腾讯云:机器人把大脑搬上云,Agent与具身智能撞了
在 AI 的落地坐标里,数字 AI 与物理 AI 原本属于两个不同的象限——但如今,它们正在深入交汇。 2026 年 10 月 29 日,在 2026 腾讯全球数字生态大会的主论坛上,出现了这样一幕:一个处于家庭场景中的启元机器人,在调用 WorkBuddy 生成了故事、插图和机器人动作之后,就开始用更生动的方式给孩子
数字AI和物理AI,原本待在AI落地坐标里两个不同的象限。眼下,这两块正在往一块儿靠。
2026 年 10 月 29 日,2026 腾讯全球数字生态大会主论坛上出现了这么一个场景:家庭场景里的一台启元机器人,先调用
WorkBuddy 生成故事、插图和机器人动作,随后用更生动的方式给孩子讲起了故事。
结果就是,2026 年最火的两个 AI 落地场景——Agent 和具身智能——撞到了一起。看似平常的这一幕,背后撑着的其实是一套更复杂、分层也更细的云计算基础设施。
道理不复杂。云计算里同样是指向 AI 的底层设施,可 Agent 更偏数字 AI,具身智能更偏物理 AI,两者商业落地节奏不在一个阶段,技术架构既有交集又有明显差别。想用同一套 AI 基础设施同时托住它们,难度不小。
接下来会让这套系统的走向更难判断的是:Agent 往具身智能走的趋势越来越明显,物理 AI 和数字 AI 之间的象限边界,也会慢慢消失。
Agent 的爆发,谁在支撑?
具身智能和 Agent 是 2026 年 AI 落地最火的两个赛道,落地和商业化的节奏却完全两样。Agent 这边,各家 AI 办公智能体接连冒出来、快速铺开,已经进入个人和企业的生产力场景,带来实打实的价值和商业回报。具身智能虽然也有一些落地动作,但整体还停在技术和产品优化阶段,离大规模商业化有不小的距离。
差异首先来自落地方式。Agent 是「广而浅」,围绕文档、会议、代码、客服、营销这些数字任务展开,边际复制成本低;具身智能则是窄而深,必须进入具体物理场景,解决感知、决策、执行的实时闭环,还得应付真机数据、可靠性和安全约束。这也就决定了各自商业化的难度和进度。
还有一个更容易被忽略的角度:基础设施。过去两年,AI 大模型靠 Agent 走向落地成了行业共识,云计算厂商纷纷出手,在基础设施层面为 Agent 落地铺路,如今已经搭出一套面向 Agent 的 AI 原生云软硬件协同架构。
腾讯云就是个例子。为了解决 Agent 运行中的系统稳定性、开发效率和成本问题,腾讯很早动手重构 AI Infra,2025 年拿出一系列成果。
比如靠异构计算平台整合国产 AI 算力来提性价比,部署 TACO Kit 推理加速引擎与 HCC 高性能计算集群,再配上 IHN 3.2T RDMA 高带宽网络和 TurboFS/GooseFS 高性能文件存储,把底层算力尽量榨干。
Agent Infra 层面腾讯云同样全面发力。2025 年 9 月,它推出专为大规模、生产级智能体设计的 Agent Runtime 解决方案,执行引擎、云沙箱、上下文服务、网关、安全可观测,一整套都包含在内。
腾讯云围绕 Agent 的这些布局,给 Agent 的构建、部署和运行垫了底,也把「从技术到应用的最后一公里」打通了。
这套布局支撑了腾讯 2026 年在 Agent 领域的发展,3 月份 WorkBuddy 的发布和后来的破圈,它也在其中出了力。一位长期做 AI 云计算行业的工程师告诉我们:「WorkBuddy 的一炮而红并非偶然,腾讯的基础工作还是做得非常扎实的」。
到了今年 10 月的 2026 腾讯全球数字生态大会,Agent 全面爆发、指数级增长、加速走进生产力场景,腾讯云在软硬件基础设施的多个层面一起使劲,让 Agent 跑得更安全稳定、更有弹性、效率更高。
支点还是那两个:AI Infra 和 Agent Infra。
AI Infra 方面,腾讯云发布第十代云服务器 SA10,整机算力规模提升 33%,整机内存带宽提升 66%,为 Agent 运行提供算力支持。跟着一起提升的,还有腾讯云在存储、网络、操作系统等底层上的能力。
Agent Infra 层面,腾讯云对 Agent Runtime 产品矩阵做了全方位升级。
具体说,Agent Runtime 沙箱的底层技术开源为 CubeSandbox,与 AgentCBS、AgentCFS 等存储产品协同,提升沙箱启动、存储交付和数据访问的效率。Agent Bucket、AI 网关、AgentObs 则主要解决 Agent 使用中的数据管理、统一治理、Token 监测和成本控制问题。
企业想自己开发、部署 Agent 的,Agent Runtime 也发布了 Agent Engine、Managed Harness 与 Agent Cluster 等一系列能力,支持客户基于开源 Harness 构建并托管企业级 Agent。
就这么着,腾讯云在 AI Infra 和 Agent Infra 两条线上并进,为 Agent 在应用和商业化上的下一步,备好了更完整的「工具箱」和底层环境。
底座搭好之后,Agent 往大规模落地和商业化场景走,步子明显更稳了。
打破「瓶颈」,也在连接「鸿沟」
Agent 在商业化上一路快跑,具身智能的落地节奏却完全是另一回事。
其实这股热潮起得比 Agent 还早。黄仁勋在 2023 年 5 月就点过具身智能的分量;这几年产业、投资、政策三头都在往前推。可到眼下,技术和产品层面仍然卡着脖子。
那最要命的卡点在哪?
答案很清楚:数据。高质量物理交互数据的供给,缺得厉害。
国金证券的研报给了一组对比:行业预计成熟具身大模型至少要千万小时级数据,往通用智能走可能得亿小时量级;而现在业界高质量训练数据只有数十万至百万小时,供需缺口约 90%。
腾讯云存储首席技术专家温涛在公开场合说过,具身领域采集到的原始数据,能直接拿去训练的只有 5%。腾讯云异构计算产品副总监黄阳也提到一个数字:具身智能的群体经验复制率是 0.01%。
这两组数字指向两件事。一是高质量物理交互数据的缺口属于结构性问题;二是从原始数据到可训练数据,中间还压着大量清洗、标注、治理、检索的工程活。站在云厂商的位置上,要啃下这块,着力点就是让采集、存储、治理、传输和训练各环节都跑得更快。
腾讯云就是照这个思路走的。围着「数据」这个关键卡点,它在基础设施层铺开了一套工具和产品。
拆开看:存储侧,腾讯云存储 Data Platform 数据平台拿对象存储 COS 做统一海量存储底座,弹性承接具身智能的全场景数据;GooseFS 智能加速层负责高性能数据访问,把预处理和模型训练的效率拉上去;Data Engine 则处理云上各类数据,图片处理、媒体处理这些基于 AI 的全品类多媒体数据处理都归它管。
到 2026 年,数据这一层腾讯云又往前推了一步:存储和数据加工接上了,采集来的素材能更快变成训练数据。
具体能力上,数据万象 Robo-Suit 拿出质检、拆分、标注、重建、检索和脱敏 6 类算子、100 多项能力,可以按需调用,也能由工作流自动触发;MetaInsight 靠元数据和多模态语义检索,帮企业把要用的图片、视频等素材找出来。
这些工具串起来,腾讯云在具身智能数据上就有了从存储、加速到管理、处理的一条全链路支撑,多源异构数据融合的堵点、算力闲置、存储成本压力都能对上,数据处理的效率也跟着提上来。
数据之外,具身智能行业对算力国产化迁移、数据深度加工、高效连接的需求越来越强,腾讯云在基础设施上的布局也还在加码。
它搭的是一套三层体系:算力底座、模型服务、感知交互,合起来就是覆盖研发、训练与交付的具身智能云 + AI 底座。
算力和模型这层,腾讯云给的是含国产算力在内的 GPU/HCC 高性能计算等服务,异构算力和 Hyper 系列加速能力一直在升级,国产算力的适配优化也没停,能撑住万卡级集群稳定训练;模型训练与推理服务则靠 TI-ONE 平台做算力调度,给具身智能企业训练模型提供支撑。
感知交互和远程操控这层,摆出来的是实时音视频 TRTC、远程实时操控 TRRO、视图计算、媒体处理 MPS、智能标注、语音交互等一串能力。
基础设施之上,腾讯还有面向具身智能的上层安排,云底座、模型层、平台层到应用层连起来,凑成一套「具身智能全栈方案」。
模型层有 Hy-Embodied-VLA-0.5、Hy-Embodied-VLM-1.0 等组成的具身模型矩阵,这些模型已经进了真实工业场景,导购导览、养老服务等任务上都做过落地验证。行业应用层,腾讯和伙伴一起做了业内首个云端 EaaS(Embodied-AI-as-a-Service)具身智能服务。
还有一点:Agent 和具身智能之间那道长期存在的「鸿沟」,腾讯前期已经铺了不少路。
腾讯 Robotics X 实验室与福田实验室联手开发了 Tairos 具身智能开放平台,并做了升级。2026 年「Agent 走向具身智能」成了行业大势,腾讯 7 月份正式发布 TairosAgent 具身智能体框架和 Apexio 智能体,让机器人能持续感知环境、做决策、采取行动。
某种程度上,Agent 和具身智能之间这座「桥」,已经初步架起来了。
当数字 AI,全面走向物理世界
回过头看,Agent 代表数字 AI、具身智能代表物理 AI,两者各自是走向真实业务场景的典型形态。很长一段时间里,它们除了共用算力、存储、网络这些最底层的通用 AI 基础设施,落地路径上的交集并不多。
变化在 2026 年变得明显起来。
5 月,乐享科技旗下具身智能品牌 Zeroth 元点 M1 人形机器人第一次通过腾讯接入 OpenClaw。用户能在 QQ 界面里远程给「龙虾 agent」发指令,让 AI 智能体操控 M1 走路、转身、跟着主人走;开发者也能借这套能力做提醒、看护之类的家庭应用。
10 月份,启元机器人和腾讯云签下战略合作。双方要以个人机器人和 WorkBuddy 为核心开放载体,一起做云边端协同的消费级个人机器人方案。
落地方式是这样:启元机器人接进 WorkBuddy 后,用户用自然语言下指令,WorkBuddy 负责理解意图、拆解任务,机器人再靠环境感知和动作能力去执行。现在启元 Q1、T1 机器人已经打通腾讯会议、微信读书、QQ 音乐、绘本生成这些技能。
于是,2026 年 Agent 从数字世界的屏幕里走了出来,进入物理 AI 的本体,成了机器人的认知层。数字 AI 和物理 AI 由此完成了一次少见的握手。
把视线从 Agent 和具身智能挪开,还能看到两者在更大范围内的交叉仍在推进。
OpenAI 9 月发布的 GPT-6-Astra 就是一个典型例子。它第一次补上了具身智能 S2 认知层的短板,在 LIBERO、BEHAVIOR 等 12 项传统具身基准测试里拿到接近满分的成绩,表现出零样本泛化和上下文学习能力。具身智能也因此从专用模型转向通用模型。
业内对此的惊呼是,具身智能的模型路线之争,被通用大模型用文字模态「降维打击」了。宇树科技创始人王兴兴说得更直接:GPT-6 发布之后,物理 AI 已经露出被击穿的苗头,时间很可能是最近 1-2 年或 2-3 年。
这某种程度上又是数字 AI 主动向物理 AI 靠拢的一次融合。
不过从业内反馈看,WorkBuddy 接入人形机器人也好,GPT 等大语言模型在能力上向具身智能演进也好,这些业务动态所显示的技术和体验成熟度都还处在很初级的阶段,进化空间依然很大。
但数字 AI 与物理 AI 深度融合的趋势,已经初步成形。
有意思的地方在于,从底层基础设施看,数字 AI 和物理 AI 本来就长在同一条 AI 技术根脉上,是两大分支,「本是同根生」。
而当 Agent 走进人形机器人、大语言模型走进具身智能,这两大分支在彼此靠近的同时,也必然撑开更大的应用落地想象空间。
比如 Agent 能更好地推动人形机器人的能力进化,让具身智能更快走向大规模商业化。反过来,Agent 不只是在数字世界里深入代码、文档等办公场景,也能借具身智能进入工厂、商店、码头这些更广的生产力场景。
基础设施层面同样如此。物理 AI 与数字 AI 加速融合,会在技术、产品、解决方案等维度上,对整个行业的云 + AI 基础设施做一次更彻底、更复杂的重构。这种重构不只在业务层面,也会落在组织层面。
换句话讲,AI 上层技术的走向,会反过来深刻影响 AI 基础设施往哪里进化。
那 AI 基础设施将来会怎么进化?
算力国产化、存储更高效、连通更快捷这些趋势挡不住。除此之外,在数字 AI 和物理 AI 现有技术框架之上,更深层、更多层级、更多样、更复杂也更高效的 AI 全栈基础设施与框架互联互通,几乎是确定的未来方向。
具体怎么实现,就要看各家云计算厂商在业务实践里各自摸索了。
这注定是一条漫长的探索之路。可 AI 发展这么快、行业动态变得这么快,积极拥抱变化是唯一正确的选择。
2007年 1 月,乔布斯在苹果 Macworld 大会上发布即将改变世界的初代 iPhone 之后,引用了加拿大传奇冰球运动员 Wayne Gretzky 的一句名言:我要滑向冰球将要到达的地方,而不是它已经在的地方(I skate to where the puck is going to be, not where it has been)。
如果把「AI」的发展比作那颗冰球,真正把数字 AI 和物理 AI 统合、融合起来的「AGI」,无疑就是冰球终将到达的位置。
怎么走到那里仍然未知,方向却已经清楚。长远看,只有以终为始、沉下心做技术、积极求变的云厂商,才有机会在这条暂时看不清路标的漫长征程里,率先在基础设施层面探出一条可行的路。这不是短时间能结束的征程,但「探路」早就开始了。