泉源：商业强国建设稳步推进作者： 陈嘉惠：

WAIC系列｜清华李升波：物理原生智能与因果约束的具身新范式

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。。。。。，，，，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。。。。。而战略模浚？？？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。。。。；；チ悠凳荨go/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、解码器和受控转移模浚？？？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，，，，，驱动评价模浚？？？椴⒔徊教嵘铰；；人类履历知识则通过大模子的评价能力，，，，，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）