在人工智能掀起新一轮变革浪潮的当口，具身智能成为行业关注的焦点。中国AI领域的领军企业之一——阿里巴巴，也正式吹响了全面进军的号角。
这家起步于电商、后续深耕云计算与人工智能的科技巨头，在大模型技术发展逐渐成熟的背景下，正在尝试走出一条“大模型+机器人”融合的新路径，力图引领下一阶段的技术跃迁。
图源来自pixabay图库
从密集的技术研发、生态链整合，到资本加持和人才梯队建设，阿里对于具身智能的部署，已不再只是简单的业务拓展，而是一次关乎未来十年技术主导权的深远布局。
那么，为何阿里会在此时重注具身智能？
目前，具身智能这一赛道竞争异常激烈。国内方面，蚂蚁集团已成立独立子公司“蚂蚁灵波科技”，专注于具身智能产品的研发；美团则投资了它石智航、星海图等多个初创企业；京东也持续加码千寻智能与众擎机器人等相关项目。
放眼国际，谷歌推出了RT-2模型，Figure AI布局Helix系统，英伟达则深耕“世界模型”，力求在物理世界交互方面占领技术制高点。
作为中国AI产业的重要代表，阿里曾凭借云计算与智能化系统实现飞跃式发展。2021年，其市值一度突破8000亿美元，成为全球最具影响力的科技企业之一。
但随着大模型浪潮席卷而来，传统AI企业纷纷面临新的挑战。根据阿里2024年财报，其全年营收虽达到2865亿元，但研发投入同比上涨37%，净利润增速却有所放缓。AI业务尚未形成规模化盈利。
与此同时，百度、科大讯飞等同行虽在大模型方面积极追赶，但其核心营收仍依赖广告、教育等传统场景，技术落地进展缓慢。
尤其是在语言大模型快速崛起的背景下，如果缺乏感知与执行能力的支撑，单一模型能力将无法构成闭环。这也是阿里必须加速补齐“感知—理解—执行”能力链条的关键原因。而具身智能，正是实现这一目标的关键突破口。
从另一个角度来看，阿里的入局也并非仓促决策，而是其技术基因的一次自然延伸。
其核心研发团队，不仅包括达摩院的原班AI专家，也融合了来自自动驾驶、机器人控制、仿生工程等领域的技术精英。
值得一提的是，这种跨学科人才结构正体现出当前行业趋势：自动驾驶与具身智能在环境建模、实时决策、动作控制等技术维度上高度重合。
正如一位业内专家所形容：“机器人就是一台会走路的AI服务器。”而智能驾驶的感知系统，也正是具身智能的重要技术基础。
具身智能（Embodied AI）被广泛认为是AI“走向实体”的关键技术突破，其核心在于通过“身体”与真实世界深度交互，进而构建出“感知—理解—决策—执行”的完整闭环。
值得注意的是，2025年，这一技术方向首次被写入国家政府工作报告，引发了资本市场的广泛关注。仅上半年，具身智能领域国内融资就已突破200亿元，共计130起融资事件，融资规模已远超2024年全年总和。
随着马斯克提出“人形机器人将取代人类成为工业主力”的愿景，业内普遍预计，未来全球机器人保有量或将达到100亿至200亿台，构建出一个堪比智能手机的超级终端市场。
阿里此时选择“全面入局”，正是看中通过“大模型+机器人”这一路径，把在自然语言处理、多模态融合、图像识别等领域的多年积累，转化为下一阶段的增长引擎。
这一战略并非仓促起意，而是源于阿里长期的技术演进逻辑。
从早期专注于“理解语言”的大模型，到后来的“感知环境”视觉系统，再到如今走向“动手执行”的具身智能平台。阿里正在构建属于自己的具身智能技术闭环。
早在2023年，达摩院就推出了家庭服务机器人“天猫精灵X”，具备语音交互、动作识别与环境感知功能，初步实现了“语言—视觉—动作”的技术闭环。
虽然这款产品的功能相对有限，但却标志着阿里从“云端AI”迈向“实体AI”的首次尝试：从坐在服务器里“理解世界”，到真正走进现实世界“改造世界”。
2025年4月，阿里发布了名为“通义千问V6”的多模态大模型，参数规模高达5000亿，采用MoE（混合专家）架构，在语言理解、图像识别、视频分析、动作推理等维度均有技术突破。
该模型已成功接入阿里首款人形机器人“天工”，让其具备自然语言交互、情绪识别、环境建模和任务规划能力，能够完成更复杂的多步动作指令。
与此同时，阿里还计划推出“具身智能中枢平台”，整合感知、导航、交互与执行模块，为各类机器人和智能终端提供统一技术底座。
值得注意的是，阿里的整体战略布局呈现出“技术+资本+生态”的三位一体格局。
在技术层面，依托通义实验室和达摩院建设底层能力；在资本层面，通过战略投资与并购迅速整合资源；在生态层面，则与制造业、医疗、教育等多个产业形成联动，推动具身智能落地。
这种多维度协同推进的模式，既反映出阿里对具身智能的战略重视，也暴露出其所面临的激烈竞争压力与时间窗口限制。
目前，具身智能正处于技术突破与产业落地的双重临界点。阿里唯有全速推进，才能在全球AI竞赛中稳占一席之地。
