰訊云遠程實時操控服務（TRRO），位于深圳的操控員精準操控著 1.2 萬公里外賽場上的機器人完成高難度任務，全程無卡頓、毫秒級響應，最終從全球 88 支隊伍中脫穎而出，獲得最佳應用獎。

靈初智能：讓機器人擁有長程思維

作為國內(nèi) VLA 大模型領(lǐng)域的代表企業(yè)，靈初智能在復雜訓練任務中，實現(xiàn)了更長程、更穩(wěn)定的決策能力。背后，是騰訊云提供的一站式高性能方案（HCC 集群、Turbo CFS 、Data Platform、TIONE等），通過全鏈路支撐，使模型訓練與迭代效率提升 50% 以上，推動具身智能從模型走向真實應用。

從這些實踐可以看到，在具身智能的實際落地過程中，企業(yè)拼的不只是模型本身，而是一整套系統(tǒng)能力。

Tairos（鈦螺絲）背后，凝聚了騰訊 Robotics 實驗室、福田實驗室以及騰訊云的能力積累，將算法模型、仿真計算、云端算力、數(shù)據(jù)與網(wǎng)絡系統(tǒng)性整合，形成一套面向真實運行的全棧 AI 底座。

//算法模型：讓機器人看得懂、想得通、接得住

Tairos 面向機器人提供規(guī)劃、多模態(tài)感知及感知-行動聯(lián)合等模型能力，通過 SDK 與服務形式嵌入本體系統(tǒng)，使機器人在被打斷、被追問、被臨時改路線時，依然能把任務接住、把流程走完。

//仿真平臺：讓機器人在虛擬世界里預演進化

通過騰訊提供的云端仿真能力，機器人可以在走進現(xiàn)實環(huán)境前，先在高度逼真的數(shù)字空間里進行數(shù)萬次的“虛擬特訓”。

基于大規(guī)模并行仿真與Sim-to-Real技術(shù)，研發(fā)團隊能快速完成算法驗證與安全測試，顯著縮短從代碼編寫到實地部署的路徑。

//模型推理：開箱即用，分鐘級部署

圍繞Tairos規(guī)劃模型的部署與運行，騰訊云HAI提供即開即用的云上大腦服務，企業(yè)可在分鐘級完成算力購買和算法部署上線。

通過彈性 GPU 調(diào)度與自研推理框架，實現(xiàn)高并發(fā)場景下的毫秒級響應，大規(guī)模服務擴容時間從分鐘級縮短到秒級。

//數(shù)據(jù)服務：一站式數(shù)據(jù)底座，高性能支撐訓練與仿真

騰訊云提供一站式數(shù)據(jù)服務，從數(shù)據(jù)采集、清洗、模型訓練到仿真驗證，打通完整鏈路。

底層依托單集群 EB 級的對象存儲 COS 與 TB 級吞吐、千萬級 OPS 的數(shù)據(jù)加速器 GooseFS ，支撐海量多模態(tài)數(shù)據(jù)的高并發(fā)訪問與大帶寬讀寫，訓練與仿真可以在同一數(shù)據(jù)底座上連續(xù)推進，減少數(shù)據(jù)搬運，加速模型迭代。

我們希望成為所有機器人的數(shù)字化伙伴，在機器人真正走進世界之前，把底座打穩(wěn)，做好那顆“鈦螺絲”。