在人工智能领域，物理AI正成为备受瞩目的新方向。自2020年这一概念被正式提出后，其发展轨迹始终与行业期待紧密相连。去年英伟达首席执行官黄仁勋将其定义为AI技术演进的关键节点，引发全球科技界对物理AI落地场景的深度思考。在近期举办的2025外滩大会“AGI：数字与物理世界的共同进化”论坛上，多位专家围绕物理AI的突破临界点、技术瓶颈等核心议题展开讨论。
极佳视界联合创始人朱政对技术落地持乐观态度。他提出以家庭场景任务完成度作为衡量标准：当机器人能在200种常见家务中达到95%的成功率时，即意味着物理AI迎来“ChatGPT时刻”。基于当前技术迭代速度，他预测这一目标将在2-3年内实现。朱政特别指出，家务场景的数据特殊性要求系统具备更强的环境适应能力，例如处理不同材质衣物的折叠任务时，系统需识别超过300种面料特性。
智源研究院FLM团队负责人王业全则通过技术演进周期进行类比。他分析称，从GPT-1到ChatGPT历时六年完成三次重大迭代，而当前具身智能技术相当于GPT-1.6阶段。按照线性发展规律，达到ChatGPT级能力至少需要五年，若要构建完善的技术体系则可能延长至十年。这种时间预估差异源于技术成熟度的判断标准不同，王业全强调物理世界交互的复杂性远超语言模型训练。
数据获取难题成为专家共识。朱政以自动驾驶数据采集为例，说明物理AI需要处理动态环境中的实时交互数据，这与语言模型依赖的静态文本数据存在本质差异。在机器人操作演示中，单件衣物的折叠就需要处理2000个以上的动作参数，而现实场景中衣物款式每年更新率超过40%，导致数据采集成本呈指数级增长。
针对数据困境，朱政提出世界模型解决方案。该技术通过生成式算法模拟物理交互过程，可降低70%以上的真实数据采集需求。实验数据显示，合成数据训练的模型在物体抓取任务中，准确率已接近真实数据训练效果的85%。但王业全指出，现有建模方法仍存在根本性缺陷，特别是时空连续性建模和因果推理能力不足，这导致模型在复杂场景中的决策可靠性低于30%。
在技术路径探索方面，王业全提出两阶段发展策略：首先构建包含10万亿参数的基础模型，需整合来自50个以上传感器的多模态数据；其次通过强化学习将模型能力迁移到具体场景。该方案面临计算资源与算法效率的双重挑战，当前最优模型的训练成本已达每秒2.5亿次浮点运算，且需要持续优化数据组织形式。专家普遍认为，物理AI的突破将取决于跨学科技术的融合创新，这需要材料科学、机械工程与计算科学的协同发展。
