在人工智能领域，王晓刚的名字与诸多突破性进展紧密相连。十一年前，他与汤晓鸥携手推动计算机视觉识别率首次超越人类肉眼，开启了人工智能1.0时代的大门。彼时，视觉技术从实验室走向安防、手机和汽车等实际应用场景，为行业带来深远影响。如今，当大语言模型引发全球狂欢，具身智能正被视为下一片人工智能高地，王晓刚却敏锐地察觉到行业面临的潜在危机——互联网语料资源逐渐枯竭，纯粹的数字世界发展已接近天花板。
2025年，具身智能成为科技竞争的焦点，各大玩家纷纷押注通用“机器管家”的研发。然而，现实却充满挑战：多数机器人仅能在精心设计的视频中展示高光时刻，一旦进入真实杂乱的环境，便因缺乏常识而陷入困境。这种“冰火两重天”的局面，既源于资本的狂热追捧，也受制于技术落地中的“数据荒”与“物理幻觉”瓶颈。王晓刚直言，现有研究范式已走入死胡同，若继续以“机器”为中心训练大脑，具身智能将永远停留在演示阶段。
从人工智能1.0到3.0的跃迁，王晓刚提出了清晰的路径。1.0时代以视觉技术为核心，依赖人工标注和小模型实现应用；2.0时代则由大语言模型驱动，通过海量语言文字数据提取人类沉淀的智能。然而，互联网语料的价值将在未来两三年内被“榨干”，这迫使行业必须突破数字与物理世界的界限。具身智能通过与物理环境交互产生新智能，成为通往3.0时代的关键。王晓刚的新身份——大晓机器人董事长，正是为了推动这一转型。他希望将商汤在软件与行业赋能上的经验，与具身智能的软硬一体整合相结合，完成产业链的垂直布局。
大晓机器人与商汤的分工紧密而明确。前者提供具身智能的软件与硬件平台，后者则利用其业务团队的行业洞察力开发具体应用。例如，双方联合推出的“具身超级大脑模组A1”，搭载于四足机器人后，可实现户外自主导航，无需依赖高精度地图。这一过程中，机器人采集的视频数据与商汤的“方舟平台”打通，直接调用超过150种AI应用，极大拓展了机器人的实用价值。王晓刚强调，这种合作模式解决了具身智能落地的核心难题——场景理解不足。
研究范式的革命是2025年的另一大突破。传统以机器为中心的VLA（视觉-语言-行动）模式，因数据共享困难和采集效率低下而陷入困境。王晓刚团队提出的“环境式采集”技术，通过第一视角穿戴设备与第三视角传感器，在人类真实生产环境中记录行为数据。这种以人为中心的方法，不仅将数据量级从十万小时提升至千万小时，更解决了上万种物品抓取的难题。例如，在杭州的闪购仓试点中，工作人员佩戴设备工作10小时即可采集同等时长数据，效率较传统遥操作提升100倍，成本大幅降低。
数据质量的把控依赖于自动化流程。系统会提取肢体3D姿态、手部手势、物品种类与形状、交互关系及材质信息等关键数据。例如，抓取瓶子时，系统会记录摩擦力、受力情况等细节，为世界模型的训练提供丰富素材。王晓刚透露，即将发布的“开悟3.0”世界模型平台，正是基于这些数据构建。该平台支持“一脑多形”，即同一模型适配不同机器人本体，通过生成针对特定本体的视频和3D轨迹数据，实现跨本体复用。
与市面上其他世界模型相比，“开悟3.0”在物理规律表达上具有显著优势。传统模型如Sora常出现“水倒进水槽但杯子却满”的物理幻觉，而“开悟3.0”通过底层物理常识约束，将成片率提升至50%以上。这一突破得益于对物体与环境解耦技术的运用——模型可分离桌子上的电脑、水杯等物体，并编辑其属性，从而拓展数据泛化性。王晓刚表示，这种对物理世界的深刻理解，是机器人具备通用智能的关键。
开源战略与国产芯片适配是大晓机器人的另一大布局。此次“开悟3.0”将开源模型、工具链及部署方法，并适配沐曦、海光、壁仞等国产芯片。通过软硬协同优化，芯片性能可达到英伟达A卡水平，为构建物理世界的“DeepSeek时刻”奠定基础。王晓刚认为，开源不仅能扩大模型影响力，还能通过云服务API实现商业化闭环。长期来看，先发优势将吸引芯片公司主动适配，形成生态聚集效应。
在产品落地层面，大晓机器人规划了清晰的路径。近期重点推广户外四足机器人，应用于电力巡检、文旅和智慧城市等领域；中期目标是在两年内攻克前置仓场景，利用其标准化特点实现快速规模化；远期则瞄准家庭场景，尽管目前仍处于预研阶段。王晓刚透露，具身超级大脑模组A1已引入Insta360全景相机，解决传统机器人摄像头视野窄、画质差的问题，为夜间作业和AI识别提供支持。
“大晓”之名，既源于王晓刚与首席科学家陶大程的师兄弟情谊，也蕴含更深层的寓意——“大千世界，晓识万象”。这一名称不仅体现了世界模型理解物理世界的目标，也呼应了环境式采集感知人与环境交互的核心理念。在这场从数字世界向物理世界跨越的征程中，王晓刚与他的团队正以全新的范式，探索人工智能的无限可能。
