在2026智能经济论坛上，百度智能云披露其具身智能基础设施布局：百舸平台支持模型训练与推理优化，东莞训练场已服务35家企业，IDC报告显示其具身智能云市场份额29.55%居首。
AI解读：这则消息的核心不是百度又发布了一个新模型，而是它把具身智能公司反复要做的工程活——训练调度、数据清洗标注、仿真评测、真机部署——打包成了可租用的云服务。对做机器人本体的公司来说，这些环节自己做既费钱又拖慢迭代，外包给同一套基础设施就成了降低试错成本的选择。
真正值得留意的是三个具体环节怎么被拆解。模型侧，百舸把数据准备、训练、仿真评测和推理部署接进同一套工作流；数据侧，东莞训练场规划13个真实产业场景、配置50台套异构本体和100余台无本体设备，已服务35家具身智能企业；本体侧则补上语音交互、端云协同和安全能力。这些数字说明基础设施的收敛不是概念，而是有场地、设备和客户在跑。
不过，报道没有给出能力量产的效果数据——比如任务成功率、单位任务成本、技能跨本体复制耗时——这些恰恰是判断基础设施是否真的缩短迭代周期的关键。目前可确认的是训练有效时长等工程指标，以及企业方的定性反馈，尚不足以证明具身智能已进入规模化复制阶段。
对具身智能公司来说，这组信息的实际含义是：模型路线、产品定义和场景经验仍要自己押注，但算力调度、数据处理、仿真评测这些每家都会重复遇到的工程问题，越来越适合交给公共底座。是否迁移取决于自身团队规模和数据量，如果一周只能跑一轮训练，换基础设施带来的边际收益会比再招一个算法工程师更直接。
9月16日，在2026智能经济论坛上，百度集团执行副总裁、百度智能云事业群总裁沈抖分享了一个判断：智能体的能力边界在快速打开，已经能够处理更长程的任务，也开始进入规模化部署。他把当前阶段类比为电灯发明后的第一个月——灯亮了，但电力带来社会经济分工调整还没有出现。
围绕具身智能，百度智能云披露了其全栈AI云基础设施的落地情况：截至目前，已为产业链上超过50家重点具身企业提供技术支撑。国际数据公司（IDC）发布的《中国具身智能云市场份额报告，2025》显示，百度智能云以29.55%的市场份额位居第一；英富曼（Omdia）给出相同排名。
报道将问题定义为：机器人本体开始批量下线后，行业关注重点正从如何造出机器人，转向如何持续生产和迭代机器人的能力，即所谓“能力量产”——把已验证的具身应用技能，通过模型、数据和本体的持续闭环，以稳定且可控的成本复制到更多真实场景。
训练效率与数据生产：百舸平台和东莞训练场的具体配置
百度智能云主任架构师应茹表示，技术路线越不确定时，AI Infra越要保持通用和灵活。她认为企业需要的不是某一次训练快了多少，而是同样预算、同样时间里能否多跑几轮训练、仿真和真机验证。
百度智能云旗下AI算力基础设施产品“百度百舸”将数据准备、开发训练、仿真评测和推理部署接入同一套workflow，统一处理算力适配、训练框架、资源调度、仿真环境和模型部署。报道称，SONIC模型训练配方开源后，百舸将其集成到云上，可一键扩展至128卡训练规模；针对WAM模型的推理瓶颈，经过工程优化，相关测试中的推理延迟降至优化前的四分之一。
数据侧，在东莞，由东莞市及万江街道方面投入建设、百度智能云承建运营的具身智能训练场已投入运转。百度在此落地了大湾区首个实体化具身智能采标实验室，提供数据工具链、百舸算力底座和训推平台，为机器人做真机采集、标注、仿真和模型迭代。该训练场规划了13个真实产业场景，覆盖家具制造、3C电子、五金模具、物流仓储，配置50台套异构本体，并持续部署Ego、UMI等100余台无本体设备。
数据生产分成三条路：真机遥操作保证真实性，无本体采集降低成本并扩大规模，仿真和算法生成补充多样性。采集的数据统一纳入具身智能数据采标管一体化平台管理。训练场同时承担“中试”功能——机器人可以先试训、再中试、最后进厂，把大量试错从正在生产的客户产线上提前搬出来。报道称，该平台已经服务35家具身智能企业。
企业合作案例：千寻智能、无界动力与上纬启元
报道列举了几家合作企业的具体切入方式。无界动力创始人兼CEO张玉峰称，Physical AI的难点是“操作智能”，该公司自研了快慢结合的MWA™具身大脑。数据显示，依托百度百舸AI计算平台，百度智能云为MWA™具身大脑提供从数据处理、模型训练、仿真评测到真机推理部署的全栈支持，训练有效时长超过99.5%。
千寻智能与百度智能云的合作直接落在训练效率上。据报道，千寻智能接入百舸后，有效训练时长达到98.8%，核心指向是减少底层资源和工程问题对模型研发节奏的打断。智元机器人则放在更广的全栈AI云框架下，合作重点不只是一块算力，而是随着机器人研发和产品推进，持续调用模型训练、数据处理、部署等底层能力。
消费级具身智能机器人品牌上纬启元面向个人和家庭场景推出Q1、T1两款机器人。百度百舸围绕Q1、T1提供统一的模型训练、微调、推理和测试环境，并集中管理AI任务、数据流转与弹性算力调度。上纬启元首席科学家董豪表示，这“实现了AI任务的集中管理和算力资源的弹性调度”，并在数据高效流转、模型训推加速等方面显著提升了模型开发效率，缩短了实验闭环与算法迭代周期。
报道还提到，百度智能云全栈AI能力为这类产品提供语音交互能力，补上机器人与用户直接沟通的环节。其将一台面向真实用户的机器人描述为多个系统共同工作：模型负责理解和决策，语音交互承接用户意图和反馈，端云协同影响响应效率，安全能力决定系统能否长期稳定运行。另据提及，千寻智能、智元机器人、银河通用、宇树科技、星动纪元、跨维智能、星尘智能等企业也在百度智能云的合作名单中。
技术路线未定，基础设施需求先收敛
当前，VLA（视觉语言动作模型）、世界模型、全身运动控制等路线仍在并行演进，模型如何分工、世界模型如何接入、训练范式如何调整，都还没有完全收敛。报道称，具身数据往往同时包含视觉、动作、空间关系、力觉、本体状态和时序关系，而且和具体本体、任务、现场高度绑定；数据采回来还有清洗、切片、标注、质检、管理、训练、评测等环节。
报道认为，具身企业进入高频迭代后，原本分散的算力、模型、数采、仿真和部署链路很容易互相拖慢：数据拿回来要处理，模型训练完要仿真，仿真过了还要真机验证，真机暴露新问题又得重新回流。看起来只改了一次模型，背后可能同时牵动算力、训练框架、仿真环境、数据管线和部署方式。
由此，报道提出行业分工正在变得清晰：模型路线、产品定义、场景经验仍是具身企业自己的核心竞争力；算力调度、训练加速、数据处理、仿真评测、推理部署这些每家公司都会重复遇到的工程问题，则越来越适合沉到公共基础设施层。百度智能云目前的布局沿这条链路展开：模型侧由百舸提供训练、推理和算力调度，数据侧提供采集、标注、管理、评测链路，本体侧补上语音交互、安全和端云协同，场景侧通过训练场和中试平台完成验证和复制。
报道最后指出，在具身智能技术路线尚未定型的阶段，企业未必需要提前押注唯一答案，但必须保证自己还能继续试：模型可以换，训练范式可以换，本体可以换，场景也会继续变化。这些案例不能代表整个行业，但报道认为足以说明，具身智能企业走到研发提效和规模落地阶段后，底层基础设施需求正在浮现出越来越强的共性。