阿里这次没造机器人。
它造的是机器人的”大脑”，然后把这套东西比作”机器人的安卓时刻”。
一口气放三个模型
6 月 16 日，阿里 Qwen 团队甩出 Qwen-Robot Suite。这是它第一次正经做”具身智能”——会感知、会推理、能跟物理世界打交道的那种机器。
先说清最关键的定位：这是软件，不是硬件。阿里一台机器都不造，模型跑在 AgileX、Franka、Universal Robots、宇树（Unitree）这些别人家的机器人身上。
三个模型，各管一摊。
Qwen-RobotNav——管走路
把五件事拧进一个模型：跟着指令走、走到指定的点、找东西、跟踪目标、自动驾驶。训练用了 1560 万条样本。成绩单上，VLN-CE RxR 基准 76.5% 成功率，EVT-Bench 跟踪任务 90%。它还留了个能在任务跑到一半时临时改参数的接口——token 预算、时间衰减、摄像头权重，都能中途调。
Qwen-RobotManip——管动手
基于 Qwen3.5-4B VL，专治机器人界一个老毛病：换一台机器就不会干了。不同机型的动作空间不互通，这个模型想把它们接起来。训练数据约 3.81 万小时，全是从开源数据集和人类视频里合成的，没用一条私有数据。成绩：RoboChallenge Table30-v1 排第一，比之前最好的方法高出 20%。
Qwen-RobotWorld——管预测
一个拿自然语言当”动作接口”的视频世界模型。你用一句话描述要做的动作，它预测接下来物理世界会怎么变。训练吃了 860 万对视频-文本（2 亿帧）。成绩：物理符合度拿了满分，EWMBench 和 DreamGen Bench 都排第一，覆盖 1300 多种技能、20 多种机器人形态。
为什么是”安卓时刻”
这个类比值得拆开看。
安卓不造手机，它造的是所有手机都能装的系统。阿里想干的是同一件事——不绑定任何一家机器人厂商，谁的机器都能跑我的模型。机器人这行现在最像当年手机：硬件五花八门，软件各做各的，没有一个谁都能用的底座。阿里想抢的就是这个底座的位置。
底气在哪？阿里手里捏着从芯片到云到应用的全链条，再加上开源打法。对面那些靠私有机器人数据起家的对手，护城河是数据，阿里偏要用开源把这道墙绕过去。
这套东西已经在阿里云的部分企业客户那里开始试点了。
别急着兴奋
阿里自己也没把话说满。它承认，演示里跑得漂亮，和真上生产线之间，还隔着一堆现实——传感器噪声、执行器漂移、各种没见过的边角情况。这些恰恰是机器人从实验室走到工厂最容易栽的地方。
价格多少、什么时间表、普通客户什么时候能用上，目前都还没说。
大模型这两年把”读、写、看”基本做明白了，下一道坎是”动”——让 AI 从屏幕里伸出手，真去拧一颗螺丝、搬一个箱子。
阿里这套押的就是这道坎。能不能成不好说，但姿势已经摆好了：自己不下场造机器，专心做那个谁都能装的”大脑”。
参考来源：Alibaba Is Building Qwen-Robot: The Operating System for the Robot Economy（Decrypt）；CocoLoop、Alibaba eyes physical world with its first suite of AI models for robots（South China Morning Post）；Alibaba announces 'Qwen-Robot Suite'（GIGAZINE）