WAIC2026访谈 | 腾讯张正友：我们为什么不造机器人本体，只造大脑

财闻 张晓迪 发自上海

腾讯一度被认为在AI赛道落后，事实真的如此吗？

2026年7月18日，世界人工智能大会（WAIC）期间，腾讯Robotics X正式对外展示了其在具身智能领域的AI技术布局。

具体包括自主研发的Hy-Embodied具身模型矩阵、智能体框架TairosAgent和智能体Apexio。

Robotics X是腾讯旗下企业级机器人实验室，成立于2018年，专注于机器人领域的前沿技术研究，由腾讯首席科学家张正友担任实验室主任。

据了解，这些技术旨在为机器人“身体”提供理解物理世界、自主决策的能力。换言之，就是为它们装上“大脑”。

腾讯云副总裁吴运声在大会期间表示，智能体的爆发已是确定性趋势，找准场景是关键。

当前，AI技术正向物理世界延伸，具身智能厂商纷纷寻求场景落地。那么，腾讯要找的是怎样的场景？

WAIC大会期间，张正友接受了包括财闻在内的多家媒体采访。

他明确表示，腾讯不造机器人，而是依托自身技术积累，通过Tairos平台和开源模型，成为Physical AI（物理人工智能）时代“大脑”的基础设施提供商。

让机器人从“身智割裂”到“身智融合”

在张正友看来，当前具身智能面临的核心问题在于“身与智的割裂”。即，把缺乏对世界真实感知的大模型强行塞进机器人本体，并不能实现真正的智能。

张正友提出，真正的Physical AI需要从“身智割裂”走向“身智融合”。机器人在与物理环境的持续闭环交互中，“身体”与“智力”必须动态、协同地进化。

基于此，Robotics X此次推出的上述技术平台，正是这一构想的产品化落地。

财闻采访了解到，Hy-Embodied模型矩阵主要为机器人提供认知引擎“大脑”；Tairos平台开放模型服务与调用能力。

这些技术究竟如何让机器人理解世界，并匹配相应的行动模式？

张正友解释：“人的理解本身也是一种模式识别。真正的进步在于信息的带宽。”

他举例称，去年团队用文本连接机器人的左右脑，而今年发布的Hy-Embodied模型矩阵中的RxBrain（认知模型），加入了视觉模态，能够以图像形式对子任务进行预测和描述。

“很多空间信息，比如摆放餐具，用文本给语言模型描述要讲半天，但给一张图，它就能立刻明白。”张正友指出，这种多模态的“想象”能力，是提升智能体对物理世界理解的关键。

那么，这种理解能力究竟该由一个全能大模型包办一切，还是由多个专业模型分工协作？

面对模块化与端到端模型的路线之争，他进一步阐释：“单一的大模型（如VLA）在现实中面临巨大挑战，主要是频率问题。与物理世界交互需要不同频率的反馈。比如，触觉感知周期是1毫秒，视觉行动控制周期约30毫秒。一个模型很难同时处理好这些不同时间尺度的任务。”

据张正友介绍，Hy-Embodied模型矩阵的三层架构设计，正是模仿“人的脊髓反射—肢体协调—大脑规划”这一分层机制，在不同频率上并行运行。“这更高效、更安全，也是我们坚持模块化协同而非单一模型的原因。”张正友表示。

让“身体”随时调用合适的“大脑”

模型之外，Tairos开放平台主要负责将腾讯的具身智能能力对外输出。

据了解，该平台向下对接不同厂商、不同形态的机器人本体，向上承载Hy-Embodied模型矩阵的推理与训练任务。

通过标准化的API接口和模型服务，本体厂商无需自研AI能力，即可调用Hy-Embodied模型。

具体到实践案例：2024年9月24日，Robotics X实验室发布了第五代试验机器人“小五”；在本次WAIC大会上，其技术及场景升级至面向康养等人居环境，腾讯内部代号为“小六”。

2026年1月，腾讯与宇树科技宣布战略合作，搭载了Robotics X“大脑”的宇树G1机器人“小莫”，随后在敦煌莫高窟等户外场景上岗。

2026年7月，WAIC期间，腾讯公布了上述技术在真实产线的验证成果。

腾讯方面称，搭载了其VLA（视觉-语言-动作）模型的机器人，在抓取、装配等连续作业中实现了超过95%的任务成功率，跑通了从训练到真机部署的完整链路。

张正友说：“腾讯不做量产机器人硬件，但我们一直在做示范性硬件，核心目的是开展前沿技术研究与场景探索。”

行业痛点：从Demo到量产，同质化的真相

本届WAIC上，具身智能展台人头攒动，但形态相似的机器人、高度雷同的演示场景也引发了行业热议。

对此，张正友的判断是：“这恰恰说明行业还在起步阶段，大家都在寻找能落地的点。”

“有竞争才能推动进步，这是好事。”在肯定行业竞争的同时，他也直言，“行业的真实情况是，从Demo的90分到真正落地，几乎是0和1的区别。光能展示远远不够，必须稳定可靠。”

“只有解决工程和系统问题，行业才会真正成熟。”张正友借此解释Tairos平台的价值，在于帮助本体厂商跨越这道“从0到1”的技术鸿沟。

在他看来，具身智能技术栈尚未像大语言模型那样收敛，VLA模型目前也只是简单的“视觉—语言—行动”映射。

“我们今年在RxBrain里融入了世界模型的概念，它能对完成一个子任务后世界会变成什么样进行预测和想象。这已经不只是在做模式匹配，而是在做推理和规划，这才是具身智能未来的方向。”

而腾讯的“大脑”方案，正是通过提供具身智能基座模型和算力底座等开放平台，让机器人厂商得以专注于本体的可靠性与成本优化，不必从零搭建AI能力。