外界常调侃腾讯在AI赛道“起大早赶晚集”，但这显然低估了这家科技巨头的战略雄心。事实上，腾讯的布局早已脉络清晰、环环相扣：从底层混元大模型，到中间层的智能体开发平台ADP、具身智能平台Tairos，再到应用层的WorkBuddy、CodeBuddy等产品，一条从底层技术到终端应用的完整落地路径，已清晰展现在行业面前。
其中，具身智能作为腾讯向物理世界延伸的“战略要塞”，由腾讯首席科学家、Robotics X实验室主任、福田实验室主任张正友带队。他们摸索出了一套与行业主流“端到端单模型”截然不同的技术路线，底层逻辑直指具身智能的本质：语言不等于完整认知，真正的智能，必须在“感知、决策、行动”的闭环中形成。
具身智能为何不智能？
张正友用神经科学经典的“裂脑实验”点破了行业通病：当前多数具身方案过度依赖语言模型的逻辑，错把流畅描述任务等同于真正理解了物理世界。事实上，人脑的左脑负责语言与逻辑推理，右脑负责空间感知与图像认知；语言只是智能的对外表达通道，并非认知的全部。
基于这一判断，腾讯构建了三层异构的具身智能架构Apexio，精准对应人脑的认知决策、感知行动、条件反射三个层级：
最上层是认知系统：按需唤醒，调用大模型完成深度推理与任务规划，核心回答“要做什么”。
中间层是感知行动系统：接收视觉等环境信息并快速调整行为，负责“怎么动态调整”。
最底层是反射系统：以更高频率运行，无需经过语言推理，像条件反射一样处理碰撞、失衡等突发状况，具备“即时自保”能力。
在张正友看来，这套分层架构是面向真实场景的长期技术路线，其核心优势在于贴合物理世界的运行规律。相比之下，行业里主流的单一端到端模型，要求感知、决策、执行全链路同频运算：要么为了保障认知精度拉高推理延迟，无法满足实时性要求；要么为了压缩响应速度牺牲深度推理能力，难以处理复杂任务。这导致现有的具身模型普遍存在短板——一类靠文本拆解任务，逻辑清晰却落不了地；一类能生成预测画面，却讲不清规则与边界。
而分层架构让不同能力模块各司其职，既保留了上层的深度思考能力，又满足了底层的实时反应需求，与人脑运行逻辑高度契合，是更具稳定性的长期技术架构。
据虎嗅了解，腾讯发布的RxBrain（腾讯Robotics X联合混元发布并开源的具身世界认知基座模型），实现了两类核心能力的打通：面对复杂任务，它既能用语言拆解执行步骤、明确规则约束，也能同步生成每一步的目标场景图像。这种“先想象目标，再执行动作”的模式，解决了大量文本难以精准描述的场景问题。
举个例子，摆放西餐餐具。用文字定义规则，得写一大段；而一张目标图，就能清晰传递所有要求。执行过程中，机器人还能实时对比当前画面与目标画面，判断执行进度，发现偏差就及时重新规划，显著提升了任务完成效率。
张正友补充说，腾讯自研的HyVLA-0.5模型已实现工业级落地。它依托自研的亚毫米级UMI穿戴式数据采集手套，积累了超过1万小时的人类第一视角操作数据。训练采用双路径模式：一条针对特定机器人本体做精细化微调，保障场景适配精度；另一条通过UMI数据实现跨本体迁移，提升通用适配能力。在部署环节，则通过异步推理与轨迹平滑技术，实现高频闭环控制。
虎嗅沟通发现，这套模型已在日化品工厂产线完成落地实测，作业成功率超过95%，新增品类（SKU）的适配周期不到3天，完全满足工业产线的严苛要求。除了产线落地的成绩，HyVLA-0.5在权威仿真评测中也拿下了综合排名第一，在核心的长时序任务、记忆任务两个维度同样登顶，完成了从实验室指标到真实生产力的跨越。
Tairos：要做具身时代的“大脑”
此前，腾讯始终明确不做机器人硬件，这一度引发外界质疑。对此，张正友用手机行业的格局打了个比方：行业最终会形成两种成熟模式，一种是苹果式的软硬件全闭环，体验最优但生态封闭；另一种是安卓式的底层系统赋能，开放生态、规模化落地。
如今，腾讯选择的正是第二条路。这很大程度上源于，中国机器人本体制造能力已高度成熟，迭代快、稳定性强，腾讯无需重复造轮子。腾讯的核心优势在AI、云与连接能力，因此Tairos的定位，就是做具身智能的“通用大脑”：向上支撑应用开发商，向下赋能机器人本体厂商，让硬件厂商无需从零搭建智能能力，让应用厂商无需适配五花八门的硬件，整体降低行业落地门槛。
据虎嗅了解，落地数据已经验证了这一战略的价值：首次和宇树打磨导览场景时，基础适配花了三个月；而依托标准化接口后，新增场景5天即可落地。给越疆机器狗做系统适配，更是只用了一天就完成部署。
张正友透露，腾讯选择优先绑定越疆、宇树、智元等头部本体厂商，核心逻辑在于：头部厂商的硬件稳定性高、问题少，算法打磨效率更高。“一旦与头部厂商跑通标杆场景，围绕其布局的集成商、生态客户即可快速复制方案，实现做通一个、辐射一片的效果，效率远高于零散对接中小厂商。”
值得强调的是，具身智能的核心瓶颈仍然是数据，这也是当前行业投入成本最高的环节。张正友认为，当前行业普遍依赖的遥操作数据，正处于金字塔顶端，成本高、规模小、泛化性差。腾讯的思路是打通四层数据体系：用底层大规模数据做预训练，提升模型泛化能力；用顶层高精度数据做微调，适配特定场景，最大化数据利用效率。
即便腾讯并非数据采集服务商，但其核心优势在于模型研发与数据生产的联动：模型团队明确数据优化方向，反向指导数据厂商定向采集高价值数据，再通过腾讯云的存储、计算能力，为具身智能企业提供数据存储、处理、训练的一体化解决方案，形成“数据-模型-云”的完整闭环。
算力层面，具身智能的需求正呈爆发式增长。腾讯云异构计算研发总监陈煜东透露，具身智能客户的算力需求年增速达200%-300%，训练规模从百卡级跃升至千卡、万卡级；模型迭代周期缩短至两三天，多模态数据清洗、标注的算力消耗也同步暴涨。
至于国产芯片的适配难题，陈煜东给出了一个高效解法：用AI Agent辅助算子迁移。“过去工程师手动迁移一个算子平均需要5天，如今通过Agent人机协同，一天就能完成精度达标、性能更优的迁移，大幅降低了国产算力的使用门槛。”
当前，具身智能行业同质化严重，本体形态、落地场景都高度扎堆。张正友认为，这是行业早期的正常状态——规模化落地尚未启动，玩家集中探索可行场景并非坏事，充分竞争反而会加速技术迭代。所以在落地节奏上，行业必然遵循“从易到难”的路径：工业场景会率先实现规模化落地，因为环境结构化、物体类别少、任务标准化，数据需求相对可控，更容易达到生产级要求；而家庭、养老等非结构化场景，落地难度就要高得多，核心门槛是安全。
张正友一再强调，进入家庭场景的机器人，安全性必须做到100%，没有任何妥协空间。“要实现安全的人机接触，触觉、力觉感知是必备能力。没有力觉控制的机器人，搀扶老人时可能造成骨折，根本无法进入养老、康复等场景。”
综上，腾讯在AI领域并不执着于技术噱头式的领先。互联网时代，它靠连接人与人、人与服务、人与内容建立壁垒；AI时代，它要靠连接模型与场景、智能与硬件、开发者与产业，成为AI基建的“水电煤”。
