6月16日，阿里巴巴正式发布千问大模型家族首个完整的具身智能模型系列Qwen-Robot，一次性推出三大核心模型，覆盖机器人操作、移动导航与世界认知全链路。这是千问大模型首次从数字世界向物理世界延伸，也标志着阿里正式进军具身智能赛道。
三大模型各司其职：手、脚、大脑一次配齐
Qwen-Robot系列由三款基础模型组成。Qwen-RobotManip是VLA（视觉-语言-动作）操作模型，负责机械臂精细操作，基于超3.8万小时开源语料预训练；Qwen-RobotNav是VLN（视觉-语言-导航）移动模型，统一支持指令跟随、目标导航、目标追踪和自动驾驶四类任务；Qwen-RobotWorld则是世界模型，能够预判物理世界的动态规律。三款模型既可单独部署适配不同形态的机器人，也可协同运转，为各类具身智能体提供标准化通用底座。为什么重要：此前机器人公司往往需要为不同任务拼接多套专用模型，阿里把”感知—决策—执行”整条技术栈打包成一套模型矩阵，显著降低了行业接入门槛。
80维统一动作表征：解决VLA模型迁移难题
传统VLA模型的核心痛点是迁移能力不足——换一款机器人、换一个场景，性能就明显下降。Qwen-RobotManip从动作统一和空间统一两个方向切入：一方面用一套80维统一动作表征，为不同构型的机器人硬件定义通用”肢体语言”；另一方面不再依赖繁琐的绝对坐标计算，而是直接基于摄像头画面中的相对位置进行操作，面对环境变化时适应更快。搭载到新硬件平台，通常只需数步交互反馈即可完成适配。该模型在横跨30项真实世界任务、覆盖4个机器人平台的RoboChallenge Table30 v1三方真机测评中取得靠前名次。阿里还同步披露了内部机器人智能体框架Qwen-RobotClaw，让Qwen VLM智能体能把这套模型当作物理世界的工具来调用。
巨头入场：具身智能竞争格局正在改写
阿里此次入场并非孤例。6月22日，英伟达发布业内首套物理AI全栈安全系统Halos for Robotics；无界动力完成超2亿美元天使轮融资；智平方完成近50亿元融资、估值突破200亿元。据行业月报统计，2026年1至5月具身智能产业企业销售收入同比增长22.4%，工业企业购进具身智能机器人总金额同比增长2.3倍。行业竞争正从创业公司主导向巨头全面入场转变。对阿里而言，Qwen-Robot的价值不止于模型本身——它是首个把统一动作表征与自身云计算、百炼MaaS平台、开源生态打包提供的厂商，意在定义机器人感知世界、表达动作的框架标准。
从对话到落地：物理AI成AI下一站
据新华社报道，业界专家普遍认为AI正加速走进真实物理场景，物理AI是下一阶段重要发展方向，但现有模型仍面临交互数据短缺、虚拟与现实脱节等挑战。Qwen-Robot给出的思路是以世界模型补足物理规律认知，以开源语料和真机测评缩小仿真与现实的差距。对普通开发者和企业用户来说，接下来可以关注阿里百炼平台上的具身智能接口开放进度，以及开源社区的适配生态——当机器人”通用底座”像大模型API一样即取即用，实体落地速度会远超预期。延伸阅读：英伟达开源Cosmos 3物理AI全模态模型、智谱开源GLM-5.2编程模型。
