摘要：据通义千问技术负责人林俊旸10月8日在社交媒体X上爆料，阿里已组建专注于机器人和具身智能的小型团队。他提到，多模态模型正变成能靠记忆和工具做长视野推理的智能体，“理应从虚拟世界走向物理世界”。巧的是，同一天软银宣布以54亿美元收购ABB工业机器人业务，两大巨头

据通义千问技术负责人林俊旸10月8日在社交媒体X上爆料，阿里已组建专注于机器人和具身智能的小型团队。他提到，多模态模型正变成能靠记忆和工具做长视野推理的智能体，“理应从虚拟世界走向物理世界”。巧的是，同一天软银宣布以54亿美元收购ABB工业机器人业务，两大巨头的动作让具身智能赛道瞬间升温。

为啥阿里偏偏选现在下场？这可不是一时兴起。就在上月，阿里云刚领投了机器人初创公司自变量1.4亿美元融资，这是其首次布局具身智能领域，加上之前投资的逐际动力、星动纪元等企业，阿里早已悄悄搭建起产业版图。

32岁的林俊旸带队更有讲究，这位阿里最年轻的P10，早年就在达摩院主导多模态模型研发，通义千问的视觉感知能力全出自他手，正是把虚拟AI“落地”的合适人选。

但小型团队能撬动这条赛道吗？林俊旸的思路很清晰，团队不直接造机器人硬件，而是让通义千问具备“行动力”——把语言智能和动作智能用同一套底座驱动。这背后有现实考量：自变量的Quanta X2机器人售价已达8万美元，还只能卖给机构，消费级产品连影子都没有。正如自变量CEO王潜所说，机器人和物理世界的接触交互，比聊天生成代码难多了。

更关键的是行业还没解决核心难题。浙江大学的研究显示，训练通用具身模型可能需要上万亿条数据，真机采集成本高得吓人，仿真数据又和现实差太远。浙江省机器人产业协会的宋伟也指出，现在的触觉传感器连人类皮肤的精度都达不到，机械臂连冰箱夹缝都扫不干净。阿里虽有阿里云的算力支撑，但这些硬骨头不是靠大模型就能啃下的。

不过阿里也有自己的优势，之前投资的企业已覆盖灵巧手、遥操设备等关键部件，加上通义千问的多模态基础，刚好能搭起“算法-硬件-场景”的闭环。就像林俊旸说的，智能体从虚拟走向物理是必然，只是这一步要走多久，没人能打包票。

你觉得阿里该先攻工业分拣还是家庭服务场景？具身智能离我们的生活还有多久能落地？

（http://m.toutiao.com/group/7547586084582998537/?upstream_biz=doubao，http://app3.myzaker.com/news/article.php?pk=68e6ae588e9f09673814060c，https://view.inews.qq.com/k/20251009A01E8Z00?no-redirect=1）

来源：F知科技