文|美股研究社
2025世界人工智能大會(WAIC 2025)上,超150個機器人集中亮相,數量創歷屆之最。
機器人進行拳擊對練、精細操作演示(如端取飲料)等活動吸引觀衆的同時,其背後反映的是具身智能與大模型技術的加速融合,以及對算力需求的持續提升。這也導致本就因AI而火熱的算力競賽進一步升級。據東方財富數據顯示,算力概念(BK1134)板塊在2025年6月23日至7月29日期間累計漲幅達11.6%,體現了市場對具身智能算力需求增長前景的預期。
Business Research預測,全球GPU專用雲市場未來十年有望實現近15倍的爆發式增長。敏銳把握這一供需變化,國內算力基礎設施行業同步加速了“新基建”的步伐。
WAIC期間,九章雲極、騰訊雲、阿里雲、百度智能雲、商湯科技等國內頭部 AI 算力基礎設施提供商紛紛展示其解決方案。一場圍繞性價比、架構演進和應用場景等多維度的“AI 新雲”(NeoCloud)競爭,已在 AI+具身智能領域全面展開。
那麼,誰將在這一競逐中構築更堅實的 AI 算力基礎?
具身智能企業需要什麼樣的AI智算雲平臺?
具身智能的加速落地,依賴於構建完善的“算力築基+模型支撐+現實交互”三角體系,其中算力基礎設施的優化是關鍵突破口。行業分析報告預計,未來3年內,具身智能機器人對算力的需求年增長率將超過70%。
數據顯示,超過七成的具身智能相關企業,其算力投入佔研發成本的比例超過10%。算力資源彈性不足與高昂成本,構成了具身智能企業面臨的首要挑戰。宇樹科技創始人王興興曾在2024年指出“具身智能大模型研發成本高昂”,而在今年的WAIC上,宇樹科技依然展示了其在算力領域的持續投入。
面對具身智能帶來的巨大算力市場潛力,九章雲極、騰訊雲、阿里雲、百度智能雲、商湯科技、無問芯穹等國內智算雲廠商紛紛“亮劍”。九章雲極旗下九章智算雲平臺亮出首個工業級強化學習雲平臺AgentiCTRL,推出首個企業級智能體引擎“新啓業”,爲推理交互需求強的具體智能場景開闢入口;騰訊聯合發佈開放平臺Tairos;阿里雲推出基於AnalyticDB的具身智能架構;商湯上線“悟能”平臺。
AI 算力與具身智能的結合無疑是 WAIC 的核心議題之一。從需求角度看,具身智能需要的算力服務正圍繞“成本效益(普惠降本)、工具鏈完備性、開發效率提升”三個關鍵維度進行重構,參展廠商在 WAIC 上也展示了針對這些需求的解決方案進展。
痛點一:算力成本高企,普惠性成爲關鍵競爭力
具身智能的發展高度依賴大模型技術,而大模型的訓練與推理成本在整體投入中佔比顯著。中國工程院院士鄭緯民指出,大模型訓練成本中約70%用於算力,推理過程中該比例則超過95%。
調研顯示,52.3%的企業面臨算力資源彈性調度能力不足的問題,42.3%的企業受到高昂算力成本對利潤空間的擠壓。具身智能訓練對算力的消耗持續攀升,已成爲創新落地的核心瓶頸之一。一邊是高性價比算力的稀缺,另一邊則是資源利用效率偏低,智算平臺如何讓機器人企業“用得起、用得上”一個極具價值的戰略問題。
從 WAIC 參展廠商的策略看,兩條路徑較爲清晰:一是按實際使用量計價,二是實現算力資源的柔性調度。
前者以九章雲極爲典型代表,通過創新的Serverless架構推出“按需調用、彈性擴容”的“算力包”模式,該模式以標準化單位(如“1度算力”)計量,企業僅需爲實際消耗的計算資源付費,無需承擔複雜的集羣管理負擔,從根本上降低接入門檻、消除非使用算力的計費問題、並簡化模型適配。
後者如無問芯穹,側重在算力供需之間發揮“橋樑”作用,整合分散算力,從而降低整體接入成本。
痛點二:技術演進關鍵,強化學習成爲AI算力+具身智能的橋樑。
具身智能的突破正逐步轉向“預訓練+強化學習”協同。全球知名機器人大腦公司Physical Intelligence聯合創始人Sergey Levine教授在WAIC上指出,機器人模型的發展路徑將趨近於大語言模型(LLM),強化學習的作用不可忽視。
機器人需要構建龐大的專業知識庫,基於人類經驗反饋的強化學習有助於建立更強大的交互式智能系統。當前,主流智算平臺已開始佈局強化學習訓練能力。然而,真正落地強化學習雲,遠不止算力疊加,更是底層架構的重構。
值得推崇的是,九章雲極推出全球首個萬卡級RL平臺AgentiCTRL,深度封裝環境模擬、策略執行等複雜流程,實現了強化學習訓練流程的顯著簡化,端到端性能提升5倍同時成本降低60%,從而穩居強化學習雲領域第一梯隊。
九章雲極的快速行動之外,其他算力廠商也在加速佈局這一領域。阿里雲基於雲原生AI一站式開發平臺推出“Ray on PAI”方案,實現雲上一鍵提交強化學習。據阿里雲透露,平臺支持某團隊多個千卡 RL 任務,Ray的RL訓練任務穩定運行超過一週。
強化學習技術的“易用性提升”,正成爲算力平臺適配具身智能需求的下一個競爭焦點。
痛點三:開發效率需突破瓶頸,雲邊端協同工具鏈至關重要。
具身智能在實時決策延遲、雲到端數據協同效率、多模態協同計算等業務場景下存在特定需求,對算力平臺提出了明確要求。
例如,在工業場景中,機器人需對環境變化做出毫秒級響應,實時調整抓取和操作動作以保證生產效率和良品率。針對此類需求,九章雲極 DataCanvas 展示了其自研的異構計算資源調度技術,旨在支持大規模並行計算與超低延遲任務處理,以降低企業在機器人運動控制、多模態感知融合等高複雜度場景下的算力成本。
綜合來看,WAIC 參展的頭部平臺普遍着力於提升性價比、開發易用性和滿足場景化需求,旨在幫助開發者更經濟、更高效地構建和優化具身智能應用。多樣化的智算雲解決方案共同勾勒出“高效能具身智能算力平臺”應具備的關鍵能力維度。
智算雲未來格局:新雲四強+垂直崛起
性價比、低門檻准入和技術易用性,正在成爲AI與具身智能算力“新基建”的核心標尺。
根據 WAIC 的展示,一個初步的競爭格局正在顯現。阿里雲、騰訊雲、百度智能雲、九章雲極憑藉其綜合實力處於前列;商湯科技、無問芯穹等則代表創新力量,從場景落地、平臺開放、生態合作與底層技術創新等維度尋求差異化發展。
第一梯隊綜合廠商阿里雲、騰訊雲、九章智算雲,定義基礎能力。
提到算力基礎設施,騰訊和阿里這兩大科技巨頭無疑是“大而全”的代表。
作爲超算集羣T0級選手,阿里雲則以強大的算力網絡切入具身智能領域。阿里雲底層平臺實現更高效的多模態數據處理分析,也方便了具身智能模型的訓練和推理。未來三年,超3800億元的雲與AI基礎投入,也將持續加碼底層優勢。
騰訊則從應用需求端吹起號角。Robotics X實驗室聯合發佈了具身智能開放平臺Tairos。Tairos平臺構建具身智能一站式開發能力,聯合越疆、衆擎、樂聚等多家頭部具身智能企業,強化生態協同,強調從基礎模型到場景應用的全鏈條佈局。
百度智能雲錨定場景,做技術與落地的“連接器”。智能雲持續拓展具身智能應用場景,年初與智元機器人合作推進教育、製造等領域落地,逐步成爲中後臺能力與實際應用間的橋樑。
九章智算雲作爲定位 AI 原生的智算雲廠商,以其 Serverless + RL 架構作爲切入點,凸顯了技術創新的特色。針對具身智能企業“需求波動大、成本敏感、追求效率”的痛點,九章雲極主推按實際使用量計費的模式,並宣稱通過 AgentiCTRL、“新啓業”等產品在強化學習雲化落地方面取得進展,在性價比與降低開發門檻方面進行探索。
垂直領域創新:從場景、平臺、模型與基礎設施,尋求差異化突破。
在頭部廠商依託生態、基礎設施和技術定義框架的背景下,智算領域呈現出多元化發展態勢。百度智能雲、商湯科技、無問芯穹等廠商,正從場景落地深度、平臺開放策略、生態合作模式及底層技術創新等維度尋找突破口,成爲具身智能算力生態的重要組成部分。
作爲國內AI基礎設施的“重資產”玩家,商湯以“悟能”平臺正式切入具身智能賽道,更像是一次戰略能力的順勢輸出。依託深厚的大模型經驗,商湯爲行業提供了一種技術沉澱型平臺轉型。
大模型創業公司“階躍星辰”也以“模芯生態聯盟”的生態合作形式,切入到具身智能領域,與青心意創打造了智能夥伴“Ocra I”。此外,階躍還是吉利“智能汽車算力聯盟”的一員,也體現了大模型廠商進軍算力生態的另一條路徑。
AI基礎設施獨角獸公司“九章雲極” 除自身技術路線外,亦以開放生態策略切入,發佈普惠算力生態聯盟“AI-Star”切入AI智算+具身智能領域。此外,九章雲極還是“算力互聯網試驗網“的重要成員,提供全球統一調度、優化與部署能力,尋求與行業上下游協同,有望成爲具身智能智算領域的重要變量。
結論:智算新時代的機遇與挑戰
本屆 WAIC 傳遞出兩個核心信號:一是算力基礎設施格局正在重塑,智算雲架構逐步替代傳統雲模式;二是國產算力能力正從“可用”向“好用”演進,全棧能力加速完善。
當前,頭部平臺在定義基礎能力標準,創新力量在填補特定場景和技術的空白。競爭格局尚未完全固化,但技術和商業化路徑日益清晰。最終的競爭決勝點將在於技術的前瞻性+技術的普惠化能力。
技術前瞻性方面,強化學習(RL)被普遍視爲具身智能下一階段的關鍵突破點。Sergey Levine 關於機器人模型發展路徑類比 LLM 的觀點受到重視。率先構建起能夠支撐大規模強化學習計算的平臺,將成爲搶佔下一代 AI 基礎設施制高點的關鍵。
普惠化能力方面,算力資源需要實現普惠性,纔能有效降低創新門檻。實現高性價比、低接入壁壘和技術易用性的智算雲平臺,將成爲推動具身智能產業化的核心力量。
押注技術前沿決定了 AI 智算雲所能達到的“高度”,而實現普惠化則決定了其市場覆蓋的“廣度”。當算力服務真正實現如同電力般的“即插即用”,AI 與具身智能的規模化應用將加速到來,算力基礎設施行業也將迎來新一輪的發展躍升。
免責聲明:投資有風險,本文並非投資建議,以上內容不應被視為任何金融產品的購買或出售要約、建議或邀請,作者或其他用戶的任何相關討論、評論或帖子也不應被視為此類內容。本文僅供一般參考,不考慮您的個人投資目標、財務狀況或需求。TTM對信息的準確性和完整性不承擔任何責任或保證,投資者應自行研究並在投資前尋求專業建議。