（来源：北青网-北京青年报）

　　央视网消息：过去三年，AI的主战场在一块屏幕里；而现在，它正在向物理世界突破。在使用AI完成文本、图像生成之后，业内开始聚焦让人工智能走出数字屏幕，走进现实世界。如何让AI在真实环境中完成感知、推理、决策与交互，这就是近期持续升温的概念——物理AI。今天资本市场上相关概念股也延续上涨势头。物理AI的核心是让机器不仅能“想”，还能在真实环境里“做”。目前，相关领域有哪些新进展？ 在上海一家酒店内，一台用于洗衣场景的轮式人形机器人正在进行投用前的最后测试。住店旅客通过手机下单后，将待洗衣物装进洗衣篮放在房间外，机器人就会自动取走并送至洗衣房进行洗烘，结束后再送回房间。 这样的机器人在最开始接到任务时需要进行理解和分析，在过程中需要与真实的环境进行感知交互，再到最后具体的开关门、放衣服这些动作的推理执行，背后都需要用到强大的具身模型作为“大脑”来进行支撑。

　　企业负责人介绍，他们的机器人是通过“双脑”协同来完成任务。一个具身基座模型负责理解任务和空间关系，另一个世界模型则可以模拟构建出3D的物理环境。基于这套体系，现在机器人有时自己一晚上就能学会一项新任务。 企业负责人王晓刚表示，机器人在真实环境里一边自我尝试，一边自我学习、自我进化。2026年他们目标是能够有1000台机器人进入到场景当中去。有规模化产业落地，才能够伴随着越来越快的机器人自我学习。 不久前，宇树科技也展示了一项测试，机器人接入GPT-6最新模型后，仅凭文字提示就能在零训练状态下拿笔绘画。不过，因为大模型在与机器人传感器、执行器对齐上存在偏差，目前这种方式还存在耗时长、延迟高、误差大等问题，现阶段难以直接投入实际工作。 部分企业也在探索物理AI在工业场景中的应用。人形机器人在真实产线上进行上下料辅助作业，而在数字孪生的虚拟产线上，未来还可以部署机器人进行更多任务的测试。 机器人共享“大脑” 具身智能探索“跨本体”调度新模式

　　在当下物理AI的发展过程中，除了有能力更强的通用大模型可以作为“大脑”外，各类智能体技术也在帮助机器人的训练和操作进一步提速。不同形态的机器人，还能共用同一套底层“大脑”，“跨本体”调度成为新趋势。

　　在北京一家具身智能企业，形态不同的机器人有的可以用于便利店服务、工业搬运等场景，有的则会打网球、跳街舞。而这些机器人底层接入的是同一套具身模型，基于这一底座搭建的智能体让机器人的训练方式也发生了变化。 企业大模型负责人张直政介绍，过去学习一个技能需要采集高精度的机器人数据，有了这样一个智能体，可以直接从人类干活的视频中进行学习。未来会看到多模态大模型成果逐渐被具身智能公司吸收。 双臂机器人移箱取物 “大脑”接上技能池 业内人士认为，像GPT-6等最新模型展现出的直接操控机器人的能力，对于具身智能行业现有技术路线来说可以形成互补。在北京另一家AI企业，一台借助智能体接入大模型的双臂机器人，正在对桌面上的不同物品进行抓取分拣。即使目标被箱子挡住，它也能进行分析，移开箱子后完成抓取。 企业负责人李伯勋介绍，他们用的是一个国产开源模型。把这些机器人的能力包装成“大脑”的技能池，从中选择一个合适的方案调用，实现最后的任务，推理效率跟开源方案相比提升数倍甚至数十倍。 李伯勋说，2026年能明显感受到具身智能企业对算力的需求比2025年有数倍的提升。现在，他们正在与业内合作完善从机器人纳管到训练、部署的全链条。 在广州的一处展会现场，人形机器人还能根据订单需求，在等待咖啡制作的间隙再取一份冰淇淋，实现多任务自主排程和并行操作。相关负责人介绍，他们采用的是一套“快脑+慢脑”的架构，把不同大小、类别的模型，根据需要分别部署在机器人端侧和云上。 筑牢底座 物理AI基础设施加速构建

　　据了解，与近几年图文、视频类AI大模型快速普及的情况不同，物理AI的发展面临训练数据不足、网络要求更高的现实瓶颈。作为产业落地的核心底座，目前，相关数据、网络基础设施正在加快构建。 在北京一家物理AI数据企业内，操作员正戴着专用设备将整理房间时的动作进行采集。一旁的大屏幕上，每天来自全球的这类视频数据正在按小时数快速累计。而现场另一处实验室里，机械臂工作的真实数据也在与仿真合成数据进行比对，从而让机器人在虚拟空间中准确高效完成训练。 企业负责人杜习奇介绍，物理AI的预训练阶段，需要更多的还是仿真合成数据和人类视频数据。2025年头部客户对他们数据的需求还在十万小时级，2026年这个头部客户需求已经达到百万小时级。 杜习奇认为，通用大模型企业在进入具身智能赛道时，同样可能用到大量物理世界的相关数据。 杜习奇表示，相应的空间理解，摩擦力、弹力光靠大语言模型本身是非常难做到相应的能力。现在，行业一般认为可能需要千万小时，乃至亿小时的数据，可能会形成一个比较好的具身模型。

　　数据以外，网络也是未来支撑物理AI落地的关键基础设施。在6G网络的演示场景中，工作人员通过脑机接口发出指令，基站内的算力实时解析脑电信号，指挥机器狗和机器人配合完成危险品排查任务。 中国移动研究院未来研究院副院长王飞介绍， 这个算力就是未来6G网络，具体来说，是在6G的基站里面给它提供。比如说要运行很多机器人，或者网联的车，针对这些业务需求可以动态配置算力。 业内专家认为，未来物理AI在部署到具体生产环境的过程中，将产生软硬件集成、场景适配、调试运维等多类需求。 中国信通院工业互联网与物联网研究所高级工程师施建峰介绍，物理AI目前处于产业化早期，全球尚未形成统一的市场统计口径。但国际上已经有机构预计，到2030年物理AI的市场规模有望达4500亿美元。 在专家看来，下一步，物理AI规模化落地还需跨过多道门槛，既要在真实环境中长期稳定运行，也要把成本控制在可接受范围。 施建峰表示，未来将形成一批专业化的世界模型，比如工业世界模型、智驾世界模型、具身世界模型、医疗健康世界模型。物理AI将从单体自主作业向多智能体协同演进。