《科创板日报》10月9日讯（记者 黄心怡）阿里通义千问大语言模型负责人林俊旸昨日在社交媒体上发文表示，已在通义团队内部建立机器人和具身智能的小组。
在2025云栖大会上，阿里云与英伟达在物理AI领域达成合作。而此次阿里组建机器人和具身智能的团队，标志着阿里通义大模型正式涉足具身智能大脑领域。
▍通义大模型走向物理AI
林俊旸提及建立机器人和具身智能团队时表示，多模态基础模型正转变为基础智能体，这些智能体可以利用工具和记忆通过强化学习进行长时序(long-horizon)推理，而它们绝对应该从虚拟世界走向物理世界。
据了解，林俊旸毕业于北京大学，其研究兴趣集中于大规模语言模型和多模态大模型。他曾在阿里达摩院负责打造超大规模多模态预训练模型M6，通用统一多模态预训练模型OFA，中文预训练模型Chinese CLIP等。目前是阿里通义千问的技术负责人。
“多模态基础模型如果仅用于视频生成，仍停留在相对初级的阶段。视频生成只能证明AI对物理世界的理解能力，更关键的在于控制能力。阿里从纯软件AI应用转向开发能够控制智能终端与机器人的‘大脑’，实质上是在重新定义劳动力，这其中蕴含着巨大的市场空间。”快思慢想研究院院长田丰表示。
他进一步指出，阿里当前采取的策略是：在软件层面自研“大脑”，在硬件层面则通过投资整机厂商进行布局。
9月8日，阿里云领投了机器人初创公司自变量机器人1.4亿美元的A+轮融资。此前，阿里还投资了法奥意威、星动纪元、逐际动力、宇树科技等多家机器人企业。
“要实现从通用人工智能（AGI）到超级人工智能（ASI）的跨越，关键在于是否具备足够强大的‘大脑’，能够处理跨工业、农业、服务业等多领域的复杂任务，并达到人类水平。眼下整机技术路径尚未收敛，硬件形态仍处于发散阶段，因此通过投资参与是更为灵活和高效的方式。”田丰称。
▍不止阿里，大厂纷纷入局
阿里的此番入局并不意外。当前，全球巨头都在下场具身智能，物理AI成为新战场。
在今年6月的年度股东大会上，英伟达 CEO黄仁勋曾提到：“人工智能和机器人技术是最大的两个增长机会，代表着数万亿美元级别的增长机会。”
9月云栖大会期间，阿里云就与英伟达在物理AI领域达成合作。阿里云人工智能平台 PAI 将集成英伟达Physical AI软件栈，将为企业用户提供数据预处理、仿真数据生成、模型训练评估、机器人强化学习、仿真测试等全链路平台服务，进一步缩短具身智能、辅助驾驶等应用的开发周期。
除了阿里外，京东、腾讯等互联网厂商也在瞄准具身智能的大脑。
京东已经发布附身智能品牌JoyInside，为机器人、机器狗和AI玩具等提供机器人的“大脑”能力，并与数十家主流机器人品牌达成合作，包括陪伴类的Fuzozo芙崽、火火兔；教育领域的元萝卜AI、心大陆、Folotoy、噜咔博士；产业领域的众擎、云深处、魔法原子等。
腾讯Robotics X实验室与福田实验室联合发布具身智能开放平台 Tairos “钛螺丝”。据腾讯首席科学家张正友介绍，Tairos 具身智能平台希望为机器人本体与应用开发商补齐关键软件能力，就像为各类机器人装上“大脑”，让机器人具备感知世界、规划任务以及自主决策等能力，从被动执行指令的机械体进化为主动适应现实世界的智能生命体。
▍具身智能“大脑”迈入发展深水区
具体来看，不少大厂选择从自身业务场景切入，落地具身智能技术。
“例如在仓储、物流、服务业等场景中，让具身智能‘大脑’达到解决专业任务的水平是具有可行性的。像顺丰、美团等企业，都在朝这一方向积极布局。它们在提升自身生产效率之后，再进一步通过生态合作将技术扩展至更多元的应用场景。”田丰提到。
田丰还特别指出，阿里巴巴具备将自身业务与平头哥芯片技术融合的潜力。“在优化机器人大脑的基础上，与平头哥进行协同，推动云端AI芯片逐步向智能终端落地，无论是机器人芯片还是自动驾驶芯片，都将为大模型的规模化推广提供硬件支撑。未来，更有机会构建起机器人领域的‘AppStore’应用生态圈。”
不过，具身智能的大脑仍处于探索阶段。宇树科技创始人王兴兴曾多次表示，当前硬件的性能其实足够支撑应用，核心瓶颈在于AI模型本身的能力不足，导致硬件潜力无法被充分释放。此外，他对于当前热门的VLA模型也持保留态度，认为其模型架构仍需进一步的迭代升级。
谈及大厂纷纷入局具身智能大模型所带来的影响，田丰指出，当前机器人大脑的发展仍需聚焦于专业场景的突破。在他看来，专业场景下的应用仍存在明显不足，更不必说实现通用场景的覆盖。
“物理AI对可靠性、精确性、速度要求更高。在物理环境中，一旦决策失误，整条生产线上的光伏板或锂电池都可能受到影响，带来巨大的试错成本，远高于软件AI的容错空间。目前我们需要弥补的短板非常多，包括物理环境中的任务流程设计、业务深层知识以及行业经验等，这些方面都尚未被充分挖掘和理解。”
田丰相信，未来具身智能的“大脑”将迈入发展的深水区。“从数据、逻辑再到决策，整个业务流的思维链条将被拆解得极为细致，我们必须厘清其中每一个环节的因果依赖关系。”
