2026世界人工智能大会(WAIC)的展馆里,机器人又一次成了最热闹的“显眼包”:递咖啡、叠衣服、走台步,花样翻新。但在聚光灯之外的一场媒体交流会上,腾讯首席科学家、Robotics X实验室及福田实验室主任张正友,却给这股具身智能的热潮,泼了一盆温和却足够清醒的“冷水”。
一、“缸中之脑”:最聪明的AI,为什么还“没有身体”
张正友的原话很直白——“今天最聪明的人工智能,本质上还是‘缸中之脑’。”他口中的“缸”,指的是ChatGPT、Gemini、DeepSeek这类只在数字世界里运转的系统:你无论在家里还是会场发同一条指令,得到的回答几乎一致,与环境本身是脱节的。
在他看来,语言并不等于完整认知,它只是智能向外表达的一个通道。一旦AI走进真实世界,问题就来了:它未必真正理解物体的位置、空间关系与可操作性,也很难在一个持续变化的环境里,一边行动、一边接收反馈、一边及时调整。“这就像被养在缸里的大脑——拥有丰富的知识,却没有身体,也缺少和世界直接互动的闭环。”这种状态,他称之为离身智能。
二、从“离身”到“具身”,差的不只是一步
那么,什么是张正友心里的“真智能”?他的答案很明确:必须让语言、视觉、空间认知、身体控制和环境反馈连通起来,在“感知—身体—行动”的闭环里反复接受验证。这正是腾讯Robotics X探索具身原生智能的一条主线——从离身走向具身,从分裂的模块走向整体的闭环。
这条路的起点并不晚。2018年,张正友便牵头成立Robotics X实验室,主攻机器人前沿技术;到2025年初,马化腾也公开表态,腾讯希望成为“所有机器人厂商的合作伙伴”,而不是取而代之去做硬件。姿态摆清了,剩下的就是能力怎么落地。
三、具身落地的“三道坎”:数据、泛化、同质化
热度归热度,张正友并不回避行业的青涩。他坦言,具身智能整体还在起步阶段,真正跑通的落地场景并不多,大家盯上的场景往往“都差不多”。但他话锋一转:这未必是坏事,“任何行业起步时都挤满了企业,后面大浪淘沙,反而利于行业健康。”
拦路虎主要落在三处。其一是数据稀缺。他提出一个“具身智能数字金字塔”:最底层是互联网数据,往上依次是第一人称视角操作视频、带传感器手套采集的数据,塔尖则是遥操作数据——质量最高,却也最费人力。四类数据必须被打通,机器人才能真正变聪明。其二是技术方案尚未收敛:去年业界追VLA(视觉—语言—动作)范式,今年又在谈世界模型,腾讯的Hy-Embodied-RxBrain-1.0正是其在世界理解模型上的一次落子。其三是本体形态与落地场景的同质化。
四、Tairos“钛螺丝”:做机器人的“安卓系统”
基于上述判断,腾讯把自己的角色钉在了“数字化底座伙伴”上。2025年7月发布的Tairos(钛螺丝),是国内首个以模块化方式提供大模型、开发工具和数据服务的具身智能开放平台,主打即插即用、对外开放。张正友的口径很硬气:腾讯不量产机器人硬件、不与本体厂商抢生意,而是要做所有实体机器人的“大脑操作系统”。
效率是这套打法的底气。同类机器人本体的适配只需5天,机器狗等跨品类设备最快1天即可完成。与此同时,RoboFusion技术开源,“一线到底、融合通信”,从总线物理接口到通信协议构建全栈互连,直击传统机器人布线复杂、扩展困难、实时性不足等老毛病,为“软件定义机器人”铺了底层路。
五、三大基座模型 + 双智能体:把“感知—身体—行动”跑通
2026 WAIC上,腾讯联合混元大模型一次性端出三款基座模型,复刻人脑的协作逻辑:VLM-1.0像“右脑”,负责看懂图像、空间与场景,仅用十分之一算力便达到旗舰性能;RxBrain-1.0像具身“大脑”,统一认知、规划与对未来状态的想象,首创文本推理与视觉想象的深度协同;VLA-0.5连接“小脑”与身体,把高层目标转化成连续、可纠错的动作。
VLA-0.5的杀手锏,不是更大的模型,而是“数据—模型—训练—部署”协同发力的完整学习栈——依托亚毫米级UMI采集系统,积累了超过1万小时人类示教数据。在第三方RoboDojo评测中,它拿下仿真综合第一,长程执行与记忆两个维度同样居首。在此之上,腾讯还给了两个“调度中枢”:持续在线具身智能体Apexio,按不同频率分层在线,像条件反射一样处理碰撞与失衡;具身原生框架TairosAgent,围绕机器人本体原生设计,维护环境、本体、任务三类记忆,在导航、讲解、被打断恢复等场景,把响应从通用框架的几十秒压缩到2—3秒。现场展示的新一代示范性机器人“小六”,基于键绳传动具备独有的按摩手法,融合力觉、触觉、视觉数据经强化学习精准复现,指向的是真实的照护场景。
六、从离身到具身,未来已来
过去一年,腾讯Robotics X已携手宇树、智元、越疆、松延动力、乐聚、华沿等本体厂商,以及博世、蓝思、景德镇、敦煌等场景伙伴,把具身智能搬进真实产线与真实空间:敦煌莫高窟数字展示中心的机器人导览已试点运营;某日化品工厂里,VLA-0.5作业成功率高于95%、节拍快于6秒/件,新增SKU留给数据采集与后训练的时间不到3天。张正友多次看好养老场景,也坦言它最难;在他看来,情绪价值不必靠超仿生人形来提供,要从第一性原理去思考。
“身智融无碍,应物任随形。”当AI走出那只“缸”,在感知、身体与行动的闭环里一遍遍与世界交手,真正的智能,或许才会像这句唐代偈语描绘的那样,自然涌现。
一句话收束:腾讯押注的,不是某一种机器人,而是一套让所有机器人“长脑子”的底层能力。

