在人工智能领域，一场关于物理AI的革命正悄然兴起。当行业还在为数字AI与物理AI的优先级争论不休时，Om AI联汇已用实际行动给出了答案。这家由CEO兼首席科学家赵天成博士领衔的科技企业，正以流式多模态技术为核心，构建起物理AI的全新生态。
故事要从2023年说起。当时，一个看似"反常识"的实验震惊了AI圈：一个从未接触过监控画面的多模态模型，在监控场景中的表现竟超越了深耕该领域多年的专业模型。这个意外发现，不仅验证了多模态训练在开放世界中的泛化能力，更坚定了赵天成团队"视觉+语言"双模态融合的技术路线。三年后，这一路线演化为全球首个面向物理AI的端侧流式多模态模型系列——VLX。
VLX的突破性在于构建了"端侧原生流式多模态"架构。与传统模型将视频拆解为离散帧处理不同，VLX让视频流像水流般持续输入模型，实现"持续感知-精准定位-行动决策"的完整闭环。这种设计使模型能够像人类一样实时理解动态场景，在安防监控、工业质检、自动驾驶等领域展现出独特优势。
技术突破的背后是长达五年的坚持。当行业追逐大语言模型热潮时，赵天成团队始终专注于流式多模态研究。"2019年回国时，国内AI公司都在做生成式对话模型，我们选择了一条少有人走的路。"赵天成回忆道。这种坚持源于他在卡耐基梅隆大学期间的经历——参与雅虎10亿美金多模态项目时，他深刻认识到多模态技术才能创造"有生命感的AI"。
物理AI的落地之路充满挑战。团队首先需要解决市场认知问题：如何让用户理解通用多模态模型与传统计算机视觉的本质区别？"我们发明了'视觉大脑'、'万物识别'等概念，通过大量用户教育逐步建立认知。"赵天成说。更艰难的是跨越实验室到产业的鸿沟——学术界追求的突破性进展，在产业端可能被视为"不够完美"。团队通过持续优化模型训练方法和工程化数据投入，最终实现了从60分到90分的跨越。
商业验证的成功印证了技术路线的正确性。目前，VLX系列模型已在PC、工业物联、安防监控等多个场景落地，通过为终端设备赋予"小脑"（感知决策）和"大脑"（认知规划），推动设备从"被动执行"向"主动适应"进化。2026年上半年，全球物理AI领域融资超64亿美元，而Om AI联汇已成为少数实现亿级营收的企业之一。
这种成功源于独特的"一脑多形"战略。团队将成熟场景（如摄像头）的数据经验迁移到新兴终端（如机器狗、无人机），形成技术复用的正向循环。"当硬件成熟度与AI能力形成共振，真正的物理AI终端就会爆发。"赵天成解释道。这种策略使VLX在端侧流式多模态领域建立了难以复制的竞争优势。
面对未来竞争，赵天成保持着清醒认知："物理AI还处于'寒武纪物种大爆发'阶段，没有哪种技术路线能垄断市场。"他透露，团队正在探索以结果付费的商业模式，通过量化AI创造的价值来实现更可持续的盈利。这种创新源于对产业本质的理解——只有让用户真正感受到智能带来的效益，技术才能获得持久生命力。
从CMU的学术研究到产业界的商业化落地，赵天成用十年时间完成了一次完整的创新循环。当被问及坚持多模态路线的初心时，他回答："对话系统再强大，也只是交互的维度。多模态技术能连接物理世界，这才是AI创造真正价值的舞台。"在这个充满不确定性的时代，这种对技术本质的坚持，或许正是穿越周期的关键力量。
