新智元报道
新智元报道
英伟达在GTC柏林大会上扩展Isaac机器人开发平台，黄仁勋直言机器人行业的「ChatGPT时刻」临近。然而，具身智能落地仍面临训练中断、数据滞后及多机同步阻塞等基础设施瓶颈。
在10月29日至30日举行的2026腾讯全球数字生态大会上，腾讯云提出「没有Infra的AI，就是浮沙之上筑高墙」的观点，强调AI决策中枢需回归云端成熟的计算、存储与网络体系。为此，腾讯云发布全新品牌Agent Hosting，并针对具身智能场景展示了其AI Infra的最佳实践。
具身越火，底座越要能打
腾讯云副总裁李力指出，AI最终将像互联网一样，从单点走向分层的分布式云体系。具身智能对云上基础设施（Infra）依赖极深，具体体现在三个维度：
计算：决定算力运行的稳定性与效率；
存储：决定海量数据能否及时供给训练；
网络：决定大规模集群的协同能力。
大会现场，腾讯云联合流形空间、机器科学、元点Zeroth三家具身智能公司，展示了计算、存储及网络通信在具身智能领域的落地成果。
国产算力从「可用」到「好用」
具身大脑长在云上
Manifold AI流形空间展示了其世界模型成果，支持通过自然语言或指令实时驱动交互空间。在机器人学习方面，团队探索通过单次人类示教进行推理，并将反馈回流以优化模型。
流形空间选择基于国产算力进行训练。通过与腾讯云在算子和基础设施层面的联合优化，相关训练性能提升近3倍。目前，由512颗国产芯片组成的算力集群已实现稳定训练。
腾讯云异构计算产品副总监黄阳指出，具身智能面临两大挑战：一是算力适配难，二是资源利用率低。当前机器人仅能完成约10%的结构化任务，单一客户数据量激增至千万小时级别，但群体经验复用率极低。因此，「具身大脑得长在云上」。
腾讯云构建了三大算力底座以解决上述问题：
1. 数据底座：由HAI DataFlow和数据万象承接，负责将原始数据清洗为训练集。支持客户自定义算子镜像，自动处理环境部署及资源调配。
2. 训仿底座：针对国产算力适配与训练效率，采取三步策略：
迁得快：HCC多芯算力配合AI算子优化Agent，迁移速度提升2倍，开箱吞吐提升约30%，叠加HyperAcc加速后提升约52%；
训得快：HyperAcc训练加速套件在千卡规模实测中，性能提升至少22%；
跑得稳：HyperTrace通过预检和旁路监控，使停训排障减少91%。
3. 推理底座：HAI推出「算力背包」，将算力与模型打包，机器人通过API或SDK订阅接入。AI可信集群提供全链路加密，确保数据主权。
数据飞轮转起来
GPU利用率冲到90%以上
随着算法与算力的收敛，数据质量成为具身智能竞争的关键。RoboScience每周新增数十万小时多格式数据，而元点Zeroth则面临大量无效「dirty data」的挑战。
腾讯云存储产品解决方案总监温涛表示，数据的质量、来源和总量决定了具身智能能力的上限。为此，腾讯云构建了支撑数据飞轮的三层架构：
底层：存得下，也存得起
对象存储COS作为统一底座，支持多种数据格式直接存入，单集群管理百EB级数据。通过磁带、QLC、TLC多元介质及冷热分层策略，有效降低存储成本。
中层：数据流转的「加工管道」
数据万象Robo-Suit提供质检、标注、检索等10多项能力；MetaInsight支持以文搜图，召回率超95%。该层还负责跨地域复制、格式转换及权限管控。
顶层：贴着GPU的加速器
数据加速器GooseFS填补了对象存储与GPU训练间的性能鸿沟，单客户端吞吐达40Gbps。新发布的COS Express读取吞吐提升至标准对象的10-20倍，高并发场景则由CFS Turbo承接。
实测数据显示，该架构使数据处理时间减少35%，GPU利用率提升至90%以上，训练时长缩短30%以上，整体存储成本下降30%以上。
案例方面，机器科学通过COS建立统一数据湖，实现北京、南京跨地域直读，节省数千万元存储投入；元点Zeroth利用COS承接PB级数据，并通过MetaInsight快速提取高价值交互片段。
多机通信、跨域连接，一环都不能掉链子
大规模集群训练中，通信效率至关重要。腾讯云自研集合通信库HCCL配合星脉网络，通过端口流量均衡和动态路径切换，带来40%的AllReduce通信带宽收益。某具身智能公司使用HCCL后，模型端到端性能提升13%。
在跨地域数据传输方面，腾讯云AI Link通过多链路负载均衡和QoS队列分级，将可交付带宽增至原来的5倍，单位成本降低50%以上，有效保障了关键业务的数据流转。
三科合卷
底座决定具身落地速度
流形空间、机器科学和元点Zeroth的实践表明，具身智能的竞争重心正从本体硬件转向数据飞轮速度与模型迭代效率。计算、存储、网络构成的基础设施复杂度，正逐渐由云平台承接。
当基础设施不再成为瓶颈，机器人从研发到落地的周期将被大幅缩短，具身智能的真正普及也将加速到来。
