阿里通義千問大語言模型負責人林俊旸昨日在社交媒體上發文表示，已在通義團隊內部建立機器人和具身智能的小組。

在2025云棲大會上，阿里云與英偉達在物理AI領域達成合作。而此次阿里組建機器人和具身智能的團隊，標志著阿里通義大模型正式涉足具身智能大腦領域。

通義大模型走向物理AI

林俊旸提及建立機器人和具身智能團隊時表示，多模態基礎模型正轉變為基礎智能體，這些智能體可以利用工具和記憶通過強化學習進行長時序(long-horizon)推理，而它們絕對應該從虛擬世界走向物理世界。

據了解，林俊旸畢業于北京大學，其研究興趣集中于大規模語言模型和多模態大模型。他曾在阿里達摩院負責打造超大規模多模態預訓練模型M6，通用統一多模態預訓練模型OFA，中文預訓練模型Chinese CLIP等。目前是阿里通義千問的技術負責人。

“多模態基礎模型如果僅用于視頻生成，仍停留在相對初級的階段。視頻生成只能證明AI對物理世界的理解能力，更關鍵的在于控制能力。阿里從純軟件AI應用轉向開發能夠控制智能終端與機器人的‘大腦’，實質上是在重新定義勞動力，這其中蘊含著巨大的市場空間。”快思慢想研究院院長田豐表示。

他進一步指出，阿里當前采取的策略是：在軟件層面自研“大腦”，在硬件層面則通過投資整機廠商進行布局。

9月8日，阿里云領投了機器人初創公司自變量機器人1.4億美元的A+輪融資。此前，阿里還投資了法奧意威、星動紀元、逐際動力、宇樹科技等多家機器人企業。

“要實現從通用人工智能（AGI）到超級人工智能（ASI）的跨越，關鍵在于是否具備足夠強大的‘大腦’，能夠處理跨工業、農業、服務業等多領域的復雜任務，并達到人類水平。眼下整機技術路徑尚未收斂，硬件形態仍處于發散階段，因此通過投資參與是更為靈活和高效的方式。”田豐稱。

不止阿里，大廠紛紛入局

阿里的此番入局并不意外。當前，全球巨頭都在下場具身智能，物理AI成為新戰場。

在今年6月的年度股東大會上，英偉達 CEO黃仁勛曾提到：“人工智能和機器人技術是最大的兩個增長機會，代表著數萬億美元級別的增長機會。”

9月云棲大會期間，阿里云就與英偉達在物理AI領域達成合作。阿里云人工智能平臺 PAI 將集成英偉達Physical AI軟件棧，將為企業用戶提供數據預處理、仿真數據生成、模型訓練評估、機器人強化學習、仿真測試等全鏈路平臺服務，進一步縮短具身智能、輔助駕駛等應用的開發周期。

除了阿里外，京東、騰訊等互聯網廠商也在瞄準具身智能的大腦。

京東已經發布附身智能品牌JoyInside，為機器人、機器狗和AI玩具等提供機器人的“大腦”能力，并與數十家主流機器人品牌達成合作，包括陪伴類的Fuzozo芙崽、火火兔；教育領域的元蘿卜AI、心大陸、Folotoy、嚕咔博士；產業領域的眾擎、云深處、魔法原子等。

騰訊Robotics X實驗室與福田實驗室聯合發布具身智能開放平臺 Tairos “鈦螺絲”。據騰訊首席科學家張正友介紹，Tairos 具身智能平臺希望為機器人本體與應用開發商補齊關鍵軟件能力，就像為各類機器人裝上“大腦”，讓機器人具備感知世界、規劃任務以及自主決策等能力，從被動執行指令的機械體進化為主動適應現實世界的智能生命體。

具身智能“大腦”邁入發展深水區

具體來看，不少大廠選擇從自身業務場景切入，落地具身智能技術。

“例如在倉儲、物流、服務業等場景中，讓具身智能‘大腦’達到解決專業任務的水平是具有可行性的。像順豐、美團等企業，都在朝這一方向積極布局。它們在提升自身生產效率之后，再進一步通過生態合作將技術擴展至更多元的應用場景。”田豐提到。

田豐還特別指出，阿里巴巴具備將自身業務與平頭哥芯片技術融合的潛力。“在優化機器人大腦的基礎上，與平頭哥進行協同，推動云端AI芯片逐步向智能終端落地，無論是機器人芯片還是自動駕駛芯片，都將為大模型的規模化推廣提供硬件支撐。未來，更有機會構建起機器人領域的‘AppStore’應用生態圈。”

不過，具身智能的大腦仍處于探索階段。宇樹科技創始人王興興曾多次表示，當前硬件的性能其實足夠支撐應用，核心瓶頸在于AI模型本身的能力不足，導致硬件潛力無法被充分釋放。此外，他對于當前熱門的VLA模型也持保留態度，認為其模型架構仍需進一步的迭代升級。

談及大廠紛紛入局具身智能大模型所帶來的影響，田豐指出，當前機器人大腦的發展仍需聚焦于專業場景的突破。在他看來，專業場景下的應用仍存在明顯不足，更不必說實現通用場景的覆蓋。

“物理AI對可靠性、精確性、速度要求更高。在物理環境中，一旦決策失誤，整條生產線上的光伏板或鋰電池都可能受到影響，帶來巨大的試錯成本，遠高于軟件AI的容錯空間。目前我們需要彌補的短板非常多，包括物理環境中的任務流程設計、業務深層知識以及行業經驗等，這些方面都尚未被充分挖掘和理解。”

田豐相信，未來具身智能的“大腦”將邁入發展的深水區。“從數據、邏輯再到決策，整個業務流的思維鏈條將被拆解得極為細致，我們必須厘清其中每一個環節的因果依賴關系。”