阿里通义千问大语言模型负责人林俊旸在社交媒体上发文表示，已建立机器人和具身智能的小型团队。他表示，多模态基础模型正转变为基础智能体（agents），这些智能体可以利用工具和记忆通过强化学习进行长视野（long-horizon ）推理，“它们绝对应该从虚拟世界走向物理世界”。