對話騰訊首席科學家張正友：AI仍是“缸中之腦”，騰訊Tairos欲破具身落地難題

在2026年世界人工智能大會（WAIC）上，各式機器人大秀「十八般武藝」，具身智能的熱度達到新高。然而，騰訊首席科學家、騰訊Robotics X實驗室及福田實驗室主任張正友在WAIC期間的媒體交流會中指出，具身智能目前仍處於起步階段，真正的落地應用相當有限，且各個廠商在場景選擇與機器人形態上出現明顯的同質化趨勢。他認為，這並非壞事，因為任何新興產業在起步期都會有大量企業湧入，後續自然會經歷大浪淘沙，不至於阻礙行業發展。張正友多次強調，他個人最看好的落地場景是養老照護，但也坦言養老場景極為複雜，對機器人的感知、互動與執行能力要求極高，是當前最具挑戰性的領域之一。

針對市場上備受關注的超仿生人形機器人，張正友明確表示騰訊並未涉足，他認為提供情緒價值不一定需要透過超仿生外觀，應該從第一性原理出發，思考技術的本質需求。騰訊早在2018年便成立Robotics X實驗室，專注機器人前沿技術。儘管這波具身智能浪潮洶湧，騰訊始終保持清晰的邊界意識。2025年初，騰訊董事會主席兼首席執行官馬化騰即表明，騰訊希望成為所有機器人廠商的合作夥伴，而非親自投入硬體製造，這與騰訊整體戰略一致。在此方針下，2025年WAIC期間，騰訊正式推出國內首個以模塊化方式提供大模型、開發工具與數據服務的具身智能開放平台「Tairos鈦螺絲」，透過即插即用的設計，向機器人行業開放核心能力。

過去一年，騰訊Robotics X實驗室已與宇樹、智元、越疆、松延動力、樂聚、華沿等機器人企業，以及博世、藍思、景德鎮、敦煌等場景合作夥伴，共同探索具身智能在不同機器人本體與產業場景中的落地。到了2026年WAIC，騰訊進一步推出具身智能系列新模型與智能體成果，首次系統性地打通「感知—身體—行動」的完整閉環。張正友解釋，這一系列產品沿著一條主線展開：先讓智能體看懂物理世界，再讓它想像目標狀態，最後將想法轉化為穩定的動作，並將這些能力整合成持續在線、可複用的智能體。此次發佈的具身基座模型包括Hy-Embodied-VLM-1.0、Hy-Embodied-RxBrain-1.

0與Hy-Embodied-VLA-0.5，三者皆基於騰訊混元大模型打造。其中，VLM模型類似「右腦」，負責理解圖像、空間與場景；RxBrain模型則扮演具身「大腦」，統一認知、規劃與對未來狀態的想像；VLA模型連接「小腦」與身體，將高層目標轉化為連續且可糾錯的動作。張正友指出，Hy-Embodied-VLA-0.5的核心競爭力並非單純訓練更大的模型，而是構建「數據—模型—訓練—部署」協同發力的完整學習棧，並透過亞毫米級高精度UMI採集系統，累積超過一萬小時的人類示教數據。張正友認為，真正的智能必須讓語言、視覺、空間認知、身體控制與環境反饋相互連通，並在「感知—身體—行動」的閉環中接受驗證。

這正是騰訊Robotics X探索具身原生智能的基本思路：從離身走向具身，從分裂的模塊走向整體的閉環。他直言，當前最聰明的人工智能本質上仍是「缸中之腦」——大模型雖然在知識層面表現驚人，但一旦進入真實世界，問題便浮現：它未必真正理解物體的位置、空間關係與可操作性，也很難在持續變化的環境中一邊行動、一邊接收反饋並即時調整。這就像一個被養在缸裡的大腦，擁有豐富知識卻沒有身體，缺乏與世界直接互動的閉環，張正友稱之為「離身智能」。數據稀缺是阻礙具身智能變聰明的關鍵因素。

張正友指出，在具身智能的數據金字塔中，最底層是互聯網數據，往上依次是第一人稱視角操作視頻、帶傳感器手套收集的數據，最頂層則是遙操作數據。遙操作數據雖然採集效率最低，但被視為訓練機器人效果最好的數據。要讓機器人變得更加智能，這四類數據需要相互打通，形成完整的數據生態。與大語言模型技術棧已經收斂到業界普遍認可的範疇不同，張正友觀察到，具身智能模型的技術方案尚未達成共識。去年業界興起VLA（視覺語言動作模型）範式，今年則開始討論世界模型。騰訊推出的Hy-Embodied-RxBrain-1.0，正是其在世界理解模型上的探索。

張正友強調，整個行業仍處於邊摸索邊前進的階段，大家對落地應有耐心與信心，隨著技術逐步成熟，具身智能終將在更多真實場景中發揮價值。