在人工智能技術迅猛發展的當下，具身智能與智能輔助駕駛正成為推動AI從虛擬空間向現實世界滲透的核心力量。Agentic AI時代的帷幕悄然拉開，一場圍繞技術落地與產業應用的競賽已全面展開。阿里云大數據AI平臺負責人汪軍華在近期行業峰會上透露，公司正通過資本投入與基礎設施技術棧的雙重布局，深度參與自動駕駛與具身智能兩大前沿領域的變革。
智能輔助駕駛技術架構正經歷從“多模塊串聯”向“端到端一體化”的范式轉變。這種變革不僅要求底層大數據AI工程架構持續升級，更迫使產業界直面技術瓶頸。以卓馭科技為例，其首席技術官陳曉智指出，傳統模塊化方案長期受困于“感知-決策-規控”的分階段架構，依賴人工規則定義且復雜路況處理效率低下。而端到端架構通過視覺、語言與行動能力的深度融合，使模型訓練聚焦于數據與場景優化，實現能力快速迭代。目前，整個自動駕駛行業正加速向這一方向探索。
技術轉型帶來的挑戰同樣嚴峻。阿里云解決方案負責人魏博文觀察到，傳統自動駕駛模型訓練僅需數PB數據，而當前主流企業單次訓練數據量已飆升至10PB-30PB。數據規模與算力需求的指數級增長，迫使企業提升整體大數據并發處理能力。具身智能領域的問題更為復雜，自變量機器人創始人王潛表示，該領域需整合物理規律理解與復雜動作執行能力，其復雜性遠超其他AI應用場景。當前，機器人、工業自動化與服務領域雖成為首批落地場景，但數據分散、算力需求特殊與通信要求苛刻等問題，正制約企業研發進程。
“我們需要三位一體的云上AI基礎設施，涵蓋算力、大數據與人工智能平臺。”王潛強調。這一需求正成為云廠商的戰略焦點。汪軍華透露，隨著端到端變革推進，阿里云多個客戶已提出萬卡規模以上的算力需求，對模型規模、多模態數據處理效率與數據合規性的要求顯著提升。為此，阿里云構建了覆蓋模型、AI基礎設施、數據基礎設施與端到端工具的技術支撐體系，全力投入Agentic AI落地的基礎設施建設。
在近期行業峰會上，阿里云宣布智能輔助駕駛解決方案全面升級。該方案通過統一元數據管理實現百PB級數據的高效管控，降低數據備份與流動成本；支持非結構化數據讀寫與訓練加速，壓縮存儲空間的同時縮短模型加載時間；通過架構升級提升千萬級Clip數據生產與千億級訓練數據檢索效率。某車企采用升級后的解決方案后，實現百萬級任務管理與上萬任務并發運行，產能達30萬clips/天，訓練效率提升2-3倍。王潛進一步指出，阿里云平臺完美滿足了機器人數據預處理、分布式訓練與遠程回傳等需求，顯著提升研發迭代效率。
目前，超80%的中國車企與多家頭部機器人企業已將數據處理與模型訓推鏈路部署在阿里云平臺。這一市場表現背后，是阿里云在全模態兼容、彈性擴展、安全合規與可靠性等維度的領先優勢。公司正從“技術供應商”向產業變革引領者轉型，例如與英偉達在Physical AI領域的軟件工具棧合作，集成NVIDIA Isaac Sim、Cosmos等工具，形成覆蓋數據預處理、仿真生成、模型訓練與機器人強化學習的全鏈路支撐，加速具身智能行業應用開發。
具身智能對云計算的極端需求進一步凸顯云廠商的戰略價值。王潛分析，該領域實驗任務啟動頻率高于語言與自動駕駛模型，對系統可用性要求極高；同時，機器人分布的分散性迫使傳統存算一體架構向“網存算一體”升級，以保障模型部署、數據回收與再訓練的全生命周期流暢運行。這種需求倒逼云廠商加速技術整合，推動AI向物理世界深度滲透。
阿里巴巴CEO吳泳銘在峰會上提出，人類終將實現通用人工智能（AGI）乃至超級人工智能（ASI），發展出具備自我迭代能力的智能系統。他預測，未來每個家庭、工廠與公司都將部署大量Agent與機器人，全球或許僅需5-6個超級云計算平臺即可支撐新計算范式。作為少數具備軟硬件垂直整合能力的平臺之一，阿里云正通過飽和式投入推進AI基礎設施建設，這場面向未來的“超級AI云”競賽已進入白熱化階段。
