大象新闻记者 刘小玉
当大模子已经在语言、数学、代码等数字天下完成能力跃迁，，，，，下一阶段人工智能的焦点命题正在转向真实天下：机械人怎样感知情形、明确使命、执行行动，，，，，并在一连反馈中自我进化？？？？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、觅蜂科技联合主理2026天下人工智能大会焦点分论坛“智启具身论坛2026——迎接物理AI智能涌现”。。。。。本次论坛汇聚清华大学、佐治亚理工学院、Physical Intelligence、Genesis AI、Dyna Robotics、Sunday Robotics、腾讯Robotics X 等海内外顶尖高校、机械人实验室与头部科技企业手艺领军者代表，，，，，配合拆解物理 AI翻越 Scaling Law “物理墙”、实现通用物理智能涌现的可行路径。。。。。
7月19日，，，，，2026天下人工智能大会·智启具身论坛在上海世博中心金厅举行
模子决议起点，，，，，数据界说终局
打造可泛化、可优化、可进化的通用具身智能系统
论坛开篇，，，，，智元合资人、高级副总裁、具身营业部总裁，，，，，觅蜂科技董事长兼CEO姚卯青带来主旨演讲《模子与数据飞轮：突破物理墙，，，，，驱动物理 AI 智能涌现》。。。。。
智元合资人、高级副总裁、具身营业部总裁，，，，，觅蜂科技董事长兼CEO姚卯青作主旨演讲
姚卯青以为，，，，，明确物理 AI，，，，，首先要回到智能的两条主线：表征与闭环。。。。。表征，，，，，是对天下的笼统压缩 ；；；；；；闭环，，，，，是智能体与情形之间一连爆发的“感知、明确、决议、行动、反馈”循环。。。。。数字 AI 的乐成，，，，，实质上是知识表征在数字情形中的乐成 ；；；；；；而物理 AI 的难点在于，，，，，它必需同时买通履历表征与真实天下闭环。。。。。
在姚卯青看来，，，，，物理智能要实现规 ；；；；；；，，，，，必需突破三道墙：一是数据墙，，，，，真实交互数据极其稀缺且获取本钱高 ；；；；；；二是表征墙，，，，，跨使命、跨场景、跨本体的统一物理表征尚未形成 ；；；；；；三是闭环墙，，，，，真实试错价钱腾贵、反馈缓慢，，，，，难以规 ；；；；；；。。。。。他体现，，，，，物理 AI 从“能演示”走向“醒目活”，，，，，要害不在于单点模子能力，，，，，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。。。。。
姚卯青作主旨演讲
围绕这一目的，，，，，智元构建了“预训练—后训练—一连学习”的三阶段训练架构，，，，，沿着 VLA 与 WAM 两条蹊径一连演进，，，，，并推动二者走向统一的天下推理行动大模子(WRAM，，，，，World Reasoning Action Model)，，，，，以此推出自研 GO-2 基座模子、Act2Goal 天下模子、GE-Sim 2.0 ，，，，，搭配 SOP、Genie Evolver 百台级漫衍式真机强化学习系统，，，，，从算法、仿真、真机训练层面买通规 ；；；；；；栈。。。。。
在数据层面，，，，，姚卯青先容觅蜂科技打造了全链路物理 AI 数据基础设施，，，，，依托 MEgo 系列收罗终端、MEgo Engine 治理平台与真机数据集 AGIBOT WORLD，，，，，构建分层数据供应金字塔与安排回流数据飞轮，，，，，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，，，，，模子能力才华在真实天下中一连迭代。。。。。
这一手艺飞轮已经在真实场景中获得验证。。。。。在江西南昌，，，，，古板3C平板量产产线完陋习 ；；；；；；涞匮橹，，，，，产线作业乐成率达99.99%。。。。。“模子决议起点，，，，，数据界说终局。。。。。当飞轮转动，，，，，智能涌现只是时间问题。。。。。”姚卯青体现，，，，，智元、觅蜂希望与全球学术界、工业界和开发者社区配合推动物理 AI 在真实天下中加速演进。。。。。
从统一表征到跨本体迁徙：物理 AI 怎样走向通用化
随后，，，，，论坛进一步围绕物理 AI 怎样突破表征、泛化与闭环难题睁开讨论。。。。。
清华大学盘算机系副研究员苏航作主题分享
清华大学盘算机系副研究员苏航围绕《数据驱动的具身基座模子》指出，，，，，具身智能正在履历一次根天性的预训练范式演化：从面向简单机械人和特定使命的行为模拟，，，，，转向面向开放天下的通用能力预训练。。。。。未来具身基座模子的目的，，，，，不再只是学习“看到什么、怎样行动”，，，，，而是形成对情形状态、物理纪律、行动效果和使命历程的统一明确。。。。。
他以为，，，，，这一范式将沿着三条主线加速演进：数据从简单本体走向多源混淆，，，，，模子从行为模拟走向天下建模，，，，，学习从离线训练走向真实安排中的一连进化。。。。 ；；；；；；等斯旒！⒁２僮魇荨⒌谝皇咏鞘悠岛腿死嘈形悠到荒扇胪骋坏脑ぱ盗废低，，，，，差别机械臂、人形机械人和应用场景中的履历，，，，，也将从相互割裂的数据，，，，，转化为可迁徙、可复用的通用能力。。。。。
苏航强调，，，，，具身预训练的焦点逻辑正在从“看得更多、模拟得更像”，，，，，升级为“明确天下、展望效果、一连进化”。。。。。在这一趋势下，，，，，未来行业竞争的重点也将从单项使命乐成率和演示效果，，，，，转向基座模子的通用性、迁徙性和一连学习能力。。。。。只有完成从被动天下明确、统一天下建模到闭环自我刷新的范式跃迁，，，，，具身智能才可能真正从“预编程的使命执行器”走向能够顺应开放情形的通用智能体。。。。。
Physical Intelligence 研究科学家任至意作主题分享
Physical Intelligence 研究科学家任至意则从规 ；；；；；；媸堤煜率莩龇，，，，，展示了机械人战略模子怎样在多使命、多场景训练中形成跨本体泛化能力。。。。。例如最新模子可将在 ARX 机械臂上学习到的衣物折叠能力，，，，，迁徙至 UR5 双臂机械人完成同类操作，，，，，大幅降低新本体安排适配本钱。。。。 ；；；；；；等丝纱砦醇某鞴瘛⑽允艺怼⒘魈迦萜鞑僮鞯瘸の渤【，，，，，验证多元真实交互数据对通用智能的焦点驱动价值。。。。。
任至意先容，，，，，最新 π0.7 模子实现突破性跨本体涌现迁徙能力：仅在 ARX 机械臂训练折叠衣物数据，，，，，即可零适配在 UR5 双臂机械人完成同款细腻操作，，，，，无需针对新本体重新微调，，，，，大幅降低机械人安排适配本钱。。。。。
Genesis AI 联合首创人王尊玄作主题分享
行业面临的下一个问题是：机械人怎样从实验室展示走向稳固可靠的真实安排？？？？
Genesis AI 联合首创人王尊玄带来《面向通用灵巧操作的人类数据与仿真扩展》，，，，，分享了 Genesis AI 面向机械人灵巧操作的全栈要领：以 1:1 人类手部数据战略为基础，，，，，连系 Genesis World 仿真情形、多模态大模子 GENE 与安排数据飞轮，，，，，推念头械人在数据、仿真、模子和真实安排之间一连迭代。。。。。
王尊玄指出，，，，，通用灵巧操作的突破并不但是模子架构问题，，，，，更依赖高质量数据的规 ；；；；；；┯。。。。。随着预训练数据规模提升，，，，，模子在使命级微调后的效能和效率也有所提升。。。。。Genesis AI通过靠近人类标准的机械人手与非侵入式手套数据收罗方式，，，，，缩小人手与机械人手之间的数据鸿沟 ；；；；；；同时，，，，，Genesis World 仿真情形不但用于强化学习后训练，，，，，也用于模子评测，，，，，以加速模子迭代。。。。。
Dyna Robotics 联合首创人兼首席科学家马也骋作主题分享
当机械人真正进入工业场景，，，，，怎样在长时间、无人干预、高一致性要求下坚持稳固可靠？？？？
Dyna Robotics 联合首创人兼首席科学家马也骋分享了“研究与安排飞轮”战略，，，，，通过前沿研究、产品安排和真实天下数据反哺，，，，，形成手艺迭代的自我强化循环。。。。。为支持该飞轮，，，，，Dyna 构建了“预训练数据金字塔”，，，，，整合离线数据、在线机械人数据和高质量安排数据，，，，，已积累超 20 万小时预训练数据。。。。。模子架构上，，，，，接纳低频 “推理模子” 与高频 “天下 - 行动模子” 协同事情，，，，，兼顾高层认知与底层执行效率。。。。。
马也骋先容，，，，，Dyna Robotics 商用基座模子DYNA-1在餐巾折叠这一高难度使命中，，，，，乐成率高达99.4%，，，，，并能在 24 小时无人干预下自主折叠凌驾 850 个餐巾，，，，，实现了从 “实验室演示” 到 “工业级可靠性” 的跨越。。。。。同时，，，，，该模子展现出卓越的数据效率，，，，，顺应新使命仅需不到 1 小时的后训练数据。。。。。
可以看到，，，，，几位嘉宾的分享配合指向一个判断：物理 AI 的通用化落地，，，，，不是简单模子能力的突破，，，，，而是数据、表征、仿真、后训练与真实场景反馈配合形成的系统性进化。。。。。通用能力来自多源履历的规 ；；；；；；从，，，，，可靠性则来自真实闭环中的一连迭代。。。。。
巅峰圆桌：大咖云集激辩Scaling Law"物理墙"
主旨演讲后，，，，，论坛迎来压轴圆桌岑岭对话。。。。。姚卯青、任至意、马也骋、Sunday Robotics联合首创人兼CEO赵子豪、腾讯首席科学家&腾讯Robotics X实验室主任张正友几位重磅嘉宾同台，，，，，议题锁定《Scaling Law的"物理墙"：物理AI怎样迎来通用智能涌现》。。。。。圆桌对话由智元AI算法总监任广辉主持。。。。。
圆桌论坛
已往几年，，，，，数字大模子通过数据、模子和算力的一连扩展，，，，，实现了显著的能力涌现。。。。。但到了物理天下，，，，，智能不但是明确和天生信息，，，，，还必需转化为真真相形中的稳固行动，，，，，面临重大交互、不确定性和硬件约束。。。。。
圆桌首先讨论了机械人的“ChatGPT 时刻”事实需要多大规模的数据。。。。。姚卯青以为，，，，，若是将这一时刻界说为机械人能够在物理天下中“开箱即用”，，，，，完成日常使命，，，，，并追随开放式自然语言指令行动，，，，，那么具身数据规模仍与语言模子预训练语料保存万倍以上差别。。。。。物理天下噪声更大、信息冗余更高，，，，，要实现对通用物理纪律、开放式指令明确与使命妄想能力的隐式掌握，，，，，需要亿小时级别的数据，，，，，才华让常见使命的基础乐成率抵达70%—80%。。。。。
围绕数据泉源，，，，，嘉宾们形成了一个主要共识：物理 AI 的数据不可能只依赖简单泉源，，，，，而将形成由互联网数据、第一视角数据、UMI/Ego 数据、真机数据、仿真数据与安排回流数据配合组成的“数据配方”。。。。。
圆桌论坛
赵子豪提出，，，，，短期看，，，，，低本钱、低误差的数据收罗方式有助于提升预训练效率 ；；；；；；恒久看，，，，，真正决议辖档同续进化的，，，，，将是机械人在多样化安排情形中形成的真实回流数据。。。。。马也骋也指出，，，，，安排数据进入下一轮预训练后，，，，，可以让后续安排越来越高效，，，，，最终缩短新场景落地周期 ；；；；；；但这一飞轮建设的条件，，，，，仍是底层具备海量、高多样性的预训练数据。。。。。张正友增补道，，，，，具身智能的数据飞轮必需回到物理交互自己。。。。。无论乐成照旧失败，，，，，机械人与真实天下交互爆发的数据都应被网络起来，，，，，尤其要从失败数据中学习，，，，，以一连提升模子能力。。。。。
在模子蹊径方面，，，，，嘉宾围绕“物理 AI 的终局是端到端 VLA、天下模子/WAM，，，，，照旧更重大的 Agent 系统”睁开激辩。。。。。任至意以为，，，，，VLA 与 WAM 并不冲突，，，，，未来更可能逐渐融合：模子既要明确上下文，，，，，也要具备对未来状态的展望能力，，，，，通过对未来建模提升表征能力。。。。。马也骋也以为，，，，，差别架构各有优势，，，，，语言指令明确、未来展望、鲁棒执行等能力并不互斥 ；；；；；；在部分强调高乐成率和少数据效率的使命中，，，，，WAM 可能比 VLA 更高效。。。。。张正友则提出，，，，，具身智能尚处于早期阶段，，，，，还没有像大语言模子 Transformer 那样收敛的统一框架，，，，，未来更可能是认知系统、感知行动系统和底层反映系统之间分层协同、相互闭环。。。。。
讨论还进一步延伸到机械人本体设计。。。。。多位嘉宾以为，，，，，本体并不是越重大越好，，，，，要害在于能否匹配详细场景的使命需求、本钱约束和安排节奏。。。。。关于是否必需自研本体，，，，，任至意体现，，，，，PI 目今更关注通用战略模子能力的涌现，，，，，因此会优先使用相对简朴、维护本钱较低的机械人本体，，，，，搭建数据与模子研发基础设施，，，，，加速模子迭代。。。。。姚卯青则以为，，，，，面向商业化落地，，，，，机械人必需知足客户对可靠性、本钱、乐成率和一致性的要求 ；；；；；；全栈蹊径的价值，，，，，正在于能够买通本体、硬件、模子、控制和安排，，，，，在系统层面寻找最优解。。。。。
圆桌尾声，，，，，嘉宾们对机械人“ChatGPT 时刻”的到来时间给出判断。。。。。只管详细时间预判从两年到五年不等，，，，，但嘉宾们形成了配合判断：物理 AI 的智能涌现不会来自简单模子、简单数据源或简单蹊径，，，，，而取决于数据规模、模子架构、仿真评测、真机反馈、安排场景与硬件系统配合组成的一连进化飞轮。。。。。
从手艺愿景走向蹊径图
从数据飞轮、基座模子、虚实学习到商业规 ；；；；；；涞，，，，，2026智启具身论坛完整串联起物理 AI 从手艺原理到工业落地的全链路思索。。。。。Scaling Law 的“物理墙”并非不可逾越——当数据、表征与闭环系统实现配合规 ；；；；；；┱，，，，，当学界与工业界在统一表征、虚实融合、真机进化等偏向一连深耕，，，，，物理AI的涌现正在从愿景走向蹊径图。。。。。
作为全球 AI 顶级盛会，，，，，WAIC 不但是汇聚全球智慧的主要平台，，，，，更是中国科技立异走向天下的盛大舞台，，，，，而具身智能作为中国“新质生产力”的代表，，，，，正是与全球并肩探索的智能边疆。。。。。“智启具身论坛”汇聚中美产学研顶尖实力同台论道，，，，，已乐成一连举行两届，，，，，展现了以智元、觅蜂为代表的中国硬科技企业，，，，，正在全球尖端手艺领域实现从加入者向引领者的身份转变。。。。。
