视启未来[特殊字符]百度智能云：给大模型一双手，让AI真正触碰物理世界

如果说过去两年，大模型在数字世界里掀起了一场海啸；那么2026年，这场海啸正在以“具身智能”的形态，猛烈地拍击物理世界的海岸线。

但这里却有一个“骨感”的现实：AI能写出拿普利策奖的文章，能画出媲美梵高的名作，却极难像一个普通人那样，精准而轻柔地抓起一个玻璃杯。

阻碍大模型长出“手脚”的最大壁垒，不是算力，而是数据——尤其是能够让机器理解真实物理交互的高质量、第一人称（Ego）视角下的对齐数据。传统的遥操或是UMI开发模式，严重依赖人工且难以规模化，成为了具身智能爆发前夜的“阿喀琉斯之踵”。既然依靠人力“教”机器的方式碰到了效率天花板，用视觉算法去重构物理世界、实现自动化对齐，便成了唯一的破局路径。作为IDEA研究院计算机视觉与机器人研究中心孵化的初创团队，视启未来不仅推出了DINO、Grounding DINO/Grounded SAM、T-Rex、DINO-X等一系列全球前沿的视觉模型，更专注打造视觉原生世界模型，率先打通了“科研价值-应用落地-产业升级”的转化链路。

5月15日，在2026全球终端AI展暨第七届深圳国际人工智能展览会上，视启未来携手百度智能云，联合重磅发布了全球最新的高质量Ego人手3D对齐引擎——EgoTwin。视启未来创始人兼CEO、IDEA研究院讲席科学家张磊博士与百度智能云解决方案负责人康盛均携团队出席，共同见证了这一推动AI从数字世界跨入物理世界的里程碑时刻。

视启未来创始人兼CEO张磊博士宣布EgoTwin正式亮相

百度智能云解决方案负责人康盛介绍数据引擎

破解“莫拉维克悖论”：

EgoTwin

如何让机器看懂人手？

在具身智能领域，高效的数据生成与对齐方式像是一张通向通用机器人时代的必需船票。

此次首发的EgoTwin数据引擎，宛如一把精密的手术刀，直击“Ego人手3D现实对齐数据稀缺”这一行业命门。简单来说，它解决了一个核心问题：如何让机器以人类第一人称的视角，精准理解并复刻手部的复杂动作？

EgoTwin展现出了惊人的重构能力：它可以精准重构3D人手关键点与手部网格模型，在高度还原真实人手交互动作细节的同时，精确解算其中的空间关系。这意味着，Ego数据与机器人的状态空间终于实现了高效对齐。

相较于目前行业主流的真机遥操模式，EgoTwin在数据规模化拓展的效率上实现了指数级跃升。它不仅大幅降低了数据采集的边际成本，更高效破解了产业研发与落地过程中的诸多阻碍，堪称本届展会上AI领域最具含金量的“硬核”成果。

顶尖视觉算法

x全栈云端生态

=物理世界的超级基建

回归产业视角，解决规模化数据难题，仅靠单点算法突破并不够，还需要扎实的基础设施来承接。过去近十年，百度智能云在数据服务领域积累了深厚的工程化经验。自2023年下半年深耕具身智能赛道以来，从在大湾区落成首个具身智能采标实验室，到近期联合多方伙伴推出“具身智能数据超市”，核心逻辑只有一个——搭建一张面向全行业、真正贴合物理世界真实场景的具身数据网络。

此次合作，本质上是一场底层技术与云端基建的务实分工。视启未来的视觉科研成果，从源头切入了世界模型在人手数据对齐上的核心痛点；而百度智能云则提供大模型底座、算力支撑及大规模数据处理能力，负责解决前沿技术在工程化过程中的效率与成本问题。

这是一次清晰的产业互补：EgoTwin的接入，实质性地完善了百度智能云在具身智能高精度数据维度的纵深布局；同时，百度智能云现有的产业生态与客户阵列，也为EgoTwin提供了从实验室走向实际应用、实现规模化验证的真实商业场景。

EgoTwin 产品宣传图

断层领跑

做具身智能时代的

“修路人”

国际权威市场调研机构英富曼（Omdia）发布的《中国具身智能AI云市场，1H25》报告显示：百度智能云以35%的市场份额强势位居第一，领先优势超过第二名两倍以上，以断层优势持续领跑中国具身智能AI云服务市场。

数字背后，是百度智能云庞大且扎实的“朋友圈”。目前，百度智能云已经深度支持包括北京、上海、浙江、四川创新中心在内的具身智能“国家队”；同时，也在为智元机器人、星海图等产业链上下游超过30家重点企业提供坚实的底层支撑，助力产业创新者在下一个十年抢占先机。

从大湾区实验室到具身智能数据超市，再到今天EgoTwin的发布，百度智能云正在联合行业顶尖力量，一步步将具身智能从实验室推向工厂流水线、推向千家万户。

视启未来与百度智能云的联手，正是为具身智能行业打造了一套高精度的“航海图”。未来，双方将持续深耕底层技术研发，深化产业生态共建与前沿技术迭代，进一步丰富多领域智能化应用方案。

当AI真正“看懂”并“掌握”了物理世界的规律，那个曾经只存在于科幻电影中的通用机器人时代，就已经在向我们招手了。

百度Q1财报：智能云增长势头强劲