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。這進一步加劇了本就因人工智能興起而激烈的算力競爭。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，英偉達推出了面向機器人用的Jetson平臺及算力中心，而國內算力基礎設施行業同步加速了“新基建”的步伐。
在WAIC的聚光燈下，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？
01 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，可以利用少量的邊緣計算資源與云端強大的算力進行協同訓練，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。
02 智算云未來格局：新云三強+新星崛起
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。
第一梯綜合解決方案代表廠商隊阿里云、騰訊云、九章云極，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。
九章云極作為定位 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。
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。
03 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 與具身智能的規模化應用將加速到來，算力基礎設施行業也將迎來新一輪的發展躍升。
