物理AI落地困境与破局：场景方算账，技术方交卷

事件概述

2026年9月17日，由钛媒体与智源研究院联合策划的《物理AI走进现实：让真需求遇见前沿技术》闭门会在三亚举行。会议汇聚了越秀地产、云南白药等场景应用方，以及智源研究院、星源智等技术供给方，旨在探讨具身智能从实验室走向产业交付的真实路径与痛点。

核心信息

1. 场景方的“账单”与瓶颈

作为技术的买单方，产业代表指出了当前物理AI规模化落地的四大核心障碍：

• 数据与泛化难题：动作类数据存量极少（仅10万-100万小时），且真实场景中泛化能力不足，换场地即失效。
• 成本与效率倒挂：以越秀地产地下车库清洁为例，初期投入的成熟机器人因无法适应机械车位和环形车道，实际作业面积不足理论值的一半，效率仅为35%，需多台机器人才能替代一人，回本周期长。
• 工程化缺失：单点技术难以直接交付，缺乏对空间适改、作业标准定义及安全边界验证的系统性工程能力。
• 组织与文化阻力：云南白药代表指出，工业场景首要关注稳定性而非演示效果，且AI落地难点往往在于组织架构、绩效考核与生产关系的重构，而非单纯的技术问题。

2. 技术方的进度表与突破

技术供给方展示了针对上述痛点的解决方案及当前能力边界：

• 智源研究院（Wang Pengwei）：
  • 路线选择：从预测“下一个决策”转向构建“世界模型”，通过状态建模进行因果推理，理解物理世界的后果。
  • 数据策略：利用海量视频数据进行自监督学习，认为算力是主要限制而非数据量。目前开源数据集已包含1.6亿条事件标注。
  • 现状评估：承认开放世界任务成功率极低（仅2%-4%），但验证了从视频学习行为语义的有效性，小参数模型（0.8B/4B）在特定任务上表现优于大参数模型。
• 星源智（Liu Dong）：
  • 端侧算力与架构：强调实时推理必须依赖端侧算力，发布未经预训练的1.2B版本模型，凭借架构优势超越部分大规模训练模型，预计10月发布3B预训练版本。
  • 无本体复用：主张模型不应与特定硬件强绑定，实现跨形态（机器狗、机械臂、叉车）复用。
  • 落地实证：在中力股份电动叉车项目中，实现多车协同装卸，节拍接近人类司机；其“擎天柱”机器人可实现十米高空入箱拣选，单机替代双机。
  • 数据飞轮：建立“部署-收集-训练”闭环，将运行数据转化为垂类资产反哺模型。

3. 机制创新与生态共建

为解决“最后一公里”问题，会议推动了多方协作机制的建立：

• 生态联盟倡议：越秀地产发起成立生态联盟，计划三年内建成行业标准，打造100个具身智能落地场景，涵盖医疗、药店、养老等高价值领域。
• REAL物理AI场景技术委员会：由智源研究院联合美的、海尔等世界500强企业成立，目标是将真实场景转化为关键智能挑战和技术突破路径，并于11月24日举办智源开放日以挖掘真需求。

值得关注

• 评价标准转变：物理AI的评价标准已从单纯的算法精度转向“可用性”，包括理解世界、预测后果、实时执行及持续进化能力。
• 工程化成为核心竞争力：技术落地不再仅靠算法迭代，更依赖于对作业空间、动线、人机协同标准的系统性重构。
• 高价值场景聚焦：医疗（如化验品传递）、药店（货架穿梭）等高频、高危或高人力成本场景被视为首批具备商业闭环潜力的落地领域。