一句话
腾讯在WAIC 2026发布Hy-Embodied系列三大具身基座模型，首次系统性打通"感知—认知—行动"闭环，VLA模型已在日化工厂实测：成功率95%+，节拍6秒/件，新SKU适配不到3天。
破题：具身智能的"缸中之脑"困境
今天最聪明的大模型，本质上仍是"缸中之脑"——它善于推理、生成和问答，却不理解物体的位置、空间关系与可操作性，更无法在持续变化的环境中边行动、边调整。
腾讯首席科学家张正友在WAIC现场说了一句精准的话："语言并不等于全部认知，它只是智能向外表达的一个通道。"
真正的智能，需要让语言、视觉、空间认知、身体控制和环境反馈连通起来，在"感知—身体—行动"的闭环里接受验证。这正是腾讯今天发布的五项新成果试图回答的问题。
拆解：三个模型，三种角色
腾讯 Robotics X 实验室联合混元发布的三大具身基座模型，对应了具身智能的三个核心能力层：
Hy-Embodied-VLM-1.0 —"右脑"，负责看
解决三个层层递进的问题：看物知用（理解深度、方位、可操作点）、看景知变（判断下一步动作及其变化）、看远知返（长时程任务中记忆历史、失败后重新规划）。关键数据：仅A3B规模、约1/10计算量，就接近上一代A32B旗舰模型效果。这意味着它可以直接部署在机器人端侧。
Hy-Embodied-RxBrain-1.0 —"大脑"，负责想
把"会推理"与"会想象"统一：面对任务，一边用语言给出步骤约束，一边生成每步完成后应达到的目标图像。让下游动作模型不仅"听到做什么"，更能"看到做成什么样"。这是一种全新的认知范式——用视觉想象来锚定推理链条。
Hy-Embodied-VLA-0.5 —"小脑"，负责做
核心竞争力不是更大的模型，而是"数据—模型—训练—部署"协同发力的完整学习栈：亚毫米级UMI采集系统 → 超一万小时人类示教数据 → 强化学习训练。在RoboDojo评测中拿下仿真综合排名第一，尤其长程任务和记忆任务两个维度领先。
框架：从"拼模块"到"建闭环"
过去具身智能的主流做法是拼模块——拿一个视觉模型、拿一个语言模型、拿一个控制模型，拼在一起。问题在于，每个模块各自优化，接口处全是缝隙。
腾讯的思路是原生闭环设计：三个模型从第一天就为协同工作而设计，再由两个智能体层（Apexio持续在线智能体 + TairosAgent原生框架）统一调度。Apexio三层架构尤其值得注意：
- 认知层：按需唤醒，深度思考
- 感知行动层：~15Hz持续接收多模态信息并快速调整
- 执行层：更高频运行，像条件反射一样处理碰撞与失衡
再加上"目标驱动"（完成任务）和"生存驱动"（安全、能耗、状态管理）双主线，即使没有外部指令，机器人也持续感知、持续自保。
落地验证：95%成功率意味着什么
最值得关注的数据来自真实工厂：HyVLA-0.5在日化品工厂的生产实测中——
- 作业成功率 > 95%
- 节拍 < 6秒/件
- 新增SKU的数据采集与模型后训练时间 < 3天
这三个数字放在一起的意义是：具身智能不再是实验室里的demo，而是可以应对"高混合、小批量、SKU频繁迭代"的真实产线。3天适配新SKU，意味着它跟得上消费品行业的迭代节奏。
推演：具身智能的"Android时刻"？
TairosAgent的设计思路暗含一个更大的野心：通过统一硬件适配层和标准化Skill接口，接入不同模型、不同形态的机器人。这与Android早期通过标准化接口让不同硬件厂商接入的逻辑如出一辙。
腾讯把平台命名为"钛螺丝"（Tairos），定位是"连接模型、本体、工具与应用的钛螺丝"。如果这个生态位成立，具身智能可能正在走向它的"Android时刻"——不是某一个机器人赢了，而是一个平台让所有机器人都能跑起来。
落到行动
对机器人开发者：Hy-Embodied-VLM-1.0已开源，A3B规模可端侧部署，值得立即评估是否适配你的机器人本体。
对制造业决策者：95%成功率+3天SKU适配的数据，说明具身智能已经跨过了"能不能用"的门槛，进入了"值不值得投"的阶段。日化、消费品等高混合低批量场景是最佳切入点。
对AI从业者：关注"数据—模型—训练—部署"协同设计的方法论。具身智能的竞争不在单一模型，而在整个学习栈的闭环效率。