
2026年6月,具身智能赛道迎来了两个里程碑式的事件。阿里巴巴发布了千问具身智能大模型Qwen-Robot系列,英伟达则正式开源了全球首款面向物理世界的全模态大模型Cosmos3。这两大事件标志着AI从虚拟数字世界向物理现实世界的跨越迈出了实质性的一步。
阿里发布的Qwen-Robot系列包含三大模型:VLA操作模型Qwen-RobotManip、VLN移动模型Qwen-RobotNav和世界模型Qwen-RobotWorld。这是千问大模型家族首个完整的具身智能模型系列——三个模型分别为机器人装上灵巧的手、认路的脚和会思考的大脑,既可单独部署,也能协同运转,让不同形态的机器人迈向真实落地有了可靠的通用底座。
英伟达开源的Cosmos3同样震撼业界。这款模型采用混合Transformer架构,原生集成文本、图像、视频、环境音、动作五大模态,一次性解决传统多模型拼接的数据延迟和同步误差痛点。Cosmos3提供两个版本:646亿参数的Super版适用于工业、自动驾驶、人形机器人等高精度场景;157亿参数的Nano版则面向端侧轻量化低延迟部署。
开源后全球开发者可免费商用,物理AI从巨头实验室走向全民共创。这意味着机器人开发的门槛正在断崖式下降,一个小型创业团队也能基于这些开源模型快速构建出具备物理世界感知能力的智能系统。
从数字到物理的跨越,是AI领域下一个十年的主旋律。具身智能不仅让机器人更智能,更重要的是它打开了AI与实体经济深度融合的大门。随着阿里和英伟达等巨头在底层模型上的突破,2026年很可能被载入史册,成为具身智能从技术验证走向大规模商业落地的元年。