乌镇峰会聚焦开源开放：具身智能机器人走进真实场景-知了AI

当机器人开始”上班”：2026乌镇峰会上的开源新叙事

2026年11月2日至4日，世界互联网大会乌镇峰会如期举行。这座江南水乡小镇又一次成为全球互联网行业的风向标。与往年不同的是，今年的峰会上，人们谈论最多的话题不再是单纯的聊天机器人或者生成式AI的炫技演示，而是两个更沉、更重、也更具产业纵深的关键词：开源开放，以及具身智能。

峰会主题定为”开源开放共建共享”。短短八个字，勾勒出2026年中国科技产业的主旋律——AI不再是少数巨头的独角戏，而是一场由代码、模型、硬件、数据共同构成的开放协奏曲。而在乌镇峰会的展台与论坛之间，最引人注目的画面，是一个机器人在一条只有80厘米宽的药房窄道里，安静地完成拣货、交付的全部动作。

一、80厘米宽的窄道：具身智能的第一张”工牌”

在本次峰会上，蚂蚁灵波（LingBot）展示的智慧药房场景，被不少与会者称为”本次乌镇最接地气的AI应用”。所谓接地气，是因为它解决的不是演示环境里的完美问题，而是真实世界里的苛刻约束。

具体来看，在这套智慧药房场景中，机器人需要在一个宽度仅80厘米的窄通道内自主完成全流程作业：从订单接收，到智能分拣，再到最终的商品交付。每一个环节都不是摆拍——药房货架密集、通道狭窄、人员往来频繁，任何一次碰撞或误拣都意味着实际损失。而机器人恰恰是在这样的环境里，展现出了接近”熟练店员”的作业能力。

为什么”80厘米”是个标志性数字？

实验室环境里的机器人演示，往往铺设了宽阔平整的场地、标准化的货架和稳定的照明。但真实的药房、便利店、仓库，空间是被人类活动切碎的：80厘米可能就是两排货架之间留给店员侧身通行的距离。机器人能否在这样的空间里顺畅作业，直接决定了它能不能真正进入商业场所，而不是永远停留在宣传片里。

蚂蚁灵波方面披露，这套方案已经在上海浦东的多家药房投入实际应用。这意味着，具身智能不再是展会上的一次性表演，而是进入了持续运行、真实结算、真实服务的商业闭环。对行业而言，这是比任何发布会都更有说服力的里程碑。

从”演示经济”到”运营经济”的分水岭

过去几年，人形机器人行业常被诟病为”演示经济”——视频很精彩，落地很稀少。而智慧药房这类场景的价值在于，它把评价体系从”演示成功率”切换到了”运营指标”：日处理订单量、拣货准确率、故障停机时间、单位订单成本。一旦机器人开始接受这套考核，就意味着它必须像一名真正的员工一样可靠。这个转变，恰恰是具身智能从资本叙事走向产业现实的分水岭。

二、”具身原生”的跨本体基座模型：一套大脑，多种身体

灵波路径的核心，被概括为”具身原生的跨本体基座模型”。这个略显拗口的术语，其实是理解具身智能产业化的关键钥匙。

所谓”具身原生”，是指模型从一开始就不是把大语言模型的接口简单嫁接到机器人上，而是围绕感知—决策—行动的完整闭环来构建，训练目标里就包含对物理空间、物体操作、运动控制的理解。所谓”跨本体”，则是指同一套基座模型能够适配不同构型的机器人——无论是双臂机器人、轮式底盘，还是其他形态的设备，都共享同一个”大脑”。

跨本体的产业逻辑：避免每个机器人都要”重新造脑”

在过去，每一家机器人公司几乎都要为自己的硬件单独开发控制与决策系统，研发成本高昂且无法复用。这就像个人电脑早期，每台机器都需要专用软件的时代。跨本体基座模型的意义，类似于操作系统之于计算机：硬件可以百花齐放，智能层可以统一迭代。

对下游应用方来说，这意味着更低的接入成本和更快的部署速度——一家药房、一家工厂不需要理解机器人内部的模型细节，只需要按照标准化接口完成任务定义。对上游模型方来说，越多构型的机器人在真实环境中运行，回流的训练数据就越丰富，模型能力也就越强。这是一个典型的数据飞轮，而乌镇峰会上的智慧药房，正是这个飞轮开始转动的一个可见切片。

三、开源九个月，下载量突破220万：LingBot的生态答卷

如果说智慧药房展示的是”落地深度”，那么LingBot系列模型的开源数据展示的就是”生态广度”。峰会披露的信息显示，LingBot系列模型开源9个月以来，下载量已突破220万次。

220万次下载意味着什么？可以做个粗略类比：这相当于一个非常活跃的开源基础软件项目多年才能积累的社区规模，而LingBot只用9个月就完成了。更重要的是，每一次下载背后，都可能是一个开发者、一个研究团队、一家创业公司在基于这套模型构建自己的机器人应用。开源，正在让具身智能的创新从”巨头专属”变成”人人可及”。

开发者为什么选择开源基座，而不是从零自研？

答案藏在成本结构里。从零训练一个具备跨本体能力的具身基座模型，需要海量真机数据、大规模仿真集群和顶级的算法团队，这不是绝大多数创业公司能够负担的投入。而开源基座模型的模式是：巨头和头部实验室负责”造脑”，中小团队负责把大脑装进各自的场景——一家做仓储机器人的公司，可以在基座之上针对货架拣选任务做轻量微调；一家做餐饮配送的团队，则可以专注于楼层导航与交互礼仪。分工一旦形成，整个行业的创新速度就不再取决于单一巨头的研发节奏，而是取决于生态里所有参与者的总和。

下载量之外的隐性指标

评估开源生态的健康度，下载量只是最表层的数字。更深层的指标包括：衍生模型与微调版本的数量、社区Issue的响应速度、真实部署案例的多样性、以及模型在非母公司硬件上的适配广度。按照这几把尺子衡量，LingBot九个月的成绩单至少说明了一件事：具身智能的开发者社区已经真实存在，而不再是几家头部公司之间的闭门竞赛。这与大模型开源领域”下载量、衍生模型数全球领先”的宏观判断，形成了同一趋势在两个领域的印证。

开源的角色转变：从”技术分享”到”产业基础设施”

值得注意的是，具身智能领域的开源，与软件时代的开源已经不在同一个层面。它开源的不仅是代码，还包括模型权重、训练方法，乃至机器人本体的部分设计经验。这种开源更像是在为整个行业铺设基础设施——正如Linux之于服务器、Android之于手机，具身基座模型的开源，可能正在为未来十年的机器人产业确定开放的技术底座。

四、从代码到本体：开源范式的一次深刻扩展

把视野拉远一些就会发现，2026年乌镇峰会上的种种迹象，共同指向一个趋势：开源正在经历一次范式的扩展——从软件代码，到AI模型，再到机器人本体。

峰会期间，之江实验室的021科学基础模型、魔搭社区开发者中心等开源成果集中亮相；国家网信办在相关表态中明确提出，将进一步推进开源体系建设。这些动作说明，开源已经从开发者社区的自发行为，上升为国家层面推动的产业战略。

021科学基础模型的亮相尤其值得单独展开。与通用大语言模型不同，科学基础模型瞄准的是科研场景：材料发现、分子模拟、实验数据分析等任务对模型的领域理解能力要求极高，历来是AI应用的高门槛地带。把这类模型纳入开源序列，意味着高校、科研院所乃至个人研究者都能在统一基座上开展垂直领域的二次开发。这与魔搭社区开发者中心的定位形成呼应——后者提供的正是模型托管、微调工具链与开发者协作的一站式平台。基础模型+社区平台，一纵一横，构成了中国开源AI生态的骨架。

从”代码仓库”到”成果集市”：开源基础设施的进化

如果把视野放回十年前，开源的主要内容载体是代码仓库；五年前，模型权重开始成为新的开源标的；而到了2026年的乌镇峰会，展台上陈列的已经是”科学基础模型+开发者中心+具身智能模型”的完整矩阵。开源的载体在变厚，门槛在变宽，参与者的类型也在从程序员扩展到科学家、工程师、产品经理乃至硬件厂商。国家网信办推进开源体系建设的表态，正是在这个背景下给出了政策层面的确定性——体系建设，意味着标准、社区、算力供给、人才培养等要素将被系统性地组织起来，而不是各自为战。

一张表看懂：软件开源与具身智能开源的异同

对比维度	传统软件开源	大模型开源	具身智能开源
核心开源物	源代码	模型权重与推理代码	基座模型、训练方法、仿真环境，乃至部分硬件设计经验
运行载体	服务器与终端设备	云端算力集群	物理世界中的机器人本体
试错成本	低，回滚即可	中，错误输出可拦截	高，物理动作失误可能造成真实损失
数据飞轮	依赖社区贡献代码	依赖用户交互数据	依赖真实场景中的感知与操作数据
安全边界	软件漏洞	内容安全与偏见	物理安全与人机协同规范
生态成熟标志	活跃的代码仓库与社区	下载量与衍生模型数量	真实场景部署数量与跨本体适配广度

从这张表可以看出，具身智能开源的复杂度和风险都显著高于前两代开源形态。机器人一旦部署，它的每一次”开源衍生”都发生在物理世界里，试错成本以真实物资和安全为代价。这也解释了为什么”跨本体基座模型+真实场景验证”的组合如此重要——它本质上是在用规模化部署来摊薄物理世界的试错成本。

开源开放的中国节奏

阿里巴巴蔡崇信在开幕式上表示，中国科技企业在开源模型的下载量、衍生模型数量等指标上已经处于全球领先地位。而中国互联网络信息中心发布的《生成式人工智能应用发展报告(2026)》则给出了更具体的注脚：全球主流大模型调用榜单前六名，全部来自中国团队。

这两个数据放在一起，传递出的信号是清晰的：在开源这条路上，中国已经从”跟随者”变成了重要的”规则参与者”。过去中国科技行业在开源世界里更多是使用者和贡献者，如今则以基座模型供给方的身份深度参与全球生态的构建。乌镇峰会选择”开源开放共建共享”作为主题，正是对这一位置变化的确认，也是一种承诺——开放不是权宜之计，而是长期战略。

五、数字世界与物理世界：两条正在交汇的AI曲线

本届乌镇峰会上还有几个细节值得专门一提。腾讯混元Hy4 preview在博览会上展示，代表了大模型迭代仍在持续加速；20项成果获得2026世界互联网大会领先科技奖，其中包括”九章四号”光量子计算原型机——量子计算与AI正在形成两条相互支撑的技术曲线。

数字世界AI与物理世界AI的多维对比

维度	数字世界AI	物理世界AI（具身智能）
作用对象	文本、图像、音频等比特流	货架、药品、设备等原子世界物体
交付形态	一次对话、一份文档、一段代码	一次拣货、一次配送、一次设备操作
环境可预测性	高，数字环境规则明确	低，物理环境充满意外与变化
价值兑现周期	即时，秒级反馈	持续，以天和月计的运营验证
规模化瓶颈	算力与数据	算力、硬件成本、安全规范三者叠加
典型2026年样本	全球调用榜单前列的中国大模型	上海浦东药房里作业的LingBot机器人

对比这张表可以更直观地理解：具身智能并不是大模型的自然延伸，而是一次质的跨越。数字世界的错误可以撤销，物理世界的错误需要防范；数字世界的迭代以周计，物理世界的验证以月计。正因如此，那些已经跑通真实场景的公司，积累的不仅是技术，更是难以复制的场景理解与运营经验。

六、算力”上天”：谷歌太空实验的长远隐喻

本届峰会上被反复讨论的另一个实验，来自谷歌：一颗卫星在太空轨道上运行小参数量的Gemma 4模型，并以”身处太空”为题创作了一首俳句。这个实验的技术含量看似不高——只是一首小诗——但其象征意义被许多与会专家视为里程碑：算力第一次真正走出了地面数据中心。

有与会者半开玩笑地说，这可能是第一首”由太空中的AI写成的诗”。玩笑背后是严肃的技术判断：在轨推理要求芯片在强辐射、剧烈温差、有限功耗的条件下稳定完成神经网络计算，任何一个环节不过关，实验都无法进行。小参数量模型的”小”，不是能力上的妥协，而是工程上的精准取舍——把推理需求压缩到太空硬件可以承受的范围内，恰恰是边缘AI设计哲学的极致体现。

为什么”算力上天”不只是浪漫？

仔细拆解这个实验的三层含义：第一，小参数量模型在太空环境中的稳定运行，验证了抗辐射、低功耗、自主推理的边缘AI硬件链路；第二，太空轨道意味着近乎无限制的太阳能供给与全球覆盖能力，未来可能成为地面算力的补充维度；第三，当推理能力可以部署在轨道上，偏远地区、海洋、灾害现场这些地面基础设施难以覆盖的区域，都可能获得AI服务。

当然，从一首俳句到真正的轨道算力网络，中间隔着巨大的工程鸿沟：散热、通信带宽、模型更新、故障维护，每一个都是硬骨头。但方向已经确立——AI的物理边界，正在同时向两个方向扩张：向内，进入药房的80厘米窄道；向外，进入四百公里高的近地轨道。

乌镇峰会上的三重拐点信号

如果要把2026年这届乌镇峰会的观察浓缩成一句话，那就是：AI正在跨过从数字世界进入物理世界的拐点。这个拐点由三个信号共同确认——具身智能机器人开始接受真实商业场景的运营考核；开源范式从代码扩展到机器人本体与科学模型；算力开始突破地面数据中心的物理边界。三者叠加，意味着AI产业的叙事正在从”能说什么”转向”能做什么”。

领先科技奖名单里的技术拼图

再往技术的纵深看一层。20项获得2026世界互联网大会领先科技奖的成果，本身构成了一张行业地图：”九章四号”光量子计算原型机指向算力的另一条赛道——当经典算力的摩尔红利趋缓，光量子计算为大规模优化与模拟问题提供了指数级的想象空间；腾讯混元Hy4 preview在博览会的展示，说明大模型本身仍在快速迭代，语言与多模态能力远未到顶；而以LingBot为代表的具身智能成果，则代表这些算力与智能最终”长出手脚”的方向。三条线索并进，缺一条，物理世界AI的拼图都不完整。

值得玩味的是三者之间的依赖关系：量子计算等新型算力有望降低具身智能的训练成本，大模型的持续进化提升机器人的语义理解与任务规划能力，而具身智能在真实场景中回流的物理交互数据，又反过来成为下一代模型的养料。乌镇峰会把这些成果放在同一个场域里展示，无意间呈现了一个技术生态的自我循环。

七、理性看待：从峰会到日常，还有多远？

当然，热闹之外也需要冷静。上海浦东几家药房的部署，距离全国范围的规模化复制仍有距离；220万次下载量之后，有多少下载转化为真正落地的应用，还需要时间检验；”九章四号”所代表的光量子计算，离支撑大规模AI训练更是尚有漫长的工程化之路。乌镇峰会的价值从来不在于宣布终局，而在于每年十一月，为全行业校准一次方向。

规模化之前，必须翻过的三道坎

第一道坎是成本。具身智能机器人的单机成本仍然显著高于雇用一个店员的年度人力支出，只有当硬件成本随供应链成熟持续下探、而任务复杂度带来的效率溢价持续上升，两条曲线交叉之后，规模化部署才会从”标杆工程”变成”理性选择”。

第二道坎是安全与规范。机器人在有人环境中作业，涉及物理安全、数据隐私、责任划分等一系列制度问题。80厘米窄道里的每一次避障，背后都需要行业标准的支撑。这也是为什么国家层面推进开源体系建设与治理体系建设的表态受到关注——技术跑得快，规则必须跟上。

第三道坎是场景理解的纵深。药房场景跑通，不等于所有场景都能平移复用。医院、工厂、餐饮、物流，每个场景都有自己的物理约束与流程惯例。跨本体基座模型提供的是通用能力底座，但把底座变成可交付的解决方案，仍然需要一个个场景去打磨。好消息是，开源生态的存在让这场打磨不再是单家公司的独角戏。

从这个意义上说，2026年的校准结果相当清晰：开源开放是路径共识，具身智能是下一个主战场，而真实场景——哪怕只是一条80厘米的窄道——才是检验一切技术的最终考场。当机器人开始在药房的货架间穿行，当基座模型的下载量以百万计增长，当卫星在轨道上写下关于太空的诗句，我们已经站在了一个新时代的门口：智能不再只活在屏幕里，而是开始用双手触碰这个世界。