騰訊雲在2026年10月30日舉行的騰訊全球數字生態大會大數據專場上，公布面向具身智能、自動駕駛等 Physical AI 場景的一站式多模態數據處理及模型訓練、推理方案。所稱流程涵蓋數據處理、模型訓練、推理和仿真驗證，目標是把原本分散的研發工作串連起來。30

想打通 Physical AI 研發流程

具身智能和自動駕駛研發會處理影片、感測器等不同類型的數據，並透過模型訓練和仿真驗證反覆迭代。騰訊雲表示，過往相關工作可能分散在多套工具中，令數據準備、團隊協作和資產重用都面對挑戰。30

新方案把 DataBuddy 工作流與數據湖計算 AI DLC 結合，將數據管理、開發編排和模型任務整合到同一平台，並串連數據處理、訓練、推理及仿真驗證。30 不過，現有公開資料未有完整交代每個環節如何銜接成回饋閉環，例如仿真結果如何回流，以及實際如何減少重複準備或提升資產重用。

已披露的產品分工有限

發布資料提到，Xpark 和 Meson 用於多模態數據清洗、質檢、標註及樣本準備；DataBuddy 工作流與 AI DLC 則負責方案中的數據管理、開發編排和模型任務整合。30 這些描述勾勒出由整理數據到進行模型工作的部分流程，但未有逐一列出各元件的完整輸入、輸出和調度方式。TCRay 在這次方案中的具體職責，現有發布摘要亦未有足夠說明。

較早前的騰訊雲開發者文章，將 TCLake+EMR 描述為統一承載結構化與非結構化數據的數據湖方案，並提到 CPU、GPU 混合調度，以及由數據準備到訓練評估、部署推理的流程；文章亦介紹 Xpark 支援多模態分析、預處理、訓練和推理。35 騰訊雲產品資料則稱，TCLake 可統一管理結構化和非結構化數據，並提供多模態數據目錄等能力。14

以上資料有助了解相關產品背景，但不足以確認今次方案的完整架構細節。另有媒體摘要提到騰訊雲計劃推出 TCLake「格物」平台；目前材料未能核實「XPhysis」這個英文名稱，亦未有足夠資訊說明平台的完整架構。31

效能數字要連同測試條件看

一則媒體頁面摘要報稱，數據準備時間由15日縮短至2日、GPU利用率提升近200%，單卡成本下降35%。31 不過，摘要沒有交代所用工作負載、比較基線或測量方法，因此這些數字應視為報道中的效果說法，而非已獨立驗證的基準。摘要亦只提到「單卡成本」，沒有說明按甚麼時段計算，不能直接理解為每日 GPU 成本下降35%。

DataBuddy 行業進展與 Agent 時代數據平台

騰訊雲表示，DataBuddy 已應用於金融、零售和教育等領域，支援數據開發、治理和分析，讓更多業務人員透過自然語言取得數據洞察。30

騰訊雲副總裁黃世飛則表示，Agent 正成為數據平台的新使用者，企業使用數據的方式和平台要承載的運算工作亦隨之改變。他認為，面向 Agent 的數據平台需要理解業務、支援受控執行任務，並有效處理多模態數據、模型訓練和推理。30 這說明方案的產品方向：數據平台不只處理和管理數據，也要接上 AI 工作流程；但公開資料未能證明不同客戶環境都會取得相同成效。

至於 Zhuoyu Technology、BioMap 的具體部署，以及 EMR DIaaS、TCRay 是否用於多組學處理或虛擬細胞訓練，現有來源未有足夠資料核實。Jiuxuewang 的試點轉正式生產時間、語義層對問答準確度的量化影響，以及金融和政務客戶的私有化部署安排，也未能從已提供的資料確認。

**簡單來說：**今次公布的重點，是把多模態數據準備、模型訓練與推理，以及仿真驗證納入同一研發流程。公開資料交代了方案的大致範圍和部分產品用途；效能數字、完整架構及客戶部署細節，仍有待更多可核實資料。

騰訊雲在2026年10月30日舉行的騰訊全球數字生態大會大數據專場上，公布面向具身智能、自動駕駛等 Physical AI 場景的一站式多模態數據處理及模型訓練、推理方案。所稱流程涵蓋數據處理、模型訓練、推理和仿真驗證，目標是把原本分散的研發工作串連起來。30

想打通 Physical AI 研發流程

具身智能和自動駕駛研發會處理影片、感測器等不同類型的數據，並透過模型訓練和仿真驗證反覆迭代。騰訊雲表示，過往相關工作可能分散在多套工具中，令數據準備、團隊協作和資產重用都面對挑戰。30

新方案把 DataBuddy 工作流與數據湖計算 AI DLC 結合，將數據管理、開發編排和模型任務整合到同一平台，並串連數據處理、訓練、推理及仿真驗證。30 不過，現有公開資料未有完整交代每個環節如何銜接成回饋閉環，例如仿真結果如何回流，以及實際如何減少重複準備或提升資產重用。

已披露的產品分工有限

發布資料提到，Xpark 和 Meson 用於多模態數據清洗、質檢、標註及樣本準備；DataBuddy 工作流與 AI DLC 則負責方案中的數據管理、開發編排和模型任務整合。30 這些描述勾勒出由整理數據到進行模型工作的部分流程，但未有逐一列出各元件的完整輸入、輸出和調度方式。TCRay 在這次方案中的具體職責，現有發布摘要亦未有足夠說明。

較早前的騰訊雲開發者文章，將 TCLake+EMR 描述為統一承載結構化與非結構化數據的數據湖方案，並提到 CPU、GPU 混合調度，以及由數據準備到訓練評估、部署推理的流程；文章亦介紹 Xpark 支援多模態分析、預處理、訓練和推理。35 騰訊雲產品資料則稱，TCLake 可統一管理結構化和非結構化數據，並提供多模態數據目錄等能力。14

以上資料有助了解相關產品背景，但不足以確認今次方案的完整架構細節。另有媒體摘要提到騰訊雲計劃推出 TCLake「格物」平台；目前材料未能核實「XPhysis」這個英文名稱，亦未有足夠資訊說明平台的完整架構。31

效能數字要連同測試條件看

一則媒體頁面摘要報稱，數據準備時間由15日縮短至2日、GPU利用率提升近200%，單卡成本下降35%。31 不過，摘要沒有交代所用工作負載、比較基線或測量方法，因此這些數字應視為報道中的效果說法，而非已獨立驗證的基準。摘要亦只提到「單卡成本」，沒有說明按甚麼時段計算，不能直接理解為每日 GPU 成本下降35%。

DataBuddy 行業進展與 Agent 時代數據平台

騰訊雲表示，DataBuddy 已應用於金融、零售和教育等領域，支援數據開發、治理和分析，讓更多業務人員透過自然語言取得數據洞察。30

騰訊雲副總裁黃世飛則表示，Agent 正成為數據平台的新使用者，企業使用數據的方式和平台要承載的運算工作亦隨之改變。他認為，面向 Agent 的數據平台需要理解業務、支援受控執行任務，並有效處理多模態數據、模型訓練和推理。30 這說明方案的產品方向：數據平台不只處理和管理數據，也要接上 AI 工作流程；但公開資料未能證明不同客戶環境都會取得相同成效。

至於 Zhuoyu Technology、BioMap 的具體部署，以及 EMR DIaaS、TCRay 是否用於多組學處理或虛擬細胞訓練，現有來源未有足夠資料核實。Jiuxuewang 的試點轉正式生產時間、語義層對問答準確度的量化影響，以及金融和政務客戶的私有化部署安排，也未能從已提供的資料確認。

**簡單來說：**今次公布的重點，是把多模態數據準備、模型訓練與推理，以及仿真驗證納入同一研發流程。公開資料交代了方案的大致範圍和部分產品用途；效能數字、完整架構及客戶部署細節，仍有待更多可核實資料。