一 |
一键部署OpenClaw 今天，千问办公悄然开启内测。 该图片使用了AI生成技术 本文来自微信公众号： 具身商业前哨 ，作者：何安 这次去上海参加WAIC，让我印象最深的活动是“智启具身论坛2026——迎接物理AI智能涌现”。没有发布会，没有媒体通稿，但这个产品的低调上线，可能是 2026 年国内 AI 应用领域最值得关注的信号之一。
二 |
阿里 Agent 线的“三合一” 千问办公并非从零起步。此前阿里内部并行着三条 Agent 产品线——QoderWork、悟空、MuleRun，如今全部收拢整合为“千问办公”一个产品，由钉钉新任 CEO 陈宇森牵头主导。
这场论坛的含金量，不只在于智元、PI、Dyna、Sunday、腾讯和高校研究者坐在同一张桌子上，更在于他们讨论的是数据从哪里来、模型往哪走、本体要不要自己做这些行业尚未回答的硬问题。
论坛最后，主持人问了一个所有人都关心的问题：机器人的“ChatGPT时刻”，到底什么时候来？
智元合伙人、觅蜂科技董事长兼CEO姚卯青说，两年；
Sunday Robotics联合创始人兼CEO赵子豪说，三年以内；
腾讯首席科学家、腾讯Robotics X实验室主任张正友说，三到五年；
Dyna Robotics联合创始人兼首席科学家马也骋说，四年左右；
Physical Intelligence研究科学家任至意说，四到五年；
佐治亚理工学院徐丹飞教授给出的答案是五年。
几位嘉宾所在团队的技术路线和产品落地方式并不相同，但他们给出的时间判断却出奇地接近：两到五年。 三线合一的信号很明确：阿里对办公 Agent 赛道的判断不是试水，而是决战。 第三代办公产品的范式迁移 理解千问办公的分量，需要回到办公产品的演进逻辑。 第一代 Office，本地装软件，活自己干。第二代云协同，以钉钉为代表，多人一起干，但活还是你的。
这个共识，比我想象中更激进。不过，这些数字背后的口径未必相同。
三 | 前两代商业逻辑一致——做好固定产品，所有人用同一套东西，靠规模效应盈利。 第三代完全不同。
四 | 以前卖的是固定产品，现在卖的是一种智能。 姚卯青给出的定义相对明确：机器人能够开箱即用，听懂开放式自然语言指令，并在常见任务上达到70%—80%左右的基础成功率。 但其他嘉宾并没有逐一定义自己的标准。 所以，大家对时间看似形成了共识，但对“什么才算机器人的ChatGPT时刻”，其实还没有共识。
五 | 整场讨论中，有三个问题最受关注：机器人的数据飞轮怎么形成？“VLA已死”是不是一句伪命题？具身智能公司是不是正在走向软硬件全栈？ 这三个问题，正好构成了理解当下机器人行业的三条主线：数据决定机器人如何进化，模型决定智能如何涌现，软硬件路线则决定谁能把能力真正变成产品和生意。这种智能帮你造最适合自己场景的工具，天然为你定做，不存在功能用不上，也不存在缺了你想要的。 一、机器人的数据飞轮，不是采出来的 过去几年，大语言模型的成功，给了机器人行业一个直接的想象：只要不断扩大数据、算力和模型规模，机器人是不是也会迎来一次能力涌现？ 可问题是，大语言模型需要的数据本来就存在于互联网上。机器人需要的物理经验，却没有统一的数据来源。 这个逻辑的颠覆性在于：国内 SaaS 市场一直被诟病“碎得一塌糊涂”，需求长尾、不标准、无法规模化。
六 | 姚卯青在现场做了一个估算：头部语言模型的预训练已经达到100万亿Token量级。
七 | 过去这是行业痛点，现在反倒成了通用 Agent 的机会——一个能自己造工具的东西，最擅长处理的就是长尾和不标准。 四要素齐全，为什么是阿里 Work Agent 最终拼的是四件事：模型决定智力，业务广度决定能力，企业数据决定它可否可用，组织身份和权限决定安全下限。
八 | 阿里恰好是国内少数能同时凑齐这些要素的公司。上有 Qwen 模型，中有阿里云、百炼等基础设施，下有钉钉沉淀多年的组织关系、消息、文档、流程和权限。别人需要从零拼接的东西，阿里天然就长在一起。如果要让机器人真正开箱即用，可能需要一亿小时级别的数据。
九 | 这也是陈宇森来牵头的原因——钉钉的组织关系和数据沉淀，是千问办公区别于纯模型产品的核心壁垒。
十 |
这一亿小时从哪里来？
真机数据质量高，但采集成本太贵；仿真容易扩大规模，却始终存在虚实差距；互联网视频和第一视角数据数量足够，却未必能看清最关键的手部动作和力觉信息。
讨论中，一个被反复提及的数据来源是UMI。 目前客户端和钉钉版本已上线，未来还有网页版，三端一致。
你可以简单把它理解为一种低成本的人类操作数据采集方式：人拿着采集装置完成任务，系统记录视觉信息和动作轨迹，再把这些经验转成机器人可以学习的数据。钉钉侧栏可直接处理群聊、日程、待办和各种企业工作。
赵子豪认为，短期来看，UMI可能是最高效的规模化数据来源。还有一个值得关注的细节：千问办公可以生成 HTML，连域名、数据库和托管都一并做好，一站式打通了从生成到部署的最后一公里。 
典铭云赛五周年庆，团队 140 多企业数字化专家合影 真正的门槛在“用起来” 千问办公的产品力毋庸置疑，但行业经验反复证明同一件事：强工具到手，不等于企业能用起来。但他同时强调，长期真正重要的还是部署数据。 某制造业 CIO 告诉记者，去年团队满怀期待采购了一套 AI 协作工具，三个月后后台活跃率不到 10%。
两句话放在一起，恰好勾勒出一条可能的数据路径：
UMI解决“机器人还没有大规模上岗之前，去哪里获得经验”；部署数据则解决“机器人上岗以后，如何越干越好”。“工具确实强，但没人知道怎么跟自己的业务结合，没人教怎么改 Agent 的指令，没人能回答我这个行业到底能用它做什么。
十一 | ” 这不是个例。AI 工具的落地，从来不是买完就完事。模型再强，Agent 再智能，如果没有人帮企业把业务需求翻译成 Agent 语言，没有人帮团队建立使用习惯，那它就只是一个昂贵的摆设。 任至意更看重真机数据，同时主张通过多源数据和跨本体训练，提高模型的泛化能力。 这个 gap，正在催生一个新的服务市场。 马也骋则把这些数据总结成一个“数据金字塔”。
十二 | 
典铭云赛前沿部署工程师团队（FDE）在客户现场深度陪跑 FDE 模式：把工程师派到业务现场 在千问办公的生态中，一批服务商正在承接“最后一公里”的落地工作。其中，典铭云赛作为阿里云旗舰级头部伙伴、钉钉六星级钻石头部服务商，提供的是一种名为 FDE（Forward Deployed Engineer，前沿部署工程师）的服务模式。
底层是规模最大、成本最低的互联网视频和人类第一视角数据，中间是真机多任务数据，塔尖则是数量最少、价值最高的部署数据，尤其是机器人犯错、停顿、恢复并最终完成任务的过程数据。
它不是在告诉机器人“理想情况下应该怎么做”，而是在教机器人“真实世界不按剧本走的时候怎么办”。
Dyna在酒店部署机器人完成折毛巾、折餐巾等任务时，会把前几次部署的数据重新放回预训练。随着数据积累，进入下一家酒店需要重新适配的时间就会缩短。
十三 | FDE 不是传统售后支持。
十四 | 它的核心区别在于：工程师不是在远程等工单，而是直接深入企业业务现场，跟团队一起工作、一起发现和解决问题。
十五 | 表面看，嘉宾们都认同多种数据需要组合。
十六 | 典铭云赛将这一模式拆解为六个环节——需求调研、方案定制、Agent 定制开发、全员培训、交付落地、全程陪跑，覆盖从第一天到最后一天的全生命周期。 值得注意的是，FDE 模式并非典铭云赛首创。
十七 | 但真正到了资源投入上，各家公司押注的重点并不一样：有人优先扩大人类操作数据，有人坚持真机数据，有人则直接进入真实场景，用部署换数据。 这里有一个典型的鸡生蛋问题。 没有足够好的模型，客户不敢让机器人上岗；没有真实部署，机器人又拿不到最有价值的数据。 说白了，机器人的数据飞轮不是采出来的，是在真实场景里干活干出来的。
十八 | 二、“VLA已死”，死的可能不是VLA 最近，具身智能行业很流行一句话：“VLA已死，世界模型当立。” 但在这场圆桌上，这场争论被进一步落到了VLA与WAM（World Action Model，世界动作模型）两条路线上。硅谷大数据公司 Palantir 正是靠前沿部署工程师模式拿下了政府和企业大客户。 VLA是根据视觉信息和语言指令生成动作的模型；WAM则更强调世界如何变化，以及不同动作可能带来什么结果。其核心逻辑是：通用产品解决 80%的问题，剩下 20%的定制化需求，靠驻场工程师跟客户一起解决。 Dyna确实从早期的VLA路线，逐渐把更多精力转向WAM。马也骋提到，在一些强调鲁棒性、少量数据和高成功率的任务里，WAM可能比VLA更高效。 那么，VLA真的要被淘汰了吗？ 任至意并不认同。而在国内 AI 办公市场，这种模式正在被快速验证。
图为：典铭云赛前沿部署工程师团队（FDE）在客户现场调研 落地样本：四家制造企业的 AI 实践 记者了解到，典铭云赛的 FDE 服务已在多家制造业企业落地。他认为，到目前为止，还没有看到哪家模型做出明显超过π0.7的演示效果。虽然各家场景不同，但共同特征是：每一家都不是靠标准产品解决的，而是靠 FDE 团队深入业务现场、反复打磨出来的。π0.7是PI推出的新一代通用机器人模型，也是PI对VLA路线的一次重要升级。
更关键的是，任至意认为VLA与WAM并不冲突。 某通用动力机械头部企业——产品线覆盖发电机、水泵、清洗机等品类，业务链条长、SKU 复杂。VLA本身也可以吸收世界建模和未来预测能力。典铭云赛团队深入其生产、供应链和销售环节，通过定制化 Agent 打通了从订单到交付的关键数据链路，让业务人员能用自然语言直接查询和分析数据，大幅降低跨系统协作的沟通成本。
图为：典铭云赛前沿部署工程师团队（FDE）在给客户做 AI 工具的使用培训 某医药制造企业——医药行业对合规和追溯要求极严。
机器人最终既要理解语言和当前环境，也要预测未来结果。典铭云赛为其定制了贴合 GMP 规范的业务流程 Agent，将质量审批、文档管理和生产记录搬上智能协作平台。PI的做法，就是先生成未来的子目标画面，再用这个画面引导底层模型执行动作。FDE 工程师长期驻场跟线，深入车间和实验室理解真实场景，确保系统不是“合规摆设”，而是被一线人员日常使用的工作平台。
十九 | 某通用机械制造龙头——年营收过百亿，组织架构复杂、数据分散在多个异构系统中。
| 智元也没有简单押注其中一条路线，而是在推动VLA与WAM融合，探索世界建模、推理和动作能力进一步结合的模型体系。典铭云赛从需求调研入手，在一线跟不同部门对话，梳理出十几条高优先级 AI 可发力场景，然后分批次交付落地，每一步都跟业务团队一起验证效果、调整方向。 这场讨论的张力就在这里。 任至意用π0.7说明VLA仍有很强的竞争力，马也骋则用真实任务中的效率和成功率说明WAM的价值。
| 某摩托车制造企业——面对终端市场竞争加剧，典铭云赛帮助其搭建了从市场洞察到产品反馈的数据分析 Agent，让营销和产品团队能实时获取终端动态和竞品动向。 两个人没有直接否定对方，但公司的技术下注已经给出了不同答案。同时通过全员培训，让销售、市场、产品三大部门核心人员都能独立使用，实现从“靠经验决策”到“靠数据决策”的升级。 张正友又把问题往前推了一步。 他认为，具身智能远没有形成类似大语言模型Transformer那样的统一架构。一个真正的机器人智能体，至少要包含认知系统、感知行动系统和底层反应系统。 一位接近上述某制造企业数字化项目的人士评价：“工具是通的，方法论是通的，但落地的最后一公里，必须有人在现场。 上层负责复杂推理和任务规划，中层负责感知与动作生成，底层则要以极高频率控制电机、处理碰撞和保持平衡。”
典铭云赛前沿部署工程师团队（FDE）为神驰机电数智先锋训练营提供全程陪跑服务，图为训练营结营仪式。 服务商正在成为 AI 落地的关键变量 千问办公的上线，标志着一个认知转折的开始：每个人打开电脑的第一个念头，会慢慢从“我要用什么工具”变成“我要让谁帮我干这件事”。 这个趋势不可逆。但趋势的红利，只属于真正行动并行动对的人。
典铭云赛前沿部署工程师团队（FDE）为希尔安药业 AI 创新大赛提供全程陪跑服务，图为大赛总决赛现场。
VLA没有死。 当产品能力趋于同质化，真正拉开企业AI落地差距的，不再是工具本身，而是有没有人帮你把工具用起来、用对、用深。真正可能死掉的，是“靠一个模型解决机器人所有问题”的想象。
三、全栈能力会成为趋势，但全栈生意未必会
第三个问题，是机器人公司究竟应该只做“大脑”，还是连身体一起做。
PI现阶段主要做通用基础模型，没有选择自己研发和销售本体。
任至意坦率地说，没有自研硬件，确实可能导致部分任务无法完成。典铭云赛这类服务商的存在，恰好填上了这个缺口——既懂千问办公的产品内核，又懂企业真实的业务痛点，用FDE模式把两者焊接在一起。 对于正在评估千问办公的企业来说，选产品只是第一步。选谁来陪你落地，可能才是决定成败的关键。
申请创业报道，分享创业好点子。但PI目前更看重模型快速迭代，因此优先使用结构简单、维护成本低的机器人搭建研发基础设施。 这是一条典型的“大脑路线”：先把通用模型能力做出来，把本体作为研发基础设施，而不是现阶段的商业重点。 腾讯的选择也很明确。
| 点击此处，共同探讨创业新机遇！。 张正友说，腾讯只做大脑，不会卖本体。他甚至开玩笑说，腾讯过去做硬件基本没有成功过，所以要有自知之明。 但腾讯的Robotics X实验室从2018年成立以来，却一直保留着硬件研发。因为如果没有真正做过硬件，就很难理解触觉、力觉、关节控制和端侧算力，究竟会给模型带来什么限制。 这是一条很微妙的边界：商业模式上可以不卖本体，研发上却不能不懂本体。 智元走的是另一条路。
| 姚卯青认为，一旦机器人进入客户现场，面对的就不再是论文指标和Demo效果，而是可靠性、成本、成功率和一致性。 这些问题没办法只靠模型解决。 端侧芯片能运行多大的模型，电池能工作多长时间，关节如何控制，整机能不能稳定量产，都会反过来决定机器人的智能上限。 Sunday Robotics选择三指夹爪，也是同样的逻辑。
| 赵子豪认为，机器人的手要在成本与能力之间做平衡。三指夹爪追求的是用20%的成本获得80%的能力。
| 今天，通用机器人迟迟没能大规模进入家庭和更多真实生产场景，未必是因为少了两根手指，更可能是因为智能不够、成本太高、稳定性不足。 这正是全栈路线的价值：不是为了什么都做，而是在模型、算力、本体、控制、成本和场景之间更好地做取舍。 那么，软硬件全栈会不会成为新趋势？ 我的判断是：全栈能力会成为趋势，但全栈商业模式未必会成为唯一答案。 未来，机器人行业很可能会出现类似苹果的公司，模型、本体、系统和产品都自己完成；也会出现类似安卓和Windows的平台，只做通用大脑，适配不同本体。 但在今天，本体、传感器、灵巧手、芯片和控制系统都没有标准化。即使一家公司的最终目标只是卖“大脑”，也很难完全绕开身体。没有一家公司还能假装硬件不存在。 四、两年还是五年，其实没那么重要 这场论坛听下来，我最大的感受，是机器人行业远远没有收敛。 哪种产品形态最适合家庭和工厂，没有答案；VLA、WAM、端到端模型和分层系统，谁会成为主流架构，也没有答案。 数据配方仍在变化，商业模式同样分散。有人卖整机，有人做模型，有人做数据平台；有人押注工厂，也有人瞄准家庭。 表面看，这是一种混乱。换个角度看，这也是机会。 在一个尚未收敛的行业里，大厂和创业公司、中国团队和美国团队，都没有提前拿到标准答案。 所以，听完整场论坛，我反而不太在意答案究竟是两年还是五年。
| 机器人的“ChatGPT时刻”，不会只由某一次模型发布宣布到来。 它真正出现的标志，是数据、模型、本体与真实部署第一次形成自我加速：机器人部署得越多，积累的数据越多，能力提升越快，进入新场景的成本也越来越低。
| 在这之前，所有时间表都只是预测，所有路线都还在验证。
| 本内容由作者授权发布，观点仅代表作者本人，不代表虎嗅立场。如对本稿件有异议或投诉，请联系 [email protected]。
Current article:http://v66x.zhanggengsenchaiweikeng.cfd/news/20260826_700.html
Published on:00:31:24