三大核心模型：手、腳、腦的全面進化

阿里巴巴將複雜的機器人智慧拆解為三個可獨立運作、也能協同合作的模型 ：

• Qwen-RobotManip（操作模型）：這是一套視覺-語言-動作（VLA, Vision-Language-Action）模型。它讓機器人能感知周遭環境、理解人類的自然語言指令，並執行諸如抓取、放置等精細的物理動作，相當於為機器人裝上「靈巧的手」。
• Qwen-RobotNav（導航模型）：這是一套視覺-語言-導航（VLN, Vision-Language-Navigation）模型。它使機器人能看懂得標與方向，在複雜的真實空間中自主移動和認路，就像賦予機器人一雙「認路的腳」。
• Qwen-RobotWorld（世界模型）：這是一套能模擬物理環境的世界模型。它讓機器人在行動前，能先在「腦海」中推演物理規律、預測動作後果，再做出最佳決策，如同配備一個「會思考的大腦」。

這對阿里巴巴的意義何在？

• 從數位AI走向實體AI的關鍵轉折：長久以來，阿里巴巴的AI實力多展現在Qwen聊天機器人等軟體應用上。此次推出機器人套件，代表其AI戰略正式從純數位世界，跨入能感知、操控、導航並與物理環境互動的「具身智慧」領域 。這讓阿里巴巴一腳踏入與特斯拉（Tesla）、Google DeepMind等巨頭競逐的全球實體AI新賽道。
• 歷經半年的內部組織布局：這並非倉促之舉。早在2025年10月，阿里巴巴Qwen團隊負責人林俊暘（Justin Lin）便已在內部組建了一支專注於機器人與具身AI的小型團隊 。自2026年6月初起，公司也陸續釋出相關的開源具身模型（如RynnBrain）。Qwen機器人套件正是此一連串策略布局後，端出的第一盤完整主菜。
• 定位為各類機器人的「通用底座」：這套模型並非綁定於單一款式的阿里巴巴品牌機器人，而是設計成可部署在不同型態的機器人上，扮演共通的智慧核心 。此舉暗示阿里巴巴的野心不只是製造機器人硬體，更在於成為具身AI時代的「平台供應商」——專注提供最關鍵的「大腦」，而非僅止於打造「身體」。

透過這三合一模型矩陣的協同設計，阿里巴巴正試圖讓機器人從聽命行事的工具，進化成能理解語言、感知立體環境、掌握物理規則，甚至在沒遇過的情境中自主完成複雜任務的智慧夥伴 。這份藍圖能否順利實現，將是觀察阿里巴巴未來在全球AI角力中站位的重要指標。

三大核心模型：手、腳、腦的全面進化

阿里巴巴將複雜的機器人智慧拆解為三個可獨立運作、也能協同合作的模型 ：

• Qwen-RobotManip（操作模型）：這是一套視覺-語言-動作（VLA, Vision-Language-Action）模型。它讓機器人能感知周遭環境、理解人類的自然語言指令，並執行諸如抓取、放置等精細的物理動作，相當於為機器人裝上「靈巧的手」。
• Qwen-RobotNav（導航模型）：這是一套視覺-語言-導航（VLN, Vision-Language-Navigation）模型。它使機器人能看懂得標與方向，在複雜的真實空間中自主移動和認路，就像賦予機器人一雙「認路的腳」。
• Qwen-RobotWorld（世界模型）：這是一套能模擬物理環境的世界模型。它讓機器人在行動前，能先在「腦海」中推演物理規律、預測動作後果，再做出最佳決策，如同配備一個「會思考的大腦」。

這對阿里巴巴的意義何在？

• 從數位AI走向實體AI的關鍵轉折：長久以來，阿里巴巴的AI實力多展現在Qwen聊天機器人等軟體應用上。此次推出機器人套件，代表其AI戰略正式從純數位世界，跨入能感知、操控、導航並與物理環境互動的「具身智慧」領域 。這讓阿里巴巴一腳踏入與特斯拉（Tesla）、Google DeepMind等巨頭競逐的全球實體AI新賽道。
• 歷經半年的內部組織布局：這並非倉促之舉。早在2025年10月，阿里巴巴Qwen團隊負責人林俊暘（Justin Lin）便已在內部組建了一支專注於機器人與具身AI的小型團隊 。自2026年6月初起，公司也陸續釋出相關的開源具身模型（如RynnBrain）。Qwen機器人套件正是此一連串策略布局後，端出的第一盤完整主菜。
• 定位為各類機器人的「通用底座」：這套模型並非綁定於單一款式的阿里巴巴品牌機器人，而是設計成可部署在不同型態的機器人上，扮演共通的智慧核心 。此舉暗示阿里巴巴的野心不只是製造機器人硬體，更在於成為具身AI時代的「平台供應商」——專注提供最關鍵的「大腦」，而非僅止於打造「身體」。

透過這三合一模型矩陣的協同設計，阿里巴巴正試圖讓機器人從聽命行事的工具，進化成能理解語言、感知立體環境、掌握物理規則，甚至在沒遇過的情境中自主完成複雜任務的智慧夥伴 。這份藍圖能否順利實現，將是觀察阿里巴巴未來在全球AI角力中站位的重要指標。