Tairos 要做具身时代的 " 安卓 "

出品｜虎嗅黄青春频道

作者｜商业消费主笔 黄青春

题图｜视觉中国

外界总揶揄腾讯在 AI 赛道 " 起大早赶晚集 "，这显然低估了其野心。

事实上，腾讯的布局草蛇灰线，伏线千里：从底层混元大模型，到中间层智能体开发平台 ADP、具身智能平台 Tairos，再到应用层 WorkBuddy、CodeBuddy 等产品，一条从底层技术到终端应用的落地路径脉络清晰。

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，摸索出一套与行业主流 " 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？

张正友以神经科学经典的 " 裂脑实验 " 点破行业通病：当前多数具身方案过度依赖语言模型逻辑，错将流畅描述任务视作真正理解了物理世界。

事实上，人脑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：

最上层为认知系统：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 "；

中间层为感知行动系统：接收视觉等环境信息并快速调整行为，负责 " 怎么动态调整 "；

最底层为反射系统：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，其核心优势贴合物理世界的运行规律。

此前，行业单一端到端模型要求感知、决策、执行全链路同频运算：要么为保障认知精度拉高推理延迟，无法满足实时性要求；要么为压缩响应速度牺牲深度推理能力，难以处理复杂任务，导致主流具身模型存在普遍短板：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。

与之对应，分层架构能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。

比如摆放西餐餐具，用文字定义规则需要大量篇幅，一张目标图即可清晰传递要求。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，发现偏差及时重新规划，显著提升任务完成效率。

张正友补充称，腾讯自研的 HyVLA-0.5 模型已实现工业级落地，依托自研亚毫米级 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。其采用双路径训练模式：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；一条通过 UMI 数据实现跨本体迁移，提升通用适配能力。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）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 " 安卓 "

此前，腾讯始终明确不做机器人硬件，一度曾引发外界质疑。

对此，张正友以手机行业格局类比：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 定位是做具身智能的 " 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。具身智能的下一场竞争，为什么不只在机器人本体上？

据虎嗅了解，落地数据已验证这一战略的价值：首次和宇树打磨导览场景时，基础适配花了三个月，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，具身智能核心瓶颈仍是数据，亦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领先。互联网时代，其靠连接人与人、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 "。