阿里巴巴旗下 Qwen（通義千問）宣布成立「機器人／具身智能」研發團隊，正式把大模型推進「會動的 AI」時代。本文將用四個段落，帶你理解這則新聞的重點、發展脈絡、什麼是「具身大模型」、以及它對產業與台灣的啟示。
🌐 新聞重點：阿里要讓 AI「長出手腳」
2025 年 10 月 9 日，阿里巴巴旗下的 Qwen（通義千問）對外宣布，成立一個專門的「機器人／具身智能」小組。這個新團隊的使命，並不是單純升級模型的算力或參數，而是讓 AI 不再只是停留在雲端、在螢幕上回覆你，而是能夠真的「走下雲端」，具備行動力，進入物理世界。換句話說，阿里的計畫是讓大模型不只是「會說話的聊天機器人」，而是進化為「能做事的助手」。從能看圖、能理解語音，進一步到「能抓取東西、能移動、能與環境互動」。這正是所謂的 「具身智能」（Embodied Intelligence）。
這個消息立刻引起外界關注。因為它代表中國互聯網巨頭們已經不滿足於大模型的語言戰場，而是開始搶攻下一個 AI 前沿：讓 AI 進入工廠、倉庫、家庭，甚至走上街頭。這與國際趨勢高度契合——Google 的 RT-2、NVIDIA 的 GR00T、特斯拉的 Optimus，都在做類似的事。
阿里之前也有一些蛛絲馬跡：2025 年 9 月，阿里雲領投了一家叫「自變量機器人」的新創，投入超過 10 億人民幣，對方的核心產品就是「通用具身大模型」與「機器人平台」。這等於提前卡位，把上游技術與硬體合作夥伴綁進生態。如今 Qwen 公布自研團隊，形成「投資＋自研」雙管齊下的局面。
從市場氛圍來看，這個宣布的時機點也很巧妙。因為就在 2024–2025 年，全球 AI 社群都在談「Physical AI（物理人工智慧）」：NVIDIA 在 GTC 上推出了專為人形機器人打造的基座模型 GR00T，Google DeepMind 的 RT-2 展示了如何把網路上的知識轉換成實體操作，而中國的人形機器人製造商也在成本與量產上加速。阿里的加入，意味著競爭已經進入「生態對抗」的新階段。
📅 背後脈絡：大模型走向「能行動」的時間線
要理解阿里這一步的重要性，我們得把時間線拉長來看。
第一階段：2023 年，語言模型爆發。
ChatGPT 帶來全球性震盪，阿里也在這一年推出了自家大模型「通義千問」，與百度、科大訊飛一起加入中國的大模型戰局。這個階段的重點是「會說話」，模型能看圖、能回答問題，但仍停留在語言與文字世界。
第二階段：2024 年，走向「會做事」。
Google DeepMind 發表 RT-2，能把文字指令轉換成機器人操作。NVIDIA 推出 Project GR00T 與 Jetson Thor，定義了「為人形機器人打造的基座模型＋硬體算力模組」。這些舉動，都顯示大模型必須走出實驗室，進入機械、電腦視覺與感測器的領域。
第三階段：2025 年，中國硬體加速。
中國大量人形機器人原型在展會亮相，並快速壓低成本。這對「具身智能」至關重要，因為訓練一個能與環境互動的模型，需要成千上萬次的真實世界數據，而這必須仰賴大量、便宜、可用的機器人硬體來完成。
第四階段：2025 年 9 月，阿里投資鋪路。
阿里雲領投「自變量機器人」，鎖定的就是「具身大模型」與「通用平台」。這一步相當於先把「硬體試驗田」準備好。
第五階段：2025 年 10 月 9 日，Qwen 公布團隊。
從外部投資到內部成立團隊，阿里正式把「模型→智能體→具身智能」的三段路線打通。它要做的，不一定是造一台整機人形機器人，而是提供一個 「能思考、能規劃、能驅動機器」的 AI 核心，再交給合作廠商做各種應用。
從這條時間線來看，阿里的布局並不是突如其來，而是早有鋪陳。
🤔 補充說明：什麼是「具身大模型」？
讀到這裡，很多人可能會好奇：「具身大模型」到底跟一般的 ChatGPT 或 Qwen 有什麼不同？
第一，資料來源不同。
一般大模型讀的是文字、圖片、影音；具身大模型還要讀「動作資料」與「感測器資料」。例如手抓東西時的力道回饋、機器人走路時的關節角度、環境中的 3D 深度影像。這些資料讓模型能理解「怎麼做」而不只是「怎麼說」。
第二，目標不同。
普通大模型的目標是「輸出一句正確的文字答案」；具身大模型的目標是「完成任務」。例如當你說「幫我把桌上的杯子拿過來」，它要能規劃路徑、避開障礙、伸手抓取，再放到桌上。這裡需要長時序推理與即時調整，是完全不同的挑戰。
第三，系統架構不同。
聊天模型主要跑在雲端伺服器；具身智能需要「邊緣＋雲端」協同。因為機器人要即時反應（例如避免摔倒），延遲不能太高，所以必須在本地運算（像 NVIDIA Jetson Thor）。而長期策略與模型更新，則由雲端處理。
阿里的優勢在於：
- 有 Qwen 的多模態大模型，能做語言、圖像與推理。
- 有 阿里雲的算力與平台，能提供邊雲協同。
- 還能結合 中國龐大的硬體製造鏈，快速落地大量機器人，形成資料閉環。
但挑戰也不小：
- 可靠性與安全性：機器人不能只在 demo 成功，要能長時間穩定工作。
- 成本與通用性：如何讓具身智能真正落地在物流、工廠、零售等場景，而不只是展示。
- 國際生態競爭：NVIDIA、Google 等國際巨頭的工具鏈與社群成熟，阿里如何接軌仍是問題。
總之，「具身大模型」就是要讓 AI 不只停留在「嘴巴」，而是能用「手腳」去實際完成任務。
📌 結語：下一步會發生什麼？
阿里 Qwen 成立具身智能團隊，意義不僅是「中國又多了一個機器人玩家」，而是整個產業正進入 「AI 從雲端走到地面」 的新篇章。
對阿里來說，它的定位是「做平台」而不是「做整機」。也就是說，它更可能提供 AI SDK、智能體內核、算力服務，讓合作夥伴（例如倉儲機器人廠、教育機器人廠）去整合，這跟 NVIDIA 的「平台＋生態」思路有點相似。
對全球產業來說，這是一個新的戰場：誰能掌握資料閉環，誰就能做出真正會學習、會行動的機器人。而這需要軟體、硬體、雲端的長期協作。
對台灣供應鏈來說，機會也很明顯。人形與具身智能機器人需要大量零組件：高扭矩伺服馬達、減速機、力矩感測器、3D 相機、邊緣運算板、電池模組、連接器等，這些正是台灣有優勢的領域。如果能與國際平台（如 NVIDIA Thor、ROS 社群）以及中國應用場景連結，台灣完全有機會成為關鍵供應商。
最後，如果你也想在科技浪潮裡找到真正有價值的趨勢，而不是只看表面熱鬧，歡迎追蹤 Mech Muse 🙌。下一篇，我將整理一份「具身大模型技術樹」，用圖表帶大家一次看懂資料、模型、硬體之間的關係。
