具身智能量产转向能力与基础设施闭环

机器人本体开始批量落地后，具身智能的核心难题从“造出机器”转向“持续生产能力”。一台机器人偶然完成叠衣、上下料并不等于可规模应用，真正考验在于任务成功率、人工接管率、单位成本、稳定运行时长，以及技能能否跨机器人、跨工位、跨工厂复制。

9月16日的2026智能经济论坛上，百度集团执行副总裁、百度智能云事业群总裁沈抖表示，智能体能力边界正在扩大，并开始进入规模化部署。映射到具身智能，机器人每次执行都会产生数据、误差和现场反馈，只有这些经验持续回流到模型和系统，能力才可能越用越强。

所谓“能力量产”，是把已验证的具身技能通过模型、数据、本体和场景闭环，以稳定成本复制到真实生产中。本体决定身体，模型决定上限，数据与AI基础设施决定学习速度，真实场景则检验能力能否从一次成功变成长期稳定成功。

当前VLA、世界模型、全身运动控制等路线仍并行发展，训练范式和模型分工尚未定型。百度智能云主任架构师应茹认为，越是不确定，AI基础设施越要通用灵活，目标不是单次训练更快，而是在相同时间和预算下跑更多轮训练、仿真和真机验证。

百度智能云的AI算力基础设施产品“百度百舸”将数据准备、开发训练、仿真评测和推理部署接入统一工作流。以5B至20B级VLA、WAM模型为例，SONIC训练配方已可在云上扩展至128卡；针对WAM推理瓶颈，测试中的推理延迟降至优化前四分之一。

无界动力自研快慢结合的MWA™具身大脑，在工业和商业场景中积累操作智能。其与百度智能云合作后，获得从数据处理、模型训练、仿真评测到真机推理部署的全栈支持，训练有效时长超过99.5%。

数据侧同样关键。东莞已运行由当地投入建设、百度智能云承建运营的具身智能训练场，并落地大湾区首个实体化具身智能采标实验室。训练场规划13个产业场景，覆盖家具制造、3C电子、五金模具、物流仓储，配置50台套异构本体，并持续部署Ego、UMI等100余台无本体设备。

这些数据来自真机遥操作、无本体采集以及仿真和算法生成，并统一进入采标管一体化平台。训练场还承担中试功能，让机器人先试训、再中试、后进厂，目前已服务35家具身智能企业。面向消费场景的上纬启元Q1、T1机器人，则使用百舸统一训练、微调、推理和测试环境，并结合语音交互、端云协同、安全与本体适配能力提升体验。

从千寻智能有效训练时长达到98.8%，到智元机器人、银河通用、宇树科技、星动纪元等企业的合作需求，可以看到行业共性正在收敛：模型侧需要更高训练和推理效率，数据侧要贯通采集、标注和管理，本体侧要解决交互、安全与部署，场景侧则要完成验证和复制。技术路线仍未统一，但基础设施层的分工已逐渐清晰。