阿里通义千问 Qwen-Robot 蓝白概念人形机器人。

7月15日，小米、腾讯、星尘智能三家公司在同一天发布具身大模型，各擅胜场。

在此之前，阿里的Qwen-Robot三件套已经发布，华为CloudRobo开启公测，蚂蚁灵波也连发多款模型；而往后看，它石智航的新品也要在WAIC亮相……

如果说2023年是大模型的“百模大战”，那2026年的夏天，具身智能正在迎来自己的“群战”时刻。

7月17日，WAIC 2026将在上海开幕。本届大会首次将具身智能与智算并列为两大核心赛道，超200家相关企业参展。各家公司选择在这一阶段密集发布，显然不是巧合。

谁能在WAIC这个“超级秀场”上抢占认知高地，谁就可能在接下来的生态竞争中占据先手。

01. 

三家公司，三条路线

同一天发布的三款具身大模型，选择了完全不同的切入点。

小米：用生成模型解决“数据荒”

小米主打数据生成。

其发布的Xiaomi-Robotics-U0是一个380亿参数的多模态自回归具身生成基础模型，是具身领域首个“通吃”四类任务的统一生成模型，打通了机器人图片和视频数据的生成与编辑链路。

它的核心能力是自主生成和扩增机器人训练所需的数据，包括换物体、换光照、换背景、加干扰，无需重新采集就能扩增数据集，也能从零生成全新场景。官方称生成效率提升了83倍，并已全量开源。

这背后是行业“物理交互数据极度稀缺”的痛点。业内测算，具身智能模型训练所需物理交互数据达数百PB级，现有数据缺口超99%，这也是小米用生成模型来“造数据”的价值所在。

 

腾讯：让机器人从“看懂”到“会想”

腾讯的打法是“双模型并行”。

Hy-Embodied-VLM-1.0负责视觉理解，让机器人“看懂”现实世界。Hy-Embodied-RxBrain-1.0负责世界认知，让机器人学会“推理和想象”。

这是一条从“识别”向“认知”升级的路径。传统VLA模型的问题是：它能看到杯子，但不知道倾斜15度后水会不会洒。RxBrain要补的就是这一环，在数字空间里先“想”一遍物理后果。

同日，腾讯云也与RoboScience达成战略合作，推出了行业首个云端EaaS具身智能服务，覆盖算力、模型、音视频感知、物联网协同四大方向。在发布模型的同时，铺好了一层“云+”的底座。

 

星尘智能：模型+ OS +本体，三位一体

和前面两家互联网出身的玩家不同，星尘智能走的是全栈闭环路线。Lumo-2是大脑，Philia是管家系统，绳驱本体Astribot T1是身体——三层全是自己的。

Lumo-2引入了Latent World-Action Model（隐式世界—动作模型），在“看”和“动”之间加了一步“预演”。模型在压缩的隐空间里建模物体位移矢量、接触力矩变化、容器倾角速率等物理变量，基于推演来决定下一步动作。官方技术报告显示，Lumo-2在未见过的物体和指令场景下任务成功率较前代提升42%，端到端延迟由253.66ms压缩至93.53ms。

Philia则解决多机协同和长期记忆问题，例如记住主人偏好、协调多台机器人干活、跨平台无缝切换，这是机器人真正进家干活时必然会遇到的痛点。

 

更长的时间线：阿里、华为、蚂蚁灵波、它石智航

实际上，在7月15日之前，密集发布的节奏已经开始。

6月16日，阿里巴巴千问具身智能大模型Qwen-Robot系列发布，涵盖VLA操作模型Qwen-RobotManip、VLN移动模型Qwen-RobotNav，以及世界模型Qwen-RobotWorld，相当于给机器人装上“灵巧的手”“认路的脚”和“会思考的大脑”。

6月30日，华为全流程具身智能开发平台CloudRobo开启公测。该平台基于盘古大模型的多模态能力，整合数据合成、标注、模型开发、仿真验证等端到端能力，提供具身多模态生成大模型、具身规划大模型和具身执行大模型三大核心模型。

7月8日至10日，蚂蚁灵波连续发布“全栈大脑2.0”矩阵。其中，LingBot-VLA 2.0已全面开源，支持20种机器人构型，主打“一脑多机”；LingBot-VA 2.0则是业界首个“具身原生”世界动作模型。

此外，它石智航AWE 3.5也将在WAIC现场亮相，从6月到7月，至少有七家中国公司计划或已发布具身大模型。

 

下表梳理了各家具身大模型的发布时间、核心定位和技术亮点，供参考。

 

02. 

技术分歧下的共识与前路

虽然技术路线各不相同，但多家公司的发布放在一起看，仍有几个关键词已成为行业的共识。

一是开源生态。小米U0全量开源、蚂蚁全系开源、NVIDIA GR00T进Hugging Face，具身大模型正在复制NLP“开源建生态”的路径，降低门槛的同时也在争夺标准定义权。

二是数据合成。小米用生成模型“造数据”，腾讯用世界模型“推演数据”，物理交互数据稀缺这个99%缺口的痛点正在被各家从不同角度攻克。

三是认知深化。从VLA到世界模型再到原生预训练，能力边界从“模仿动作”走向“理解物理”，腾讯RxBrain、星尘Lumo-2、蚂蚁VA 2.0都在让机器人长出“会思考的大脑”。

四是系统闭环。华为、星尘、腾讯云都在做“模型+平台+硬件+数据”全栈，单点突破的时代正在过去。

 

但问题也很现实。

受控环境下可以测出高成功率，但真正的工厂和家庭环境充满不确定性，“能演示”和“能干活”之间还有一段距离。当下，具身模型技术路线尚未收敛，VLA、世界模型、原生基座、隐式动作模型……各家各走各路，哪条能跑通还远未可知。而庞大的数据缺口不是一两个生成模型可以填上的，合成数据与真实物理之间仍有不小的sim-to-real鸿沟。

2026年可能不是具身智能的“iPhone时刻”——那需要一款杀手级产品、一套成熟生态和一个大众市场。但它很可能是“Android时刻”，各路玩家入场，路线多元探索，生态开始构建，标准逐步形成。

WAIC 2026也许就是这个时刻的注脚。当200家企业挤在H3馆秀肌肉时，真正的竞争或许才刚刚开始。