AI开始离开云端：端侧模型、机器人与自动驾驶争夺真实场景 (2026)

今日新模型发布

7 月 21 日当天，已核验的公开更新里没有新的通用基础模型或重大基础模型版本发布。Google 当天更新的是 Shopping 的虚拟试穿和 Lens 识别商品功能，属于应用层能力；OpenAI 发布说明页最近列出的条目也集中在桌面端入口、跨聊天搜索和工作流功能，而不是当天的新基础模型。1 2

按最近一个发布周期回看，7 月 20 日腾讯在 WAIC 公布了全栈具身智能方案，列出 Hy-Embodied-VLA-0.5、Hy-Embodied-VLM-1.0 和 Hy-Embodied-RxBrain-1.0。腾讯对外给出的分工是：VLA-0.5 将视觉、语言和动作放进同一模型，VLM-1.0 负责感知，RxBrain-1.0 负责推理。公司还称 VLM-1.0 达到上一代旗舰模型相近的表现，但只使用十分之一的计算资源，VLA-0.5 使用了超过一万小时数据训练。上述性能和训练数据均是发布方口径，仍需要独立测试和客户运行数据补足。3

这次更新值得记录的地方，不是又多了几个模型名，而是模型已经被放进云基础设施、机器人平台和应用服务的同一套产品叙述里。模型发布的验收单位开始从单个接口变成整条执行链。

五个信号放在一张表里

方向	7 月 19 至 21 日的新事实	已经走到哪一步	还不能下的结论
具身模型栈	腾讯公布 VLA、VLM、RxBrain 三类模型，并配套 Tairos 平台和 EaaS 服务	已在 WAIC 对外公布，腾讯称已在零售导览、访客接待和养老服务等场景测试	不能据此证明已形成规模化收入或稳定交付
端侧机器人模型	OpenBMB 开源 MiniCPM-Robot，包含 1.5B 的 RobotManip 和 0.9B 的 RobotTrack	RobotTrack 明确支持全本地视觉指令跟踪，仓库给出 Go2 EDU 和 Jetson Orin NX 16GB 的部署栈	开源和可部署不等于大规模机器人出货
自动驾驶	Momenta Robotaxi 获得深圳市智能网联汽车道路测试许可	即将开展深圳实地道路测试，已披露的测试城市还包括上海、苏州、无锡、慕尼黑和阿布扎比	道路测试许可不等于商业运营或无人化收入
工业机器人	Gritt 完成 2600 万美元 A 轮，总融资 3400 万美元，切入太阳能板施工	使用租赁的 skidder 和 Kawasaki 机械臂，先做卸板、搬运和定位	日处理量、2.8GW 项目和客户数量主要是公司及创始人陈述，未有第三方审计
大公司组织投入	Samsung 成立直接向 CEO 汇报的 RX 机器人部门	计划先在制造业部署人形机器人，再扩展到家庭和零售，并称今年要拿出「tangible」成果	这是组织与战略承诺，不是已公布的量产产品

端侧模型先解决一个很具体的问题

MiniCPM-Robot 的意义不在于参数小本身，而在于它把机器人所需的推理位置往设备端移动。RobotManip 面向操作任务，RobotTrack 面向目标跟踪，后者的仓库明确写出全本地、纯视觉、自然语言跟踪，并给出了 Go2 EDU、Orin NX 16GB、D435i 等实机部署条件。许可证是 Apache-2.0。4

这类模型可以降低网络中断、数据外传和往返延迟带来的影响。代价也写在仓库里：部署仍需要特定 CUDA、TensorRT、ROS 2 和硬件组合。所谓「端侧」不是把模型文件下载下来就结束，采购方还要为摄像头、驱动、推理栈、升级方式和现场回滚负责。对机器人公司来说，模型小一半不自动等于整机成本小一半，真正能拉开差距的是每次动作的延迟、失败后的恢复时间和换一台设备的部署工时。

腾讯这次公布的模型栈走的是另一条路。它把感知、推理、动作和平台服务拆成不同模块，再通过 TairosAgent、Apexio 和云端 EaaS 连接应用。两条路线并不矛盾：云端适合更新通用能力和管理多设备，端侧适合处理隐私、延迟和断网场景。接下来的产品竞争会更多发生在两者之间的任务切分，而不是单纯比较参数量。

道路测试和施工现场，决定模型有没有第二次机会

Momenta 获得深圳道路测试许可，是一条很清晰的产业进度信息。它把 Robotaxi 从已经落地的测试城市扩展到新的道路环境，但当前公开事实仍停留在「获许可、将测试」。把它写成商业运营，读者就会误判收入、责任和安全验证的阶段。5

Gritt 的路线更窄，却更容易验收。公司先让机器人卸下太阳能板、搬到支架附近并完成亚毫米级定位，下一步才计划固定面板、钻立柱和搭建支架。TechCrunch 转述公司说法称，相关系统可把日处理量从 800 块提高到 3000 至 4000 块，公司还称已签约 2.8GW 项目、客户包括美国前十大电力施工公司中的 3 家。这些数字主要来自公司和创始人陈述，文章没有给出独立测试或审计结果。6

这两条路线放在一起，能看出物理 AI 的验收方式正在分叉。Robotaxi 的难点是长尾道路、责任划分和持续安全；太阳能施工机器人的难点是单个动作能否在固定工位重复完成。前者需要大量运营时间，后者需要清晰的工序和产能账本。对采购方而言，「会不会做」只是第一问，第二问是「失败一次会造成什么损失」，第三问才是「每次成功的成本是多少」。

Samsung 的决定，说明硬件公司开始改组织图

Samsung 7 月 21 日宣布成立 RX，也就是 Robotics eXperience 部门，负责中长期机器人战略、核心技术研发和业务执行，直接向 CEO 汇报。Reuters 报道称，前现代汽车机器人负责人李东勋将领导机器人战略团队；Samsung 计划先在制造业落地人形机器人，之后再进入家庭和零售，并表示希望在今年取得可见成果。7

这不是一条产品发布消息，却比又一次展台演示更能说明资源方向：手机、芯片和家电公司开始把机器人当成需要长期研发、供应链协同和商业执行的独立业务。Samsung 目前没有在该报道中公布具体量产机器人，不能把部门成立写成产品兑现。对竞争对手更有用的观察指标是，RX 后续是否公开首个制造场景、量产节拍、合作方和安全责任，而不是部门名称本身。

云端模型的法律边界没有消失

Anthropic 的版权集体诉讼和机器人新闻看似不在一条线上，但它们共同提醒企业，模型离开云端以后，数据和责任仍然跟着设备走。7 月 20 日，美国法官最终批准 Anthropic 15 亿美元和解。此前法院认定，用书籍训练 Claude 属于合理使用，但 Anthropic 将超过 700 万本盗版书保存进一个「central library」构成侵权；选择退出和解的作者与出版商仍有其他诉讼。8

这起案件不能被简化成「训练数据已经合法」。它把两个问题拆开了：训练行为是否构成合理使用，数据取得和保存是否越过版权边界。企业把模型放到手机、汽车或机器人上后，现场视频、语音和动作数据的采集、保留、再训练与跨境传输，同样需要单独做授权和审计。端侧部署减少了部分网络暴露面，却没有替企业自动解决数据权属。

给采购和投资判断留下四个硬问题

看模型：发布的是权重、API、设备端检查点，还是包含监控、升级和人工接管的完整系统？腾讯的模型栈和 OpenBMB 的仓库都说明了能力边界，但没有替代现场验收。
看部署：把网络断开、换一台设备、更新一次模型和恢复一次失败任务纳入测试。端侧模型的硬件、驱动和推理框架应写进交付清单。
看商业状态：道路测试、客户试点、签约项目、正式运营和可重复收入必须分开记账。Momenta 目前是道路测试许可，Gritt 的产能和项目规模仍主要是公司口径，Samsung 还是组织投入。
看责任：把采集授权、数据保留、模型更新、人工接管和事故责任放进合同，不能只买一个模型接口。

7 月 19 至 21 日的信号组合很具体：模型端出现了本地运行的机器人模型，应用端出现了新的道路测试许可，工业端出现了按工序融资的机器人公司，大型硬件公司开始为机器人重画组织边界。AI 仍然需要云端模型，但下一轮投入更可能花在设备、场地、数据和责任链上。判断一家公司的进展，先问它的模型在哪台设备上运行，再问它在哪个真实场景里连续工作了多久。

AI开始离开云端：端侧模型、机器人与自动驾驶争夺真实场景