商业范儿
2026-07-19
当大模型已经在语言、数学、代码等数字世界完成能力跃迁，下一阶段人工智能的核心命题正在转向真实世界：机器人如何感知环境、理解任务、执行动作，并在持续反馈中自我进化？物理AI何时会迎来ChatGPT 时刻？
围绕行业最热议题，7月19日，智元、觅蜂科技联合主办2026世界人工智能大会核心分论坛“智启具身论坛2026——迎接物理AI智能涌现”，共同拆解物理 AI翻越 Scaling Law “物理墙”、实现通用物理智能涌现的可行路径。
智元合伙人、高级副总裁、具身业务部总裁，觅蜂科技董事长兼CEO姚卯青带来主旨演讲《模型与数据飞轮：冲破物理墙，驱动物理 AI 智能涌现》。
姚卯青认为，理解物理 AI，首先要回到智能的两条主线：表征与闭环。表征，是对世界的抽象压缩；闭环，是智能体与环境之间持续发生的“感知、理解、决策、行动、反馈”循环。数字 AI 的成功，本质上是知识表征在数字环境中的成功；而物理 AI 的难点在于，它必须同时打通经验表征与真实世界闭环。
在姚卯青看来，物理智能要实现规模化，必须突破三道墙：一是数据墙，真实交互数据极其稀缺且获取成本高；二是表征墙，跨任务、跨场景、跨本体的统一物理表征尚未形成；三是闭环墙，真实试错代价昂贵、反馈缓慢，难以规模化。他表示，物理 AI 从“能演示”走向“能干活”，关键不在于单点模型能力，而在于能否形成可泛化、可优化、可进化的通用具身智能系统。
围绕这一目标，智元构建了“预训练—后训练—持续学习”的三阶段训练架构，沿着 VLA 与 WAM 两条路线持续演进，并推动二者走向统一的世界推理动作大模型（WRAM，World Reasoning Action Model），以此推出自研 GO-2 基座模型、Act2Goal 世界模型、GE-Sim 2.0 ，搭配 SOP、Genie Evolver 百台级分布式真机强化学习体系，从算法、仿真、真机训练层面打通规模化迭代闭环。
在数据层面，姚卯青介绍觅蜂科技打造了全链路物理 AI 数据基础设施，依托 MEgo 系列采集终端、MEgo Engine 治理平台与真机数据集 AGIBOT WORLD，构建分层数据供给金字塔与部署回流数据飞轮，从源头解决行业数据稀缺难题。姚卯青强调，当执行、回流、挖掘、更新形成自动化闭环，模型能力才能在真实世界中持续迭代。
这一技术飞轮已经在真实场景中获得验证。在江西南昌，传统3C平板量产产线完成规模化落地验证，产线作业成功率达99.99%。“模型决定起点，数据定义终局。当飞轮转动，智能涌现只是时间问题。”姚卯青表示，智元、觅蜂希望与全球学术界、产业界和开发者社区共同推动物理 AI 在真实世界中加速演进。
随后，论坛进一步围绕物理 AI 如何突破表征、泛化与闭环难题展开讨论。清华大学计算机系副研究员苏航围绕《数据驱动的具身基座模型》指出，具身智能正在经历一次根本性的预训练范式演化：从面向单一机器人和特定任务的行为模仿，转向面向开放世界的通用能力预训练。未来具身基座模型的目标，不再只是学习“看到什么、如何动作”，而是形成对环境状态、物理规律、动作后果和任务进程的统一理解。
Physical Intelligence 研究科学家任至意则从规模化真实世界数据出发，展示了机器人策略模型如何在多任务、多场景训练中形成跨本体泛化能力。例如最新模型可将在 ARX 机械臂上学习到的衣物折叠能力，迁移至 UR5 双臂机器人完成同类操作，大幅降低新本体部署适配成本。机器人可处理未见过的橱柜、卧室整理、流体容器操作等长尾场景，验证多元真实交互数据对通用智能的核心驱动价值。
行业面临的下一个问题是：机器人如何从实验室展示走向稳定可靠的真实部署？Genesis AI 联合创始人王尊玄带来《面向通用灵巧操作的人类数据与仿真扩展》，分享了 Genesis AI 面向机器人灵巧操作的全栈方法：以 1:1 人类手部数据策略为基础，结合 Genesis World 仿真环境、多模态大模型 GENE 与部署数据飞轮，推动机器人在数据、仿真、模型和真实部署之间持续迭代。
当机器人真正进入产业场景，如何在长时间、无人干预、高一致性要求下保持稳定可靠？Dyna Robotics 联合创始人兼首席科学家马也骋分享了“研究与部署飞轮”战略，通过前沿研究、产品部署和真实世界数据反哺，形成技术迭代的自我强化循环。为支撑该飞轮，Dyna 构建了“预训练数据金字塔”，整合离线数据、在线机器人数据和高质量部署数据，已积累超 20 万小时预训练数据。模型架构上，采用低频 “推理模型” 与高频 “世界 - 行动模型” 协同工作，兼顾高层认知与底层执行效率。
可以看到，几位嘉宾的分享共同指向一个判断：物理 AI 的通用化落地，不是单一模型能力的突破，而是数据、表征、仿真、后训练与真实场景反馈共同形成的系统性进化。通用能力来自多源经验的规模化复用，可靠性则来自真实闭环中的持续迭代。
