阿里巴巴大模型部门通义千问近期迎来重大突破——内部新组建的“机器人与具身智能团队”正式亮相。这一消息并非通过官方声明发布，而是由通义千问技术负责人林俊旸在社交平台X上透露。他指出：“多模态模型正在进化为能够处理长时序推理任务的智能体，而它们的终极目标必然是突破虚拟边界，进入物理世界。”
林俊旸的表态引发行业震动。作为阿里内部多模态与具身智能领域的核心人物，他带领团队完成了通义千问从“语言交互”到“多模态感知”的关键跨越。这位32岁的北大毕业生，早年主导了M6、OFA、CogView等预训练项目，并打造了Qwen3-Max、QwQ-32B等旗舰模型。如今，他的新任务是让大模型具备“行动力”——不仅听懂指令、识别环境，还能直接操作现实设备。
与传统机器人研发不同，阿里的路径强调“软硬一体”。新团队不局限于制造实体机器人，而是将具身智能能力深度融入Qwen大模型体系，通过统一智能底座实现语言理解与物理操作的协同。这种模式在阿里生态中具有天然优势：从物流仓储到智能家电，从工业协作臂到IoT设备，海量场景为模型训练提供了真实数据与验证环境。
全球科技巨头正加速布局这一赛道。软银集团以54亿美元收购ABB工业机器人业务，英伟达CEO黄仁勋多次强调“AI+机器人”是数万亿美元级市场。与直接收购硬件企业不同，阿里选择通过生态投资深化布局——上月领投自变量机器人1亿美元融资，这家专注仓储自动化的创业公司被视为国内工程化潜力最大的新势力之一。
阿里云已宣布投入3800亿元建设AI基础设施，CEO吴泳铭更预测未来五年全球AI投资将达4万亿美元。从云端到终端，从语言到行动，通义千问的进化路径清晰可见：它不再满足于成为“会说话的AI”，而是要成为能感知环境、制定计划并执行任务的“物理世界智能体”。
这一战略调整背后，是阿里对AI发展阶段的深刻判断。当行业从“模型参数竞赛”转向“具身智能落地”，谁能率先打通虚拟与现实的边界，谁就可能主导下一个十年的技术格局。而阿里凭借云计算、物流、制造的场景优势，正在这场竞赛中占据独特位置。
