7月18日，，，，，，在WAIC 2026高级别自动驾驶立异生长论坛上，，，，，，清华大学车辆与运载学院、人工智能学院教授李升波揭晓了题为《迈向泛在具身智能之路：物理原生的天下模子、数据结构与逊с法》的主题演讲，，，，，，提出了“物理原生智能”（Physics-native Intelligence, Phi）的看法，，，，，，并系统叙述其手艺系统，，，，，，为破解具身智能的根天性难题提供了全新范式。。
李升波指出，，，，，，具身智能以通用化为目的，，，，，，自动驾驶作为首个量产化的具身智能系统，，，，，，至今其智能性仍远未抵达人类水平，，，，，，功效限于L2级驾驶辅助，，，，，，尚未抵达L4级的能力。。而机械人自由度更高、场景结构更重大、交互工具更多样，，，，，，训练难度至少是汽车的十倍以上。。详细而言，，，，，，汽车约需百亿级网络参数和亿级驾驶片断，，，，，，机械人则需万亿级参数和千亿级交互片断。。继续沿用现有视觉、语言和多模态大模子的逊Ъ路不具有可行性。。
以McCarthy对天下一般性表征的重视、Pearl对人类认知因果关系的叙述，，，，，，以及Hopfield关于物理系统整体属性的看法为理论基础。，，，，，连系近十年手艺希望，，，，，，李升波提出了“物理原生智能”的看法。。物理原生智能被界说为一类更依赖物理纪律，，，，，，且以与物理天下更好地交互为目的的具身智能。。它仍以数据驱动的端到端模子训练为基本架构，，，，，，但须从天下模子、数据结构和逊с法三个维度，，，，，，更深入地思量物理实体对智能的客观要求，，，，，，包括物理天下的数据稀缺性、要求极高的功效清静性以及模子训练必需追求稳固性和恒久性。。
物理原生智能具备三项焦点特征。。第一，，，，，，状态表征必需解耦：系统的状态由“显状态”和“隐状态”两部分组成。。显状态听从系统动力学与物理约束，，，，，，确保状态转移恒久稳固；；隐状态听从物理纪律驱动的受控转移，，，，，，包管恒久推演不漂移。。第二，，，，，，模子结构必需知足时序性和因果性：严酷遵照时序优先，，，，，，原因先于效果，，，，，，状态展望不得依赖未来信息；；具备干预敏感，，，，，，改变换作输入应使后续状态爆发可诠释的差别；；同时关注反事实，，，，，，不但从正样本中学习，，，，，，也从负样本中获守信息收益。。第三，，，，，，训练历程必需嵌入底层物理纪律：要求对称守恒，，，，，，由对称性决议的物理量应守恒或受控转变；；要求结构坚持，，，，，，训练动力学应维护其几何结构和能量收支纪律。。
基于以上特征，，，，，，李升波详细叙述了物理原生智能的详细开发要领。。他以为天下模子是物理原生智能的焦点。。从质朴天下模子、天下行动模子到受控天下模子，，，，，，面向具身智能的一个焦点问题是怎样增添行动输入，，，，，，让模子真正可影响物理天下。。天下行动模子的思绪是增添逆动力学模子，，，，，，通过未来的状态与行动举行关联。。受控天下模子的思绪是直接增添一个行动维度。。然而，，，，，，这两类要领在长程化、细腻化、高稳固的行动输出上并不睬想，，，，，，且与强化学习等类脑逊с法的匹配度不高。。
物理原生天下模子的设计越发强化因果纪律的知足，，，，，，以显式和隐式状态为转移动力学焦点，，，，，，前者直接嵌入物理动力学模子，，，，，，后者接纳神经网络结构物理模子。。视察到状态的映射沿用现有编码器机制，，，，，，以便使用大模子领域的效果。。而战略？？？？？楹推兰勰？？？？？橹苯佑胱刺亓，，，，，而非视察，，，，，，这种结构化的信息输入被以为将有用提升行动的准确性、功效清静性与可诠释性。。
在数据层面，，，，，，李升波提出了物理原生数据的三要素：从目今视察到下一视察的转移数据、奖励信号r，，，，，，以及人类的履历知识K。。唬互联网视频数据、Ego/UMI数据、真机操作数据、仿真合成数据，，，，，，均可通过一定的数据重构、时空对齐和质量增强，，，，，，转化为结构一致的物理原生数据。。这三类数据各有其用：转移数据支持编码器、解码器和受控转移？？？？？榈难盗罚，，，，，并提供部分战略性能；；奖励信号则以强化学习为主，，，，，，驱动评价？？？？？椴⒔徊教嵘铰裕唬蝗死嗦睦对蛲ü竽Ｗ拥钠兰勰芰Γ，，，，，注入受控转移模子或评价模子，，，，，，为天下模子的性能提升提供支持。。
逊с法的设计是物理原生智能落地的要害包管。。其一，，，，，，嵌入训练动力学的底层纪律，，，，，，尤其是结构对称守恒特征。。神经网络训练历程实质上是一个动力学系统的离散状态演化历程。。类似于物理天下的动力学，，，，，，训练动力学也保存广义能量守恒、辛几何结构坚持等底层纪律，，，，，，将这些性子强制嵌入逊с法设计，，，，，，以极大提升训练的稳固性。。
其二，，，，，，具备绝对清静包管能力，，，，，，这是具身智能模子训练的特殊要求。。绝对清静意味着在真机训练历程中，，，，，，每一代模子都知足清静硬约束，，，，，，犹如人类新手学车，，，，，，学习历程自己也必需清静。。实现原理在于同步训练每一代的最优战略及其运行的可行区域，，，，，，而可行区域的扩大与智能体对情形的认知不确定性相互制约，，，，，，需要通过博弈机制抵达平衡状态。。
其三，，，，，，具备抗遗忘能力。。由于具身智能数据希罕、应用场景繁多且性能要求高，，，，，，训练历程只能多阶段分方法实验，，，，，，接纳监视学习预训练、强化学习后训练、再使用强化学习真机微调的蹊径范式，，，，，，通过构建抗遗忘条件与梯度正交机制，，，，，，确保后续训练不会笼罩先前性能，，，，，，实现能力的一连进化。。
李升波以为，，，，，，“从自动驾驶到机械人，，，，，，未来或将迈入可与一切物理实体交互的泛在物理天下。。”物理原生智能，，，，，，正是通往这一泛在具身智能之路的基石。。通过将物理纪律、因果逻辑与清静机制深度嵌入数据驱动的端到端学习全流程，，，，，，这套系统为攻克具身智能的通用化难题提供了可行的手艺路径。。（定西）
