腾讯云推出物理AI平台—格物（XPhysis），让AI从理解世界走向改变世界

关注

原创 2026-11-09 17:58:12 109 阅读 AI 写同款· GEO 优化 ›

IQA图像质量评价数据集介绍(LIVE、TID2013、CSIQ、LIVEC、KonIQ-10K) LIVE、TID2013、CSIQ、LIVEC、KonIQ-10K 数据集介绍阅读详情

10 月 30 日，2026 腾讯全球数字生态大会大数据专场在深圳举行。腾讯云大数据基础产品总经理程彬在会上推出面向 Physical AI 场景的物理 AI 平台——格物（XPhysis）：腾讯云把过去一年服务数十家具身与智驾客户的工程实践，沉淀为多模态 AI 数据湖 TCLake，并进一步推出覆盖物理 AI 工程全链路的 TCLake 格物（XPhysis）平台，致力于"让 AI 从理解世界走向改变世界"。

平台在当天《数据重塑物理世界：Physical AI 的工程深水区与底座重构》圆桌论坛上亮相。腾讯云上海及浙江区域总经理曾凡钢、Potentia AI 创始人兼 CEO 白宇利、上海交通大学人工智能学院助理教授孙健华、无问智科联合创始人兼 CTO 于春磊、卓驭科技基础架构总监王鹏同台，围绕"大脑之争、数据之争、飞轮之困"展开对话——这场圆桌讨论的，正是格物（XPhysis）平台要解决的问题。

Physical AI 产业正站在关键节点上：一边是市场加速起飞——中商产业研究院预计 2026 年中国广义具身智能市场规模将突破 1 万亿元，行业正式迈入小批量商用元年；另一边是工程落地的深水区全面显现——模型路线未定、数据缺口巨大、迭代链路断裂。

格物（XPhysis）：面向物理AI三大挑战的一站式全链路平台

在物理 AI 落地的过程中，业界普遍面临三重挑战：模型大脑的路线竞逐、高精度物理交互数据的稀缺、以及数据飞轮的断裂。而支撑物理 AI 研发的数据处理、模型训练、推理与仿真验证等任务，却长期分散在多套割裂的工具中——数据重复准备、格式反复转换、资产难以复用，团队在工具间搬运数据的时间，远多于迭代模型的时间。企业往往需要自行拼装采集平台、标注系统、训练框架、仿真器与部署管道：每一环都可用，串起来却处处漏损。

这意味着，业界需要一套覆盖 Physical AI"采集—处理—训练—仿真—部署"工程全链路的平台，实现三方面价值的飞跃：

模型大脑实验效率的飞跃。一轮物理 AI 实验假设，从提出到验证动辄数天至数周，投入常达百万量级。平台需要以端到端的算法工程效率，把"提出假设—准备数据—训练评测"的周期压缩到最短——当迭代次数成为核心竞争力，实验效率就是模型大脑的"隐形裁判"。
多模态数据管理的飞跃。数据之争的胜负手，不在拥有哪种数据，而在能否把互联网、第一人称、仿真、真机多源异构数据统一治理、按需组合——数据不再散落在各团队各自的存储里，而是成为可检索、可复用、可组合的企业资产。
数据飞轮架构的飞跃。以一套平台贯通端与云之间、仿真与真机之间、人与系统之间的协同链路，让回流数据自动进入下一轮迭代，而不是沉积为"数据债"。

腾讯云格物（XPhysis），正是腾讯云结合数十家具身与智驾场景客户试错与优化经验所沉淀的物理 AI 工程全链路平台：以统一多模态数据底座 TCLake 承载数据资产，以自研多模态计算引擎 Xpark 与开源增强 TCRay 驱动计算，覆盖"采集—处理—训练—仿真—部署"全链路——让每一轮实验更快得到验证，让每一份数据发挥更大价值，让每一次闭环更少发生漏损，把物理 AI 的研发范式从"拼装工具"升级为"运转飞轮"。

腾讯云格物（XPhysis）平台，由以下关键能力组成：

多模态数据湖底座：解决具身异构数据管理难题

具身智能的数据飞轮一般而言，涉及到动作、视觉、触觉等等多模态数据，传统结构化数据湖方案难以承载。腾讯云格物平台集成腾讯云多模态数据底座，提供TCQA 提供智能检索与数据访问加速，TCCatalog 统一管理数据集、模型、向量等元数据资产，TCIceberg 以开放表格式承载结构化与时序数据，TCLance 作为多模态 Lakehouse 托管向量与训练数据，TCQA 提供智能检索与数据访问加速——开放格式与统一服务，直接回应数据不被锁定、资产可找可复用的行业诉求。

AI计算：面向具身场景的极致AI工作负载性能

Physical AI 的计算负载呈现三个鲜明特征：

其一，负载异构：多模态数据解析、模型训练、仿真评测与推理部署四类任务形态迥异，对 CPU 与 GPU 的配比要求各不相同；
其二，以后训练为主：具身与智驾企业普遍不预训练基座模型，工程重心在 SFT、RL 与评测的高频迭代上，训练任务呈短周期、高并发、碎片化；
其三，成本敏感：产业调研显示算力成本占物理 AI 研发投入的六成以上，数据生产、模型训练、仿真测试在同一资源池中既要保业务优先级、又要保利用率。

针对这些诉求，格物平台通过 Xpark AI 提供 SFT/RL 数据资源池、弹性 CPU/GPU 算力并内置领域模型，TCRay 基于 Ray 打造经数千节点规模化验证的生产级分布式训练与推理引擎，同时兼容 TI-ONE 等第三方平台——让每一轮实验"即申即用"，把算力弹性转化为实验吞吐。

数据计算：提供开箱即用的具身智能多模态计算

具身与智驾的一条采集轨迹，往往同时包含关节状态、动作序列、多视角视频、相机标定与任务文本，散落在 HDF5、JSON 等异构格式中——数据采集只是开始，决定数据价值的，是对齐、清洗、标注、质检与版本管理这套处理管线。这要求算子能力开箱即用、按训练阶段精准供给：如预训练阶段需要语义与时序标注算子，需要自动识别交互物品、任务阶段与原子动作，把原始操作视频转化为带时间边界、可直接训练的时序语义数据；生产闭环阶段则需要标注复检算子——自动检查语义、时序与格式问题，以机器复检结合人工抽检稳定数据质量。

Xpark Data 正是围绕这一诉求构建：以 Pipeline 与 AI Function 提供多模态数据处理管线，内置面向图文、音视频的数十种大模型算子，覆盖清洗对齐、语义与空间标注、质量复检、样本合成等数据生产环节，并与 Daft 等开源生态互通——让每一小时采集回来的数据，都能以更高的转化率进入训练。

五段流水线：覆盖工程全链路的开放架构

最后在应用层，XPhysis 格物平台以"采集（Collect）—处理（Process）—训练（Train）—仿真（Simulate）—部署（Deploy）"五段流水线覆盖物理 AI 工程全链路，并支持第三方自建平台接入；各层能力统一通过 SDK、MCP、API、CLI 开放——面向 Agent 时代的开放架构，从设计之初就是底座的"第一公民"。

实践验证：能力已在生产链路中运转

格物（XPhysis）并非从零构建——它的能力来自过去一年数十家具身与智驾客户的真实场景打磨，在平台推出之前，这些底层能力已在生产链路中运转。无问智科使用格物底层 DLC Ray + Ray Serve + TCLake Lance 等原子能力，承载视频数据质检与训练链路，实现免自建调度节省 200 人天、算力提效 40%、Token 费用降低 60% 以上；媲美科技使用格物DLC Ray + TCLake Lance 能力进行语音数据处理与模型训练，数据处理对比单机性能提升 2 倍，模型训练时效提升 30%。