泉源：伊朗发射巡航导弹袭击美国舰艇作者： 黄淑华：

WAIC 智启具身论坛，，，，，全球大咖共研物理 AI 智能涌现

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。。