與往年偏重模型或芯片的展示不同，今年的展會呈現出高度系統化的特征，具身智能、人形機器人、垂直行業大模型與國產算力構成了完整的從感知、認知、執行到算力支撐的閉環。

　　尤其是在“麒麟”具身智能訓練場等新基礎設施的帶動下，具身智能成為新的技術高地，正在重塑機器人訓練、工業自動化、服務協作的核心方式。

　　我們從訓練平臺、應用模型與國產算力三大層面，梳理2025年WAIC上人工智能體系化發展的核心脈絡。

　　01

　　具身智能成為新焦點：

　　訓練基礎設施的進化

　　本屆WAIC的一大亮點，是具身智能從概念走向工程落地的趨勢顯現。

　　在展館內模擬的“WAIC里·技能大舞臺”區域中，20余款人形與結構機器人完成了一系列高精度操作，如剝蛋、寫字、舞獅、串煮、搬運等，表明動作控制與場景泛化能力均已具備實用性門檻。這些展示背后，是更為底層的訓練系統支撐能力的提升。

　　作為目前全國首個異構人形機器人訓練平臺，“麒麟”具身智能訓練場首次被系統性披露。該訓練場位于上海浦東，面積達4000平方米，可容納超過百臺機器人并行進行交互訓練。

　　其核心機制是通過真實物理交互環境生成結構化數據，實現動作執行、任務理解、路徑規劃與人機交互等行為數據的聚合。

　　每天可生成約5萬條高質量交互記錄，計劃至2025年年底，累計將達到1000萬條數據規模。這一量級的數據，對于復雜控制系統的微調、模態遷移能力的檢驗，以及泛化模型的構建具有決定性價值。

　　技術上，訓練場并非只是傳感數據的收集地，更關鍵的是其對異構系統的兼容與訓練流程的標準化能力。

　　在同一物理平臺上，協同運行多家企業提供的人形機器人本體、執行器、視覺模組與后端大模型，其核心難點在于建立統一的任務分解標準與動作評價體系。

　　目前，“麒麟”平臺已實現多型號、多架構機器人間的協同訓練，初步形成一套低成本、高頻率的“具身學習流水線”。

　　訓練場并非孤立設施，而是嵌套于浦東模力社區這一城市級AI資源集群中。依托社區提供的本地算力、云數據調度與硬件資源支持，訓練場實現了“任務驅動—數據采集—模型訓練—反饋迭代”的快速閉環。

　　這種多主體協同的生態式基礎設施，為未來具身智能在制造、養老、物流、救援等多場景下的能力驗證與迭代提供了新范式。

　　02

　　從多模態模型到算力平臺：

　　國產AI生態加速整合

　　除了具身智能與人形機器人基礎設施的進化，WAIC2025的另一個技術看點是大模型與國產算力的深度融合，以及場景化落地能力的系統強化。

　　在展會現場，可以明顯觀察到模型能力已從單一文本語言處理，拓展至圖像、視頻、音頻、空間感知等多模態輸入，并與垂直行業應用密切掛鉤。

　　圍繞3D內容生成的模型在本屆展會中首次批量亮相。

　　相較于以往需使用專業建模工具與人工流程構建虛擬三維環境，當前模型可通過自然語言或圖片輸入，在數分鐘內生成復雜場景，極大降低內容生產門檻。

　　這種生成能力，不僅適用于文娛、教育等虛擬現實應用，也可反向嵌入機器人路徑規劃、場景理解等物理空間任務中，成為具身智能的上層感知支持。

　　在工業側，模型設計正在向端到端架構演化，取代以往的模塊式任務分解與特定邏輯流程。

　　部分模型直接從采集到的傳感器數據中輸出動作或控制命令，省去中間的狀態建模與邏輯結構設計，提高泛化性能。尤其在高風險環境(如礦山、災后區域)或弱結構環境(如家庭服務)中，這種一體化模型顯著提升了部署效率與系統魯棒性。

　　支撐上述模型訓練與實時部署的，是國產算力基礎的快速成長。WAIC2025期間，多家本土芯片企業集中展示了新一代AI芯片與平臺系統，涵蓋從TPU、GPU到異構計算節點的多種架構路徑。

　　在推理和訓練合一的場景下，本土研發的芯片平臺已具備基礎可用性。

　　如新一代訓推一體GPU系統，通過自研架構與HBM高帶寬顯存的結合，提升了數據吞吐能力，滿足百億參數級模型訓練需求。

　　另一類TPU平臺則強調能耗控制與大規模集群互聯能力，支持1024片芯片間高速通信，可滿足大模型低延遲、高并發的計算場景。

　　更具系統性的進展在于，國產算力平臺正從單點芯片能力走向全鏈路生態構建。

　　從編譯器、驅動協議、開發套件，到算力調度平臺與服務端系統，多個展臺展示了從終端芯片到集群平臺的完整方案。這不僅是對“自主可控”的回應，更意味著中國AI基礎設施建設進入以場景適配為導向的成熟階段。

　　算力基礎的建設也嵌入到了上海的城市級資源布局中。以張江機器人谷為例，上游關鍵部件(如減速器、傳感器)企業與下游算法公司、高算力平臺集聚分布，形成了緊密耦合的產業閉環。

　　而模力社區、模速空間等區域，也在提供本地算力、數據治理、應用調度等服務，構建了覆蓋“模型—芯片—場景—服務”的AI生態完整體。

　　小結

　　2025年的WAIC，不僅展示了中國人工智能領域技術能力的階段性突破，更首次呈現出一種結構化的體系圖景。

　　大模型、具身智能、國產算力的并行發展，以及它們通過場景、數據、平臺彼此打通的能力，中國AI正從“單點創新”向“系統融合”轉型。