美股研究社

2025世界人工智能大會（WAIC 2025）上，超150個機器人集中亮相，數量創歷屆之最。

機器人進行拳擊對練、精細操作演示（如端取飲料）等活動吸引觀眾的同時，其背后反映的是具身智能與大模型技術的加速融合，以及對算力需求的持續提升。這也導致本就因AI而火熱的算力競賽進一步升級。據東方財富數據顯示，算力概念(BK1134)板塊在2025年6月23日至7月29日期間累計漲幅達11.6%，體現了市場對具身智能算力需求增長前景的預期。

Business Research預測，全球GPU專用云市場未來十年有望實現近15倍的爆發式增長。敏銳把握這一供需變化，國內算力基礎設施行業同步加速了新基建的步伐。

WAIC期間，九章云極、騰訊云、阿里云、百度智能云、商湯科技等國內頭部 AI 算力基礎設施提供商紛紛展示其解決方案。一場圍繞性價比、架構演進和應用場景等多維度的AI 新云（NeoCloud）競爭，已在 AI+具身智能領域全面展開。

那么，誰將在這一競逐中構筑更堅實的 AI 算力基礎？

具身智能企業需要什么樣的AI智算云平臺？

具身智能的加速落地，依賴于構建完善的算力筑基+模型支撐+現實交互三角體系，其中算力基礎設施的優化是關鍵突破口。行業分析報告預計，未來3年內，具身智能機器人對算力的需求年增長率將超過70%。

數據顯示，超過七成的具身智能相關企業，其算力投入占研發成本的比例超過10%。算力資源彈性不足與高昂成本，構成了具身智能企業面臨的首要挑戰。宇樹科技創始人王興興曾在2024年指出具身智能大模型研發成本高昂，而在今年的WAIC上，宇樹科技依然展示了其在算力領域的持續投入。

面對具身智能帶來的巨大算力市場潛力，九章云極、騰訊云、阿里云、百度智能云、商湯科技、無問芯穹等國內智算云廠商紛紛亮劍。九章云極旗下九章智算云平臺亮出首個工業級強化學習云平臺AgentiCTRL，推出首個企業級智能體引擎新啟業，為推理交互需求強的具體智能場景開辟入口；騰訊聯合發布開放平臺Tairos；阿里云推出基于AnalyticDB的具身智能架構；商湯上線悟能平臺。

AI 算力與具身智能的結合無疑是 WAIC 的核心議題之一。從需求角度看，具身智能需要的算力服務正圍繞成本效益（普惠降本）、工具鏈完備性、開發效率提升三個關鍵維度進行重構，參展廠商在 WAIC 上也展示了針對這些需求的解決方案進展。

痛點一：算力成本高企，普惠性成為關鍵競爭力

具身智能的發展高度依賴大模型技術，而大模型的訓練與推理成本在整體投入中占比顯著。中國工程院院士鄭緯民指出，大模型訓練成本中約70%用于算力，推理過程中該比例則超過95%。

調研顯示，52.3%的企業面臨算力資源彈性調度能力不足的問題，42.3%的企業受到高昂算力成本對利潤空間的擠壓。具身智能訓練對算力的消耗持續攀升，已成為創新落地的核心瓶頸之一。一邊是高性價比算力的稀缺，另一邊則是資源利用效率偏低，智算平臺如何讓機器人企業用得起、用得上一個極具價值的戰略問題。

從 WAIC 參展廠商的策略看，兩條路徑較為清晰：一是按實際使用量計價，二是實現算力資源的柔性調度。

前者以九章云極為典型代表，通過創新的Serverless架構推出按需調用、彈性擴容的算力包模式，該模式以標準化單位（如1度算力）計量，企業僅需為實際消耗的計算資源付費，無需承擔復雜的集群管理負擔，從根本上降低接入門檻、消除非使用算力的計費問題、并簡化模型適配。

后者如無問芯穹，側重在算力供需之間發揮橋梁作用，整合分散算力，從而降低整體接入成本。

痛點二：技術演進關鍵，強化學習成為AI算力+具身智能的橋梁。

具身智能的突破正逐步轉向預訓練+強化學習協同。全球知名機器人大腦公司Physical Intelligence聯合創始人Sergey Levine教授在WAIC上指出，機器人模型的發展路徑將趨近于大語言模型（LLM），強化學習的作用不可忽視。

機器人需要構建龐大的專業知識庫，基于人類經驗反饋的強化學習有助于建立更強大的交互式智能系統。當前，主流智算平臺已開始布局強化學習訓練能力。然而，真正落地強化學習云，遠不止算力疊加，更是底層架構的重構。

值得推崇的是，九章云極推出全球首個萬卡級RL平臺AgentiCTRL，深度封裝環境模擬、策略執行等復雜流程，實現了強化學習訓練流程的顯著簡化，端到端性能提升5倍同時成本降低60%，從而穩居強化學習云領域第一梯隊。

九章云極的快速行動之外，其他算力廠商也在加速布局這一領域。阿里云基于云原生AI一站式開發平臺推出Ray on PAI方案，實現云上一鍵提交強化學習。據阿里云透露，平臺支持某團隊多個千卡 RL 任務，Ray的RL訓練任務穩定運行超過一周。

強化學習技術的易用性提升，正成為算力平臺適配具身智能需求的下一個競爭焦點。

痛點三：開發效率需突破瓶頸，云邊端協同工具鏈至關重要。

具身智能在實時決策延遲、云到端數據協同效率、多模態協同計算等業務場景下存在特定需求，對算力平臺提出了明確要求。

例如，在工業場景中，機器人需對環境變化做出毫秒級響應，實時調整抓取和操作動作以保證生產效率和良品率。針對此類需求，九章云極 DataCanvas 展示了其自研的異構計算資源調度技術，旨在支持大規模并行計算與超低延遲任務處理，以降低企業在機器人運動控制、多模態感知融合等高復雜度場景下的算力成本。

綜合來看，WAIC 參展的頭部平臺普遍著力于提升性價比、開發易用性和滿足場景化需求，旨在幫助開發者更經濟、更高效地構建和優化具身智能應用。多樣化的智算云解決方案共同勾勒出高效能具身智能算力平臺應具備的關鍵能力維度。

智算云未來格局：新云四強+垂直崛起

性價比、低門檻準入和技術易用性，正在成為AI與具身智能算力新基建的核心標尺。

根據 WAIC 的展示，一個初步的競爭格局正在顯現。阿里云、騰訊云、百度智能云、九章云極憑借其綜合實力處于前列；商湯科技、無問芯穹等則代表創新力量，從場景落地、平臺開放、生態合作與底層技術創新等維度尋求差異化發展。

第一梯‌隊綜合廠商阿里云、騰訊云、九章智算云，定義基礎能力。

提到算力基礎設施，騰訊和阿里這兩大科技巨頭無疑是大而全的代表。

作為超算集群T0級選手，阿里云則以強大的算力網絡切入具身智能領域。阿里云底層平臺實現更高效的多模態數據處理分析，也方便了具身智能模型的訓練和推理。未來三年，超3800億元的云與AI基礎投入，也將持續加碼底層優勢。

騰訊則從應用需求端吹起號角。Robotics X實驗室聯合發布了具身智能開放平臺Tairos。Tairos平臺構建具身智能一站式開發能力，聯合越疆、眾擎、樂聚等多家頭部具身智能企業，強化生態協同，強調從基礎模型到場景應用的全鏈條布局。

百度智能云錨定場景，做技術與落地的連接器。智能云持續拓展具身智能應用場景，年初與智元機器人合作推進教育、制造等領域落地，逐步成為中后臺能力與實際應用間的橋梁。

九章智算云作為定位 AI 原生的智算云廠商，以其 Serverless + RL 架構作為切入點，凸顯了技術創新的特色。針對具身智能企業需求波動大、成本敏感、追求效率的痛點，九章云極主推按實際使用量計費的模式，并宣稱通過 AgentiCTRL、新啟業等產品在強化學習云化落地方面取得進展，在性價比與降低開發門檻方面進行探索。

垂直領域創新：從場景、平臺、模型與基礎設施，尋求差異化突破。

在頭部廠商依托生態、基礎設施和技術定義框架的背景下，智算領域呈現出多元化發展態勢。百度智能云、商湯科技、無問芯穹等廠商，正從場景落地深度、平臺開放策略、生態合作模式及底層技術創新等維度尋找突破口，成為具身智能算力生態的重要組成部分。

作為國內AI基礎設施的重資產玩家，商湯以悟能平臺正式切入具身智能賽道，更像是一次戰略能力的順勢輸出。依托深厚的大模型經驗，商湯為行業提供了一種技術沉淀型平臺轉型。

大模型創業公司階躍星辰也以模芯生態聯盟的生態合作形式，切入到具身智能領域，與青心意創打造了智能伙伴Ocra I。此外，階躍還是吉利智能汽車算力聯盟的一員，也體現了大模型廠商進軍算力生態的另一條路徑。

AI基礎設施獨角獸公司九章云極 ‌ 除自身技術路線外，亦以開放生態策略切入，發布普惠算力生態聯盟AI-Star切入AI智算+具身智能領域。此外，九章云極還是算力互聯網試驗網的重要成員，提供全球統一調度、優化與部署能力，尋求與行業上下游協同，有望成為具身智能智算領域的重要變量。

結論：智算新時代的機遇與挑戰‌

本屆 WAIC 傳遞出兩個核心信號：一是算力基礎設施格局正在重塑，智算云架構逐步替代傳統云模式；二是國產算力能力正從可用向好用演進，全棧能力加速完善。

當前，頭部平臺在定義基礎能力標準，創新力量在填補特定場景和技術的空白。競爭格局尚未完全固化，但技術和商業化路徑日益清晰。最終的競爭決勝點將在于‌技術的前瞻性+‌技術的普惠化能力‌。

技術前瞻性方面，強化學習（RL）被普遍視為具身智能下一階段的關鍵突破點。Sergey Levine 關于機器人模型發展路徑類比 LLM 的觀點受到重視。率先構建起能夠支撐大規模強化學習計算的平臺，將成為搶占下一代 AI 基礎設施制高點的關鍵。

普惠化能力方面，算力資源需要實現普惠性，才能有效降低創新門檻。實現高性價比、低接入壁壘和技術易用性的智算云平臺，將成為推動具身智能產業化的核心力量。

押注技術前沿決定了 AI 智算云所能達到的高度，而實現普惠化則決定了其市場覆蓋的廣度。當算力服務真正實現如同電力般的即插即用，AI 與具身智能的規?；瘧脤⒓铀俚絹恚懔A設施行業也將迎來新一輪的發展躍升。