阿里押注具身智能，通义千问林俊旸亲率团队攻坚物理 AI

2025 年 10 月，阿里通义千问大模型负责人林俊旸通过社交媒体透露，已亲自组建一支专注于机器人与具身智能的小型研究团队。这是通义千问大模型正式从虚拟交互场景，向物理世界的实际应用延伸。行业普遍认为，这是阿里巴巴至今在物理 AI 系统领域最明确的探索行动，也让阿里成为继 OpenAI、Google 之后，又一家在具身智能赛道重点布局的科技巨头。

林俊旸在社交平台上提到，多模态基础模型正逐步进化为能利用工具和记忆、通过强化学习完成长期推理的基础智能体，而这类智能体本就该从虚拟世界走向现实世界。

公开资料显示，林俊旸2019年北大硕士毕业后加入阿里，先后主导了 M6 大模型、Qwen 系列模型的研发工作，是阿里在多模态技术积累过程中的关键推动者。

▍通义千问已实现全模态覆盖 超八成具身企业已将Qwen-VL列为训练基座

相关资料显示，通义千问已实现全模态能力覆盖，自 2023 年 4 月发布以来，其家族产品不断迭代，最新的旗舰模型 Qwen3-Max 凭借 36T tokens 的预训练数据量、万亿级参数规模，在 Coding 能力与深度推理方面跻身全球前三，更有消息表示，其性能已超越 GPT5 等同类竞品。

针对具身智能的需求，通义千问新推出的 Qwen3-VL 模型还特别强化了微小物体识别、三维空间建模等核心能力，可直接为机器人动态路径规划等任务提供技术支持。

在刚刚结束的云溪大会上，通义千问披露，目前超八成从事具身智能研发的企业，已将 Qwen-VL 系列作为训练基座，该系列的空间感知与长时记忆技术，精准解决了行业内的多个痛点问题。

沙利文2025上半年报告显示，在中国企业级大模型调用市场中，阿里通义占比第一

沙利文发布的报告显示，2025 年上半年中国企业级大模型日均调用量达到 10.2 万亿 Tokens，其中通义千问以 17.7% 的份额稳居第一，高于字节豆包的 14.1% 和 DeepSeek 的 10.3%。

截至目前，通义千问已开源300 余个全尺寸模型，全球累计下载量突破 6 亿次，衍生模型数量达 17 万个，为技术落地提供了广泛的场景验证。此外，阿里云智能集团最新季度的收入增速创下近三年新高，其中 AI 相关产品收入更是连续七个季度实现三位数增长。

▍大模型的下半场一定是聚焦于AI物理智能

行业分析师认为，聚焦AI物理智能是大模型企业战略转型的重要方向。AIGC市场增量空间会逐渐趋于平稳，而具身智能与机器人赛道，则会成为大模型企业新增长点，这是AI产业发展到一定阶段的必然结果。

阿里巴巴 CEO 吴咏铭在云栖大会上曾表示，全球 AI 正从基础模型阶段，逐步向具身智能、机器人化应用阶段演进，未来五年全球在这一领域的相关投资有望突破 4 万亿美元。

英伟达 CEO 黄仁勋更早做出预判，认为 AI 与机器人领域潜藏着数万亿美元级别的增长机遇。从技术逻辑来看，当大模型具备抽象推理与任务分解能力后，结合强化学习与记忆模块向物理世界延伸，已成为其能力进化的自然路径。

阿里巴巴近1年的投资占比，聚焦人工智能与先进制造（来源：IT桔子）

值得一提的是，近两年，阿里在具身智能领域的探索正在全面加速，资本端，自 2024 年起，阿里已先后投资逐际动力、星动纪元等多家具身智能企业，2025 年 9 月阿里领投自变量机器人 1.4 亿美元的融资，成为重要战略投资方，业界普遍认为，阿里有望在云计算、AI 平台、供应链等方面与自变量机器人展开深度协同。

技术层面，在 2025 杭州云栖大会上，阿里云与英伟达宣布开展 Physical AI（物理人工智能）合作，双方将整合技术资源，推动具身智能、辅助驾驶等领域的应用落地。阿里云人工智能平台 PAI 将集成英伟达全套 Physical AI 软件栈，为企业提供从数据预处理到仿真测试的全链路服务。

此外，阿里通过开源千问大模型，为自主机器人开发提供了全栈式解决方案，其内核是 ROS，自带视觉、导航、定位和大模型，覆盖从仿真、控制到交互的完整流程。

不过，具身智能赛道的竞争已进入白热化阶段。从全球范围来看，特斯拉 Optimus、优必选 Walker S 等产品已启动量产，据预测，2025 年全球具身机器人出货量将达到万台级别，到 2030 年这一领域的市场规模或突破 2326 亿元。对阿里而言，如何将虚拟世界的技术优势转化为物理世界的工程能力，如何解决核心部件国产化与成本控制等问题，仍需要时间来检验。

▍结语与未来：

当前，AI 基础模型的性能逐渐趋同，物理世界的落地能力正成为新的竞争分水岭。阿里此次布局AI物理智能更多的指向为通过千问大模型打造为机器人的大脑操作系统，再结合阿里云的算力基础设施与行业解决方案经验，阿里有望在工业制造、仓储物流等核心场景快速建立行业标准。

不过，当前在 AI 物理智能领域，国内头部人形机器人本体企业已加快技术布局：一方面针对细分赛道构建专属模型，另一方面同步推出异构百万级真机数据集，为机器人在特定场景的适配性打下基础。行业内，关于技术路线的选择仍存分歧，究竟侧重通用大模型的兼容性，还是坚持自研模型的针对性，尚未形成统一共识。这一争议下，国际头部企业 Figure 的动作颇具参考意义，其年初自主研发的 Helix 模型，正是 “自研模型” 路线的典型实践，为行业提供了差异化样本。

需要注意的是，具身智能的发展涉及机械制造、传感器融合等多个跨界领域，单一企业难以覆盖全链条技术。无论是细分模型的迭代、真机数据集的扩充，还是技术路线的推进，都离不开生态伙伴在场景、硬件、数据等方面的协同。因此，如何平衡自身核心研发与生态伙伴的资源整合，已成为影响人形机器人技术从实验室走向落地的关键因素。