本报记者 李勇
当前，人工智能正从数字世界加速走向物理世界。全球范围内，众多科技企业都在推动AI从“语言模型”向“视觉—语言—动作模型”演进，AI正从模型竞赛进入产业落地、场景应用和物理执行的新阶段。
天娱数字科技集团股份有限公司（以下简称“天娱数科”）首席数据官吴邦毅博士近日在接受《证券日报》记者专访时表示：“‘物理AI’不是短跑，而是一场长跑。它不会只属于某一家机器人企业，也不会只靠某一个大模型完成。它需要数据公司、模型公司、机器人公司、制造企业和场景方共同协同。”
人工智能能力边界的一次外扩
吴邦毅理解下的“物理AI”，是人工智能能力边界的一次外扩。
“过去几年，大模型主要解决的是信息世界的问题。它让AI变得‘会说、会写、会画’。‘物理AI’要解决的则是另一个问题：AI如何理解真实世界，并在真实世界中完成任务。”吴邦毅认为，过去AI更多是在屏幕里工作，未来AI要走进工厂、仓库、商场、家庭、能源站和城市基础设施。“物理AI”的核心，就是让AI从“认知智能”走向“行动智能”。
在吴邦毅看来，全球“物理AI”目前还处在早期发展阶段，但方向已非常清晰。竞争正从单纯比拼模型参数，转向比拼“模型、数据、仿真、硬件、本体和场景”的系统能力。
“第一是‘视觉—语言—动作’模型，它让机器人不只是‘看懂’和‘听懂’，还能够把自然语言指令转化为动作；第二是仿真训练和世界模型，让机器人先在虚拟环境中学习，再迁移到现实场景；第三是高质量数据资产，未来谁掌握更多懂空间、懂动作、懂场景的数据，谁就更有可能建立优势。”吴邦毅说，“大模型时代，数据是燃料；‘物理AI’时代，懂物理的数据才是高标号燃料。”
物理AI机遇与挑战并存
吴邦毅认为，我国在发展“物理AI”方面拥有非常大的空间和优势，主要体现在三个方面：一是中国有全球最完整的制造业体系。“物理AI”最终要落到真实产业场景里，中国庞大的制造业、供应链和工业应用场景，为机器人和具身智能提供了最好的试验场。二是中国有巨大的场景红利。制造业质检、仓储物流、工业巡检、商业服务、能源运维、文旅消费等领域，都存在降本增效、安全生产和柔性化升级的需求。三是政策层面，正从支持AI技术研发，进一步转向支持AI规模化应用。
“从‘人工智能+’到‘人工智能+制造’，再到智能体和具身智能相关政策，方向都非常明确，就是要推动AI进入产业现场，成为发展新质生产力的重要工具。”吴帮毅表示，“未来，‘物理AI’不会只停留在实验室和展厅里。谁能把技术变成可交付的产品、可复制的方案、可规模化的平台，谁才能真正抓住这一轮产业机会。”
不过，吴邦毅认为当前的“物理AI”产业发展也存在着瓶颈。一是高质量数据不足，制约了模型训练。二是泛化能力不足。很多机器人在演示环境里表现很好，但换一个物体、换一个光照、换一个场景，效果就会下降。三是软硬件接口碎片化。不同机器人本体、不同传感器、不同控制系统之间缺乏统一接口，导致算法和硬件反复适配，产业效率不高。这些也是行业内包括天娱数科在内的企业在着力解决的问题。
让AI真正懂世界 能行动
作为一家在数字经济领域持续深耕的创新型企业，天娱数科在具身智能和“物理AI”方向上的核心布局是该公司自主打造的BehavisionPro空间智能MaaS平台。
“这个平台可以概括为ABC架构，我们把它理解为面向具身智能和‘物理AI’的空间智能基座。”据吴邦毅介绍，“A”指的是Assets，数据资产。天娱数科围绕三维物体、空间场景、人体动作、机器人轨迹、多模态行为等方向，构建了高质量数据体系，沉淀了大量3D数据和多模态数据，并推动相关具身智能数据集进行数据资产登记和标准化建设。“B”是 Behavior，行为决策。天娱数科开发的Behavision空间智能大模型已完成国家网信办生成式人工智能服务备案。“C”是 Client，即端侧和本体适配。天娱数科希望通过统一接口和工具化适配，降低模型与本体之间的连接成本，让更多开发者和机器人企业能够复用平台能力。
“如果说智能手机时代需要操作系统和应用生态，那么‘物理AI’时代也需要连接数据、模型、行为和本体的平台型基础设施。”吴邦毅表示，天娱数科切入这个领域，就是希望围绕相关痛点做基础设施，用数据资产解决训练燃料问题，用行为模型解决任务规划问题，用统一接口解决跨本体适配问题。
据吴邦毅介绍，天娱数科的“高质量纹理3D铰接数据”“多模态VLA具身机器人抓取数据”等已经入选《北京市行业高质量数据集典型案例》《北京市高质量数据集服务商》，并参与中国信通院MaaS标准、中国人工智能产业发展联盟多模态MaaS标准制定。
“AI的上半场，是让机器理解人类语言；AI的下半场，是让机器理解物理世界。”吴邦毅表示，“我们的目标是‘让机器真正懂世界，让AI真正能行动’。天娱数科希望成为其中的基础设施建设者。”
（编辑 上官梦露）
京公网安备 11010602201377号京ICP备19002521号
