大厂同日放招：770B大模型与300万机器人的赌注

11月4日，中国科技圈出现了两个值得注意的动作。上午，腾讯正式发布新一代大语言模型混元Hy4，参数量达到770B级别，首次引入视觉理解与Computer Use（电脑操作）能力；下午，京东在乌镇峰会机器人与具身智能论坛上宣布，未来五年将采购300万台机器人、100万台无人车和10万架无人机，同时推进采集超1000万小时真实场景视频数据的计划。

两家公司的动作看似互不相关——一个是软件模型升级，一个是硬件设备采购——但放在同一天的时间线上，暴露出同一个信号：中国头部互联网企业的AI竞赛已经从纯云端算力对抗，转向对物理世界落地能力的争夺。

这种战略重心转移的核心逻辑很简单。过去两年，所有大模型厂商的竞争集中在参数规模和多模态理解能力上。但现在，业界逐渐意识到一个尴尬的现实：再聪明的云端大模型，如果不能影响实体经济的运行效率，其商业价值就会遭遇天花板。腾讯和京东的选择代表了两种不同的切入路径。

第一层：云端的较量

混元Hy4最大的技术跃迁在于引入了Computer Use能力。这意味着它不再只是一个被动回答问题或生成文本的工具，而是能够自主操作系统界面、完成一系列连续任务。这在业内被称为“Agent入口”争夺战的关键一步。

从参数规模来看，Hy4达到了770B级别，相比上一代Hy3的不到300B有了质的提升。更值得关注的是，腾讯将其定位为开源模型，直接面向开发者社区开放权重。这一策略与OpenAI此前在开发者工具上的补贴思路一脉相承——通过降低使用门槛，快速积累应用生态和用户粘性。

但这里有一个关键风险需要明确：目前770B参数的实际性能基准测试数据尚未公开披露。MMLU、AGIEval等主流评测集上的表现，以及Computer Use功能在实际应用场景中的可靠性，都需要等待第三方机构的独立验证。厂商自行公布的参数量和特性列表，只能作为参考依据，不应被视为确定的技术水平。

腾讯的真正意图并不仅仅是推出一个新版本模型，而是通过开源策略抢占国内AI Agent赛道的标准制定权。如果Hy4能够在企业级应用中形成足够的生态黏性，那么腾讯云不仅能在推理服务中获得持续收入，还能在未来由模型驱动的应用市场中占据先机。

第二层：物理世界的入场券

如果说腾讯的动作聚焦于“脑”的升级，那么京东的选择则直指“手”的扩张。

五年300万台机器人这个数字，无论来自哪个视角看都令人震惊。按5年交付周期计算，京东平均每年需要接收约60万台新型物流机器人。这意味着什么？意味着如果这个计划能如期实现，这将是全球单家企业在同一品类上的最大规模自动化部署，远超亚马逊过去十年的Robotics业务体量。

京东的逻辑同样清晰。作为中国最大的物流仓储运营商之一，其人力成本结构在过去几年持续承压。随着人口红利消退和电商履约要求的提高，传统快递员和人力的边际成本正在快速上升。300万台机器人一旦到位，至少在分拣、搬运和仓储管理环节，将带来显著的人力替代效应。

不过，这个计划的另一个关键细节往往被忽视：京东还计划采购100万台无人车和10万架无人机。这些都不是已经签署的合同订单，而是一个长期战略规划。截至目前，京东并未披露具体的采购金额、供应商名单或首批设备的交付时间表。

更值得关注的是数据采集计划——京东希望在两年内采集超过1000万小时的人类真实场景视频数据和100万小时的机器人本体运行数据。这表明京东不仅仅是在买硬件，更是在为未来的具身智能训练建立专属的数据壁垒。在AI时代，高质量场景数据的稀缺性可能比硬件本身更重要。

第三层：谁真正受益？

从产业链角度看，这两件几乎同时发生的事件指向了三个潜在受益方。

首先是AI芯片供应链。770B参数的云端大模型训练和推理需求，加上300万台机器人的边缘计算能力要求，将推动国内外AI芯片厂商的需求激增。无论是GPU还是专用ASIC芯片，短期内都将面临更大的供应压力。

其次是工业自动化设备制造商。虽然京东的采购计划尚未转化为具体订单，但其明确的长期意向已经在向市场发出信号。那些能够提供低成本、高可靠性和大规模交付能力的机器人整机厂商，很可能成为首批受益者。

最后是从人力密集型企业转型的上市公司。京东物流如果能够将部分自动化率提升至较高水平，其毛利率和运营效率指标将获得结构性改善。而腾讯云的推理成本下降预期，也将使其在AI基础设施服务领域继续保持竞争力。

但这一切的前提条件都很重要：前提是京东的采购计划能够按计划执行，前提是Hy4的性能能够满足企业客户的实际要求，前提是整个AI硬件供应链能够跟上需求的爆发速度。任何一个环节出现偏差，都会影响到最终的ROI兑现时间。

第四层：三个观察指标

对于关注这两个事件的投资者和行业观察者而言，有三个指标可以在接下来几个月内帮助判断这场AI豪赌的实际进展。

第一个是京东机器人的首批交付量。300万台的长期规划听起来宏大，但关键在于第一批10到20万台能否在2027年上半年顺利投入运营并产生正向的效率改进数据。这是验证整个计划可行性的最小测试单元。

第二个是Hy4在第三方基准测试中的排名表现。如果开源模型能够稳定保持在GPT－4o等同级别闭源模型的前列，那么这个770B参数模型的商业价值就有了基本保障。否则，腾讯可能需要继续加大投入以维持竞争力。

第三个是两类公司各自的资本开支（CapEx）变动。当季报或年报显示它们在这方面的投入增速超过营收增速时，说明AI投资已经从概念阶段进入了实质性的财务承诺期。这才是判断行业趋势是否成立的最硬核信号。