家族诞生

模型与数据双轮转动 业内判断：物理AI“ChatGPT时刻”最快两年_我的网站

一 |     AI摘要      20日，福建在兴化湾举行海上风电水域全要素应急演练。    封面新闻记者 欧阳宏宇          在本届WAIC上，人工智能加速落地，从屏幕里大步走向物理世界，继文本生成、智能体AI后，“物理AI”概念受到关注。

二 | 当人工智能加速由虚向实，随之而来的问题是，这一AI落地的新场景会呈现何种演进路径？其搭载的AI大模型是何种形式？距离机器人的“ChatGPT时刻”还有多久？          7月19日，在2026世界人工智能大会“智启具身论坛2026：迎接物理AI智能涌现”上，多位业内人士和行业专家就物理AI智能涌现的条件与路径分享了观点。

三 | 在专家看来，只需不到5年的时间，机器人“ChatGPT时刻”就要到来，在此之前，则需要上亿小时级别的物理数据支持。         模型与数据飞轮          是物理AI持续进化的关键          在AI产业主线聚焦大模型之后，业界正渐渐形成共识：下一阶段AI不会停留在生成内容，而会进入真实环境，理解空间、预测变化并完成行动。演练创三项全省首次，检验“陆海空天”联动及多灾并发处置能力，推动海上风电安全治理向主动预防转型，助力海洋经济高质量发展。归结起来，这就是物理AI受到关注的核心动因。         海峡网讯（记者 李牧晨）8月20日上午，2026年福建沿海海上风电水域安全应急演练在福清兴化湾海上风电场近水域完成全部预定科目。         那么，该如何发展物理AI？智元合伙人、高级副总裁、具身业务部总裁，觅蜂科技董事长兼CEO姚卯青在现场分享称，物理AI的挑战在于，必须同时打通表征与闭环这两条路线。演练由福建海事局、三峡集团福建分公司联合主办，福清市人民政府、福州海事局、福州海峡发电有限公司、福清海峡发电有限公司承办，福州海警局、福州市海洋与渔业局、福建福港拖轮有限公司、福州宏航船舶服务有限公司、福建金恒丰船舶燃料供应有限公司、福建省曙光救援中心、福州市勘测院有限公司等20余家单位参演，投入各类船艇20余艘、无人机3台、无人艇1艘，以“海巡06”轮作为现场指挥中枢，有序完成防台风预警响应、风电平台火灾救援、落水人员搜寻救助、伤病人员救治转移、危化品船舶应急处置、船艇展示等6个演练科目，完整检验“陆海空天”一体化应急联动处置流程。

四 |          本次演练创下三项全省首次，一是本年度首次在福建台风季节期间针对海上风电场开展的防台综合应急演练，演练期间无人机侦察获取的现场险情信息直接同步至现场指挥中枢，精准调度各救援单元接续开展处置，实现无人装备、船舶力量、空中救援、医疗救护多方信息互通、任务接续，指令传递、任务交接、行动切换高效顺滑，充分展现多主体联合应急处置的实战效能。         前者是对世界的抽象和压缩，人类所有的认知、判断、理性全是以表征为基础的；后者是智能体与环境进行持续的交互，从计算的角度来看，它包含了输入、算法、输出、评价、迭代这样的循环，从生物学角度来看，它就是从一种从感知到理解、决策、行动、环境反馈的一个完整闭环。         在姚卯青看来，要推动物理AI的发展，主要靠模型与数据两方面作用。

五 |          二是首次在兴化湾大型风电场开展全要素综合演练，打破单一险情事故演练模式，相较于以往单一险情、单一场景的专项演练，本次演练将台风防御、海上风电平台火灾、危化品船舶螺旋桨缠绕渔网应急处置、人员落水等多重风险深度耦合，高度还原风电场现实风险环境，完整复刻预警研判、接警调度、现场处置、伤员转运、油污清除全链条处置流程，为应对海上风电区域多灾并发的复杂险情提供实景化演练样本。“模型决定起点，数据定义终局，二者相互作用将产生‘飞轮效应’；当飞轮转动，智能涌现只是时间问题。         三是首次结合政府、企业、码头三方海上搜救、突发事件、防台防汛预案开展安全应急演练，深度检验政府、企业、码头相关应急预案有效性和可操作性，优化“陆海空天”一体化监测预警与联动处置机制，强化智慧赋能、精准施策，全面提升面向新质生产力的“新质监管力”。

六 | ”          具体在模型侧，他以智元构建的三阶段训练架构为例谈到，在该架构中，分为“预训练—后训练—持续学习”三个步骤，即推动视觉语言动作模型（VLA）与世界动作模型（WAM）两条技术路线持续演进，并向统一的世界推理动作大模型（WRAM）迈进，同时从算法、仿真、真机训练层面打通规模化迭代闭环。通过实战化演练，推动海上风电安全治理由被动应对向主动预防转型，以高水平安全服务新质生产力布局，为海洋经济高质量发展筑牢坚实的安全屏障。         简而言之，就是让机器人既能边看菜谱边学着直接上灶台炒菜，又要学着理解火候、食材特性，还要反复总结经验，最终培养出一个“既懂原理又会实操”的机器人大厨。

七 |          福州海事局相关负责人表示，本次演练有效检验了海上风电水域多灾种并发的应急处置能力，为应对复杂险情积累了宝贵经验。         在数据侧，则要依托MEgo系列采集终端、治理平台与真机数据集等，构建覆盖数据采集、治理、训练和部署回流的全链路物理AI数据基础设施，推动真实场景数据持续反哺模型进化。

八 |          据悉，目前，这套模型与数据协同迭代体系已在真实产业场景中获得验证。

九 | “我们相信物理AI智能涌现不是会不会来的问题，它是一定会到来的。

十 | 下一步将全面复盘演练全过程，查漏补缺、优化细化应急预案，完善多事故叠加、多风险并发场景的标准化处置流程。同时重点探索无人艇、无人机在海上日常巡查、风险排查、常态化值守、突发险情搜救等场景的应用模式，推动新型智能救援装备深度融入海上应急搜救体系，持续完善涉海部门间常态化联动机制，探索构建与国家“海洋经济示范区”及“海洋经济创新发展示范城市”战略定位相匹配的海上应急管理新范式。”姚卯青预判到，智能涌现只是时间问题，其一定会在行业突破数据墙、表征墙、闭环墙之后，形成这样一套可优化、可泛化、可进化的物理世界AI的进化系统。         数据缺口巨大          但智能涌现“一定会来”          数据缺口“上万倍”，业内判断：2到5年迎来机器人ChatGPT时刻          对于机器人的“ChatGPT时刻”何时会到来，专家普遍认为，至少需要两年时间，如果发展进程顺利，也不会超过五年时间。         其关键在于数据。         腾讯首席科学家、腾讯Robotics X实验室主任、福田实验室主任张正友谈到，由于具身智能到最后本质上要跟物理世界交互，因此交互数据是必不可少的。这些数据在一定程度上会产生飞轮效应，即不仅是成功的交互，即便是失败的交互也是格外宝贵的。         “收集数据时放到预训练下，未来的部署时间会越来越短，最后实现零成本的新场景任务复现。”谈及飞轮效应之下，训练数据的构建形式，Dyna Robotics联合创始⼈兼⾸席科学家⻢也骋认为，不同的数据可以采用“金字塔组合”形态，即顶层高质量部署数据+中层海量真机数据+底层更海量的互联网数据。

十一 |          AI初创公司Physical Intelligence 的研究科学家任⾄意也认同，能直接复现任务的真机数据“可回放”，但多种来源数据尽可能扩大本体多样性的构成。在他看来，挖掘训练数据下一个非常大的底座是互联网。

十二 |          事实上，目前行业的共识是，训练具身智能的数据缺口巨大。姚卯青透露，据测算，需要1亿小时级别数据才能够让机器人掌握对物理世界通用运行规律的理解。而要达到开箱即用的效果，则需要70-80%零样本成功率。

Current article:http://www.xuanliaruamibinmilangca.shop/list_cf1abwb/agu.html

Published on:12:36:45