算力先行：北京具身智能三年方案的第一块拼图

　　11月11日，《北京市具身智能机器人产业高质量发展行动方案(2026—2028年)》正式印发。这份被业内称为“三年施工图”的文件，用六大工程勾勒出一条从技术策源到场景落地的完整路径，而排在“具身智能跃升工程”第三条的，是一个颇为硬核的数字——新增建设总规模超过50000PFlops的具身智能专用算力集群。
 

　　很多人会问，大模型讲算力讲了几年，为什么具身智能还要单独再建一个“专用”集群？答案藏在这份方案的另一组数字里：在不少于100个真实场景中采集超过100万小时的高质量数据，支持高保真仿真数据生成，攻关实时推理与跨本体迁移。具身智能的训练对象不是静态文本，而是带物理约束的视频、力觉、触觉多模态序列，仿真环境里还要跑成千上万条并行轨迹；训练完之后，模型必须装进一具几十公斤的身体里，在毫秒级的闭环中完成抓取、行走、避障。这是“云端重训练、端侧轻推理”的双重消耗，通用智算中心那套按需调度的模式很难同时满足。
 

　　5万P是什么分量？今年上半年北京新增智能算力2.2万P，全市供给规模达到8.2万P；按照此前规划，2027年全市累计建成算力规模约20万P。也就是说，这一次单为具身智能开的口子，相当于把现有全市智算家底再抬升一个量级。方案用的词是“专用”，意味着从机房选址、网络拓扑到调度策略，都要按机器人训练与推理的节奏重新设计，而不是在通用池子里划一块配额。
 

　　比建更难的，是用起来。方案提出推动具身智能重点企业与重点算力节点项目建设单位以“结对子”方式形成算力供需协同。这句话看似平淡，实则指向行业里一个真实痛点：一边是算力节点建好后利用率不足，一边是机器人公司排着队等卡、算一笔账就心疼。结对子的本质是把“卖算力”变成“共同定义算力”——企业把训练任务的特征、数据规模、迭代周期提前告诉建设方，建设方据此做容量规划、预留峰值、优化互联带宽，甚至联合调优框架。供需两端从甲乙方的买卖关系，变成同一条研发流水线上的上下游。
 

　　目光再往外放，“银河算廊”工程是另一条腿。北京正在延庆—门头沟—房山、昌平—海淀、亦庄—通州等区域布局超级节点和行业节点，同时与津冀共建环京算力供给走廊，推动芯片、存储、通信、整机、液冷、数据中心、算力调度、大模型、应用场景全链条协同。这套打法的逻辑很清楚：京内土地和电力都贵，训练型负载可以放到有绿电、有空间的周边城市，需要低时延实时交互的推理任务留在城市侧，中间靠一张跨域调度网把它们缝起来。对具身智能企业来说，这意味着不必自己建机房，也能按任务类型挑到性价比最高的那一档算力。
 

　　但算力从来不是孤岛。同一份方案里，模型、数据、评测三条线是咬合在一起的：VLA、世界模型、强化学习多路线并进，“大脑”要能理解物理规律、识别人类动作和表情，“小脑”要能实时推理、跨本体迁移；全球首个基于真实应用场景的具身智能模型测试场要建起来，用“用户单位出题、测试主体答题”的方式跑常态化评测。没有足够算力，100万小时数据的清洗与标注跑不动，仿真数据生不出来，多路线并行验证也只能缩水成单线试错。算力在这里不是炫技的参数，而是决定“大脑”进化速度的底层变量。
 

　　当然，5万P落地还有几道坎要过。一是利用率，专用集群如果只服务少数几家头部企业，很容易在项目间歇期闲置，需要更细的分时调度和共享机制；二是异构生态，不同芯片的算子库、编译工具链差异明显，模型迁移成本高，方案里提到的自主可控系统级智算芯片与软件工具链攻关，正是要啃这块硬骨头；三是成本传导，训练开销最终要摊到整机售价和场景解决方案的报价上，这也是方案同时提出融资租赁、应用保险等金融工具的用意；四是安全与治理，算力越集中，数据与模型的安全边界越重要，“一机一码”的全周期管理思路已经从本体延伸到了模型与数据侧。
 

　　如果把这份方案看作一张产业地图，算力是地基，数据是燃料，模型是发动机，本体和场景是车轮。北京选择在2028年之前把地基一次性夯到5万P以上，实际上是在抢一个时间窗口——让技术路线的试错成本足够低，让“多路并进”不至于因为资源稀缺变成“择优押注”。三年之后回看，真正值得关注的或许不是这个数字有没有建满，而是有多少家机器人公司，因为算力不再卡脖子，把想法从论文推到了街头和车间。