开幕式主旨讲话里，AI被定性为”正从’数字世界’走向’物理世界’”。这句话成了全场引用率最高的一句。
但读完全部演讲稿你会发现，讲台上的人说”物理世界”时，说的其实是三件不同的事。
第一种”物理”：认识论意义上的——机器需要一个不会撒谎的考官
复旦大学教授、通用物理智能研究院院长苏昊的演讲叫《从幻觉，到现实》。他给幻觉开的诊断书和萨顿不同，但更有画面感：
“你可以在屏幕里雄辩，但你说服不了重力。”
“它能流利地描写’杯子掉在地上会碎’，却从没有机会感受一只杯子的重量。”
他的核心主张是：语言只是世界的投影，模型学的是影子。破解办法是把裁判权交还给物理世界——做出预测、采取行动、被现实修正。
他还提出了一个我觉得很有用的框架：物理知识的六层阶梯。物体、状态、动力学，这三层属于客观世界；功能、目标、行为，这三层要绑定主体才成立。越往上，越必须”亲手做”，也越少被记录下来。
所以互联网视频再多也不够用——它只能覆盖阶梯的下半段，你能看见杯子的样子和运动轨迹，但摸不到那个”手感”。
这一段最打动我的是他讲落地的那句：
“今天的AI会写诗、会写代码、会做PPT——但它帮不了一位老人翻身。”
以及：“物理智能的使命，是把人还给人。”
第二种”物理”：工程意义上的——多几个”9″的问题
苏昊有一句话，我认为是判断具身智能公司的第一把尺子：
“通用性是终点，而可靠性才是起点——愿意在’9’上下笨功夫的团队，会走得最远。”
99%到99.9%，每多一个”9″，难度指数级上升。
同一届大会上，埃夫特及启智机器人董事长游玮说得更直白，而且带火药味。他直指行业”重演示、轻落地”的盲区，然后抛出一个反常识的指标：
机器人”量销”远比”量产”重要。
造得出来，不等于卖得出去。他的技术选择也很实在：不做纯端到端，而是”上层数据驱动大模型+底层数理机理模型兜底”的混合架构，理由是工业要99.99%的可靠性，泛化不能拿可靠性去换。
有意思的是，就在同一个论坛，另一些公司正在展示机器人做早餐、迎宾交互、踢足球。批评和被批评，同场发生。
第三种”物理”：数据意义上的——一个所有人都在回避的量级问题
这一条是我读完全稿后最想让你记住的。
先看几个数字，把它们放在一起看：
- Dyna Robotics 联合创始人马也骋披露：已积累超20万小时预训练数据，商用基座模型DYNA-1在餐巾折叠任务上成功率99.4%，24小时无人干预自主折叠超过850个餐巾。这是全场我读到最扎实的一组工业级数字。
- 达摩院赵德丽在圆桌上说：“以机器人为例，去年谁能有10万小时数据就很牛了，今年大家才谈论大几十万小时，但远远不足以支撑GPT-3.5水平的训练。”
- 觅蜂科技的姚卯青把这归纳为具身智能必须撞破的三道墙：数据墙、表征墙、闭环墙。
- 京东集团副总裁龚义成则明说：机器人”大脑”智能化程度偏低，核心原因之一是缺高质量真实数据，而**”仿真数据无法替代真实物理环境中的交互反馈”**。
- 但Genesis AI联合创始人王尊玄的路线恰恰重仓仿真——Genesis World不仅用于强化学习后训练，还用于模型评测。
把赵德丽和马也骋的数字并排放：全球跑得最快的具身公司之一，数据量级也还停在”连GPT-3.5都不够”的位置上。
而在这个量级上，一级市场的定价是：2025年前三季度国内机器人创业融资约500亿元，是上年同期的2.5倍；中国人形机器人公司已超150家，半数以上是初创或跨行入局。
现场也不是没有进步。据媒体探展报道，本届大会有60台机器人在展馆里承担导览工作——对比2024年的18台列队迎宾，这是实打实的台阶。中国信通院院长魏亮的概括很到位：从2024到2026，产业经历了从”看外形”到”看能力”再到”看落地”的三级跳。
但这里也藏着一个容易被忽略的事实：据现场探展报道，宇树2025年人形机器人出货5500多台、营收17亿元，其中科研教育贡献超过七成。也就是说，目前这个行业最大的买家，仍然是实验室和课堂，不是工厂和家庭。
所以判断一家具身公司，别问参数，问三件事：你的”9″有几个？你的”量销”是多少？你的数据是真机跑出来的，还是仿真堆出来的？
有一个正面案例值得单独拎出来。Physical Intelligence的研究科学家任至意披露：最新的π0.7模型实现了跨本体的零适配迁移——仅在ARX机械臂上训练折叠衣物的数据，就能直接在UR5双臂机器人上完成同款精细操作，不需要针对新本体重新微调。
这是全场唯一一个给出”零适配跨本体”证据的点位。如果这条路能规模化，具身智能的数据困境会被撕开一个口子。
留下评论