具身智能落地的最后20%，藏在「云」里

今年的WAIC和WRC，具身智能展台的风向变了：不再执着于炫技，转向务实。 去年的画风还是十八般武艺，同台竞技——机器人跳街舞、格斗秀、走猫步等；而今年则是走进真实场景：机器人开始被放进物流、工业、家庭等具体任务里。 过去一个多月，雷峰网一线走访了灵初智能、艾欧智能等具身智能公司，也看了各厂商在展台上的演示，一个感受越来越强烈： 真实场景里的任务，远比样例脚本复杂得多。 在走访和交流中，雷峰网也与多位云专家进行了交流。当被问及机器人落地、商业化时，一位云专家表示，具身智能存在明显的“长尾效应”： 前60%、70%、80%的进展可能很快，但最后20%却需要花非常多的时间填补。 而这最后20%，藏在真实场景里，也藏在云基础设施要解决的难题里。 从展示能力到完成任务，两者之间隔着一整套复杂的系统。这套系统要面对的，是真实世界的各种“意外”。比如，网络可能不稳定，机器人可能遇到没见过的情况；每天产生的数据需要回传、处理和训练；当机器人无法自主完成任务时，还需要人工远程接管。 机器人一旦开始真正“干活”，需要的就不只是一副好“躯体”。 背后一整套支撑连接、数据、算力、模型乃至Agent的云基础设施，同样不可或缺。 云厂商的新机会，就在这里。 让机器人“上云” 今天的机器人，离完全自主还很遥远。当机器人超出自主能力边界时，就需要人工接管。问题在于，如果人和机器人不在同一个地方，怎么实现远程控制？ 艾欧智能的遥操作业务，就是从这里切入的。 联合创始人丁哲章回忆，艾欧最初做的是本地操作，操作员就在机器人身边。这种模式并不需要通过网络进行远程传输，甚至不需要太多算力，用端侧方案就能解决。但当业务扩展到远程场景后，新的技术需求随之出现： 控制流、图像流需要稳定、安全地传输，同时还要在弱网条件下提供基础保障；数据的处理和传递，也需要云端算力来辅助加速。 因此，遥操作看起来只是人在远端控制机器人，背后却需要一套完整的中间传输技术栈。 “我们当时确实需要一个稳定、好用、并且能够深入配合的中间技术栈，来确保远程遥操作这件事能够稳定地跑下去。”丁哲章说。 腾讯云的TRRO（Tencent Cloud Remote Real-Time Operation，腾讯云远程实时操控）方案接入了这部分需求。此后，双方又在入口、平台功能和遥操作方案上做了多轮打磨，进一步降低传输延迟、优化控制效果。 具身智能落地时，艾欧需要面对不同场景和机器人本体的适配问题。而处理这些差异，需要腾讯云相关团队参与， 推动云、边、端之间的协同。 腾讯云异构计算产品副总监黄阳、存储高级产品经理李沐霖向雷峰网介绍，在具身智能系统中，具身智能系统本身就体现出明显的“异构”特征： 任务理解、场景理解等 “慢反应” 任务交给云端大脑来处理，使用高性能GPU进行训练和复杂推理；而运动控制、实时响应等 “快反应” 任务则放在本体边