面對產業(yè)轉折點，商湯將發(fā)布具身智能“大腦”計劃。

文｜趙艷秋 周路平

編｜牛慧

2025世界人工智能大會（WAIC2025）將在本周末火爆開場。近日，商湯科技提前釋放出重要消息：將在大會上揭曉一款全新的具身智能“大腦”。

據商湯官方公眾號預告，7月27日的WAIC2025大模型論壇中，商湯將揭曉這款集成了感知能力、視覺導航、多模態(tài)交互的智能“大腦”系統(tǒng)，為機器人、智能設備等智能終端提供賦能。

實際上，商湯入局具身智能“大腦”賽場，業(yè)界并未感到意外。具身智能的研究與產業(yè)落地，主要由兩路人馬推進：一路是計算機視覺領域的研究和從業(yè)者，如李飛飛；另一路是機器人領域的從業(yè)者。而商湯起家于計算機視覺，如今加碼具身智能，不僅在情理之中，甚至可以說，這是它必然要落子的一步。

01

布局具身智能“大腦”

具身智能“大腦”已成為全球人工智能的核心競爭點。OpenAI與機器人公司Figure AI聯手打造通用機器人，谷歌推出具身智能RT-2模型，英偉達聚焦世界模型和仿真。國內如華為也在今年6月剛發(fā)布包含“大腦”的CloudRobo具身智能平臺。商湯則是最早一批入局者，在不斷演化其技術路徑。

為何全球科技企業(yè)對這一賽道高度重視？實際上，本輪具身智能熱潮，本質上就是大模型與機器人技術的深度融合帶來的。在“前大模型時代”，機器人是“只會一種技能的工人”——送餐的不會打螺絲，打螺絲的不會倒咖啡。本體泛化、任務泛化和場景泛化，成為具身智能三大瓶頸。

轉折發(fā)生在2022年。隨著ChatGPT等大模型的崛起，人工智能具備了自然語言理解、內容生成和深度推理能力，業(yè)界開始設想，能否讓機器人擁有一個“更聰明的大腦”？這樣，它就能打破本體限制，完成更復雜、更靈活的任務。

這便是具身智能“大腦”的重要意義。不過，目前該領域仍處在探索階段，技術路線還未“收斂”。一些業(yè)內人士提出，當前主要有三種：

VLA 模型（Vision-Language-Action）：輸入語言+圖像，輸出動作。優(yōu)勢是結構簡潔，但在物理屬性識別、利用物理規(guī)律與足夠的控制軌跡上存在不足。

“大小腦”架構：將“規(guī)劃”與“執(zhí)行”分工，提高系統(tǒng)的模塊化和解釋性，但仍面臨泛化挑戰(zhàn)。

世界模型：對比前兩者，雄心則更大，對環(huán)境狀態(tài)、物理規(guī)律、時序邏輯等進行建模，強調多模態(tài)信息融合和推理能力，目標是讓智能體理解世界、預測變化、規(guī)劃行為。

從商湯目前披露的信息看，雖然未明確押注某一技術路線，但其分階段演進的方式，指向了對“世界模型”能力的持續(xù)積累。

在過去幾年，商湯在具身智能“大腦”上的探索和布局似乎可分為四個階段：

第一步：從“看”到“動”，構建視覺-感知-決策閉環(huán)。

2022年8月，商湯推出家用機器人“元蘿卜”，首次將視覺算法與機械手深度結合，完成棋子識別與遮擋環(huán)境下的精準抓取。這標志著商湯初步建立了“視覺-感知-決策”的閉環(huán)，機器人開始具備與物理世界互動的基礎框架。

傳統(tǒng)人工智能是“開環(huán)”的，坐在云端“思考”、“看見”世界。但一旦涉及操作，就要形成一個復雜的閉環(huán)——感知必須轉化為“理解”，并進一步驅動動作執(zhí)行。這是具身智能的出發(fā)點。

第二步：“日日新V5.5 - V6”發(fā)布，多模態(tài)融合與推理能力邁向認知中樞。

2025年4月，商湯推出“日日新V6”多模態(tài)大模型，核心突破在于模態(tài)融合，支持長思維鏈、多模態(tài)推理與規(guī)劃能力，嘗試解決長期困擾具身智能的難題——稍微復雜、步驟多、時間跨度長，傳統(tǒng)系統(tǒng)就“斷鏈”。就像是機器人的“大腦皮層”，從“接收信號”躍升到“理解意圖”。

極為重要的是，它已被傅利葉、歸墟等機器人公司接入合作，意味著商湯具備了平臺級技術輸出能力，從研發(fā)走向產業(yè)賦能，進入戰(zhàn)略躍遷階段。

這一系列能力的進化并非一蹴而就。早在2024年7月商湯發(fā)布的“日日新V5.5”，是這一融合路線的重要中繼站：基于6000億參數模型性能升級，廣泛引入合成高階思維鏈數據，在數理邏輯、指令跟隨等方面表現突出，并首次推出原生流式多模態(tài)交互體驗模型“日日新5o”，推動AI從“響應輸入”走向“理解場景”。

此外，“日日新5.5 Lite”等端側模型也大幅提升效率與普及能力，拉近大模型與用戶之間的距離。

2024年底，商湯更是率先推出“日日新融合大模型”，領先實現原生融合模態(tài)訓練，成功打破語言模型與多模態(tài)模型各自為政的局限。該模型在SuperCLUE和OpenCompass兩大權威榜單中同時奪冠，成為“雙冠王”，意味著商湯首次在深度推理與多模態(tài)融合領域實現“模型一統(tǒng)”的實質性突破，這一系列創(chuàng)新，為V6的能力躍升創(chuàng)造了條件。

第三步：“大腦”平臺化，走向世界模型。

接下來，商湯即將發(fā)布具身智能“大腦平臺”，標志著其從單點能力向系統(tǒng)能力的整合與躍升。

而且，商湯在智駕領域布局積累很早。世界模型是其重點突破方向。商湯智駕品牌“絕影”構建的“開悟”，已經能理解物理規(guī)律、學習交通規(guī)則，在實際場景中落地。

而車和機器人，本質上都是具身智能體。具備感知、導航、交互等能力，是它們的共同訴求。商湯或將自動駕駛中構建的“世界模型”經驗遷移到機器人領域，推動具身智能大腦的的進一步演進。

這次產品發(fā)布，標志著商湯具身智能戰(zhàn)略，進入“平臺化”的新階段，并走向產業(yè)輸出。背后是商湯長期的技術預埋與戰(zhàn)略耐心。

02

商湯的準備

除了具身智能的大腦，商湯通過WAIC 2025釋放了另外一個明確信號：具身智能是“算力密度×數據密度×生態(tài)密度”的競爭。

這幾年，算力需求井噴，算力的密度很大程度上決定了模型演進和應用落地的速度，尤其是具身智能需要實現對物理世界的感知和理解，涉及多種模態(tài)，對算力的消耗有增無減。

有數據統(tǒng)計，具身智能場景的算力消耗占比已從2023年的12%躍升至28%。而英偉達的芯片在今年一季度的銷售額，有30%流向具身智能設備。

過去多年，商湯在算力上的投資巨大。早在2018年，商湯就打造了國內首個AI千卡集群原型機。兩年后，又建立了國內首個智算中心。到2024年底，商湯大裝置的算力規(guī)模達到23000PetaFlops，超過了一些主要大城市的公共智能算力。今年4月，商湯又發(fā)布了商湯大裝置SenseCore 2.0，朝著“最懂大模型的AI基礎設施”發(fā)力。

商湯做大裝置，其初心是提高AI模型的生產效率和降低使用成本。但大裝置+大模型的結合，讓商湯在算力層面的能力得到了大幅提升。比如商湯對模型推理過程，做預填充和解碼的分離，提升GPU硬件利用率并降低推理延遲。

商湯大裝置已幫商湯拿下了不少智算和大模型訂單。比如南方電網基于商湯大裝置，實現從模型、平臺算法到底層算力的100%國產化，構建了全棧國產電力AI基礎設施。而一家基建行業(yè)頭部設計院依托商湯大裝置的國產芯片及底座平臺，開發(fā)了工程勘察設計領域大語言模型、多模態(tài)大模型，解決了知識傳承困難、融合性差和應用程度低等難題。

IDC的報告顯示，商湯大裝置在2024年下半年穩(wěn)居國內AI大模型解決方案市場第二位。

如今，商湯已經成長為“大裝置-大模型-應用”三位一體的AI廠商。

除了算力，高質量數據是具身智能發(fā)展的一大卡點。盡管大腦架構和技術路線正在快速演化，但所有路線最終都繞不開一個共識：數據，是具身智能最難啃的那塊骨頭。

而且有業(yè)內人士提出，具身智能和大模型一樣，同樣存在Scaling Law。在他們的試驗中，每多采10倍數據，機器人錯誤率就會降低大約10倍。如果想從99%的成功率提高到99.9%，意味著要多采10倍數據，但成本也呈指數級上升。

目前，具身智能的高質量數據來自于線下采集的真實數據、仿真合成數據以及互聯網數據。但兩者各有優(yōu)劣。比如特斯拉和Google都選擇用搖操獲取數據，但背后的成本投入巨大。據悉，Google 做十幾萬條數據，用時十多個月，花了上千萬美元。

在業(yè)內看來，更加現實的做法是，利用互聯網視頻數據、合成數據，直接做到幾個9，再用真實數據進行強化學習。

人類80%以上的信息獲取來自視覺，商湯是以機器視覺起家，在視覺信息的處理上，有著一系列經驗技術。

同時，商湯也在推動融合模態(tài)的數據合成與融合任務的增強訓練。比如在預訓練階段，商湯不僅采用了天然存在的海量圖文交錯數據，還通過逆渲染、基于混合語義的圖像生成等方法合成了大量融合模態(tài)數據。在后訓練階段，商湯構建了大量的跨模態(tài)任務，包括視頻交互、多模態(tài)文檔分析、城市場景理解、車載場景理解等。

另外，除了算力、數據、模型等底層能力的積累，商湯在生態(tài)方面也在持續(xù)投入，通過旗下私募基金國香資本投資了一批具身智能企業(yè)，包括銀河通用機器人、眾擎機器人、鈦虎機器人、鹿明機器人等十幾家企業(yè)。這些企業(yè)覆蓋了具身智能全產業(yè)鏈，比如眾擎機器人主攻本體和運控，鈦虎機器人主攻關節(jié)模組。

這種生態(tài)密度，讓商湯比其他大模型廠商更貼近產業(yè)需求，了解產業(yè)動向。同時這些被投企業(yè)又給商湯提供了豐富的落地場景和真實數據，加速產業(yè)落地。

不難發(fā)現，從算力基礎設施，再到數據和生態(tài)，商湯在具身智能所需的各環(huán)節(jié)，也都在悄然押注和投入。

商湯即將推出具身智能“大腦”，恰逢2025年該產業(yè)由概念驗證走向初步產品化、平臺化的關鍵拐點。大模型與機器人融合，正加速從實驗室走向現實世界。頭部科技公司和研究機構的布局提速，已經掀起了具身智能的競爭熱潮。

與此同時，政策與資本的雙重推力也不容小覷：2025年政府工作報告中，具身智能作為新興產業(yè)首次被寫入其中。具身智能正在制造、無人零售、接待、健康醫(yī)療等產業(yè)滲透。僅在今年上半年，具身智能相關領域融資金額已經超過了200億元，融資事件達130件，遠超2024年全年。具身智能的 “黃金時代” 已悄然拉開序幕。

從商湯在具身智能“大腦”的技術布局以及其在算力、數據、生態(tài)等關鍵環(huán)節(jié)形成閉環(huán)能力來看，其在具身智能領域絕非偶然的戰(zhàn)略試探，而是其基于技術基因的必然延伸，更有望成為撬動其第二增長曲線的最佳支點。

從一系列信息的分析看，商湯在具身智能領域的動作，既是對自身能力邊界的重構，更是對下一代智能形態(tài)的提前卡位。當機器人與智能設備真正成為 “有大腦的具身智能體”之后，具身智能，或將成為商湯握住連接未來的關鍵鑰匙。