最近出了哪些新的具身智能？

近期具身智能可分为“大脑”与“身体”两条线：模型侧有阿里通义千问 Qwen-Robot（Chat2Robot 体验＋百炼 API）和紫东太初 ZDTaichu5.0-9B（轻参数、重空间推理）；硬件侧高德四足机器人主打商用落地。文章还串起世界模型、3D 生成、芯片与云平台等底座，并按不同需求给出选型建议，提醒以官网信息为准。

最近这一波具身智能的新东西，其实可以分成两条线看：一条是”大脑”——多模态模型和具身基础模型，另一条是”身体”——真正能跑能走能干活的机器人硬件。如果只问”最近出了哪些”，我建议先记住三个名字：阿里通义千问的 Qwen-Robot、紫东太初 ZDTaichu5.0-9B、高德四足机器人，它们分别代表了”模型套件””空间推理大脑””商用硬件”三种不同打法。下面按这个脉络展开，顺带把周边配套的东西也串一遍。

一、先看”大脑”：具身基础模型与多模态空间推理

Qwen-Robot：把”聊天”变成”指挥机器人”

Qwen-Robot Suite 是阿里通义千问团队面向物理世界智能推出的具身基础模型套件，属于 Qwen 家族的一员。它最实用的一点是提供了 Chat2Robot 这种零门槛体验方式——你不用先搭一套机器人环境，先在对话里感受”自然语言怎么转成机器人动作指令”这件事；真要落地，则可以通过百炼 API 接入自己的系统。也就是说，它同时照顾了”想试试看”和”要接进生产”两类人。对开发者来说，这种”体验入口 + API 接入”的双通道设计，比只丢一个模型权重友好得多。

ZDTaichu5.0-9B：轻参数、重空间

紫东太初 ZDTaichu5.0-9B 的定位很有意思，可以概括为”轻参数、重空间“的通用多模态模型。它不追求像超大闭源模型那样全领域通吃，而是把力气花在机器人空间推理上——这恰恰是具身智能最要命的一环：机器人得知道”东西在哪、我离它多远、往哪个方向伸手”。9B 这个体量对想在本地或边缘侧部署的团队来说，是个比较现实的选择。如果你关心的是”模型能不能理解三维空间关系”，这个值得单独看一看。

世界模型与 3D 生成：让机器人”预演”和”看见”

具身智能要动起来，光有语言和空间推理还不够，还得能预测”我这么动，世界会怎样”。这块可以关注两个：

• Odyssey 2 Max 世界模型：定位是通用世界模型，强调的是从”识别”走向”理解”物理世界，走的是物理仿真这条路，和普通视频生成模型不是一回事。对需要大量仿真训练数据的具身团队来说，这类模型的价值在于”造场景”。
• 字节跳动火山引擎 Seed3D 2.0：新一代 3D 生成大模型，主打几何与纹理双 SOTA，定位从”可用”跨到”生产可用”。机器人要理解物体形状、要做抓取规划，高质量的 3D 资产是底层原料。

另外，Seedance 2.5 是字节 Seed 团队自研的下一代 AI 视频生成模型，虽然主业是视频生成，但在具身领域常被用来做场景与演示内容的生产，属于”周边但用得上”的工具。

二、再看”身体”：真正下场做硬件的

高德四足机器人：从数字导航跨到物理世界

高德四足机器人是阿里巴巴集团旗下高德地图具身业务部推出的首款具身智能硬件产品，意义在于阿里正式从数字导航跨界切入物理世界的机器人赛道。要注意它的取向：并非面向家用消费市场，而是奔着商用机器人解决方案去的。这个定位其实很符合高德的基因——导航、路径规划、空间数据本来就是它的老本行，搬到四足平台上算是顺理成章。

涂鸦智能：AI 硬件开发平台的角色

如果你不是要做机器人本体，而是想做”带 AI 的硬件”，涂鸦智能是绕不开的平台型选手。它是全球领先的 AI 云平台服务提供商，理念是”将 AI 应用于生活”，从 2014 年成立初期做”IoT 连接器”，已经转型成更完整的 AI 硬件开发平台。具身智能不只有人形和四足，大量带感知、能交互的智能设备都属于这个大范畴，涂鸦补的正是”平台与连接”这块拼图。

三、容易被忽略但很关键：算力、连接与交互底座

具身智能不是单点突破，底座不牢，上面全是空中楼阁。这几样建议一并放进视野：

• 阿里达摩院玄铁 C950 芯片：新一代旗舰 RISC-V CPU，面向 AI Agent 时代提供高性能算力支持。机器人本体对功耗和实时性敏感，RISC-V 路线值得关注。
• 声网：全球实时音视频云服务的开创者与领导者，最初以高质量、低延迟的实时音视频 API 闻名，服务覆盖 200 多个行业场景。机器人要远程遥控、要低延迟回传，这类能力是刚需。
• Convai：对话式 AI API，做语音识别、语言理解和生成，以及文本转语音，常用于游戏和语音应用。放到具身场景里，它就是”让机器人能听会说”的那一层。
• OpenAI Calm Tech：OpenAI 携手乔纳森·艾维推出的硬件设备，主打告别数字焦虑、重塑智能家居交互体验。它不属于机器人本体，但代表了”AI 硬件如何自然融入生活”的另一条思路，对做具身交互设计的人有参考价值。

还有一个偏内容生产的：A9 AI 产品宣发 AI 生成器，摹客团队推出的企业视频制作工具，用来解决传统视频制作流程繁琐、周期长、成本高的问题。做具身产品的团队要发发布会、要做演示片，这类工具能省不少事。

四、一张表看清各自的位置

五、怎么选：给不同人的建议

1. 想快速上手体验具身模型：从 Qwen-Robot 的 Chat2Robot 入手，几乎零成本感受”语言到动作”的链路。
2. 做空间推理相关研发：ZDTaichu5.0-9B 的”轻参数重空间”路线更适合边缘部署和快速迭代。
3. 关注商用落地硬件：高德四足机器人的商用定位值得跟踪，尤其看它怎么把导航能力迁移到物理空间。
4. 需要训练数据与场景：世界模型（Odyssey 2 Max）加 3D 生成（Seed3D 2.0）是一套”造世界”的组合。
5. 做硬件产品而非本体：涂鸦智能这类平台能省掉大量连接与云端的重复劳动。

最后提醒一句：这类产品迭代极快，具体的能力边界、接入方式和商务政策，以各产品官网为准，别拿二手信息做技术选型。

相关问题

1. 具身基础模型和普通多模态大模型有什么区别？
普通多模态模型重在”看懂和说清”，具身基础模型还要输出可执行的动作或指令，并且对空间关系、实时性要求更高。

2. 9B 参数的模型做机器人空间推理够用吗？
参数不是唯一标准，ZDTaichu5.0-9B 走的就是”轻参数、重空间”的路线，关键看它在具体任务上的表现和部署成本。

3. 四足机器人为什么先落地商用而不是家用？
商用场景任务明确、容错空间大、付费意愿强，高德四足机器人就明确不是面向家用消费市场的。

4. 世界模型对具身智能到底有什么用？
它能让系统在虚拟环境里预演动作后果，从而低成本地生成训练数据、验证策略，减少真机试错。

5. 做具身智能一定要自己做硬件吗？
不一定。可以像涂鸦智能那样基于平台做 AI 硬件，也可以只做模型层，通过 API 接入别人的本体。

参考链接

• ZDTaichu5.0-9B ↗
• Qwen-Robot ↗
• Seedance 2.5
• Odyssey 2 Max世界模型 ↗
• 涂鸦智能 ↗
• 高德四足机器人 ↗
• OpenAI Calm Tech ↗
• Convai ↗
• 声网 ↗
• 具身智能