模型与数据双轮转动 业内判断：物理AI“ChatGPT时刻”最快两年

封面新闻记者 欧阳宏宇

本届WAIC上，一个明显趋势是人工智能正加速从虚拟空间走入现实世界。继文本生成、智能体AI之后，“物理AI”成了一个热门话题。当AI开始“由虚向实”，下一步的演进路径究竟是什么？支撑它的AI大模型又该长什么样？以及，距离机器人领域的“ChatGPT时刻”到底还有多远？

7月19日，在2026世界人工智能大会“智启具身论坛2026：迎接物理AI智能涌现”上，多位业内人士和专家就物理AI智能涌现的条件与路径分享了观点。一个核心判断是：机器人“ChatGPT时刻”的到来，可能只需要不到5年。但在此之前，行业需要储备上亿小时级别的物理数据。

模型与数据飞轮，是物理AI持续进化的关键

当AI产业主线聚焦于大模型，一个共识逐渐清晰：下一阶段的AI，不会再停留在生成内容，而是要进入真实环境，理解空间、预测变化、完成行动。这，正是物理AI备受关注的核心原因。

那么，如何发展物理AI？智元合伙人、高级副总裁、具身业务部总裁，觅蜂科技董事长兼CEO姚卯青在现场分享称，物理AI的挑战在于，必须同时打通“表征”与“闭环”这两条路线。

所谓“表征”，是对世界的抽象和压缩——人类所有认知、判断、理性都基于此；而“闭环”则是智能体与环境持续的交互。从计算角度看，它包括输入、算法、输出、评价、迭代的循环；从生物学角度，它就是从感知到理解、决策、行动、环境反馈的完整闭环。

在姚卯青看来，推动物理AI发展，主要靠模型与数据两方面的作用。“模型决定起点，数据定义终局，二者相互作用将产生‘飞轮效应’；当飞轮转动，智能涌现只是时间问题。”

具体到模型侧，他以智元构建的三阶段训练架构为例做了说明：该架构分为“预训练—后训练—持续学习”三个步骤，推动视觉语言动作模型（VLA）与世界动作模型（WAM）两条技术路线持续演进，并向统一的世界推理动作大模型（WRAM）迈进。同时，从算法、仿真、真机训练层面，打通规模化迭代闭环。

形象地说，这套架构就是让机器人既能边看菜谱边学着直接上灶台炒菜，也要学着理解火候、食材特性，还要反复总结经验，最终培养出一个“既懂原理又会实操”的机器人大厨。

在数据侧，则需要依托MEgo系列采集终端、治理平台与真机数据集等，构建覆盖数据采集、治理、训练和部署回流全链路的物理AI数据基础设施，推动真实场景数据持续反哺模型进化。

据悉，这套模型与数据协同迭代体系，已经在真实产业场景中获得验证。“我们相信物理AI智能涌现不是会不会来的问题，它是一定会到来的。”姚卯青预判，智能涌现只是时间问题，其一定会在行业突破数据墙、表征墙、闭环墙之后，形成一套可优化、可泛化、可进化的物理世界AI进化系统。

数据缺口巨大，但智能涌现“一定会来”

数据缺口“上万倍”，业内判断：2到5年迎来机器人ChatGPT时刻

关于机器人的“ChatGPT时刻”何时到来，专家普遍认为，至少需要两年时间，如果发展进程顺利，也不会超过五年。

关键在于数据。

腾讯首席科学家、腾讯Robotics X实验室主任、福田实验室主任张正友指出，由于具身智能最终本质上要与物理世界交互，因此交互数据是必不可少的。这些数据在一定程度上会产生飞轮效应——不仅是成功的交互，即便是失败的交互，也格外宝贵。

“收集数据时放到预训练下，未来的部署时间会越来越短，最后实现零成本的新场景任务复现。”谈及飞轮效应之下训练数据的构建形式，Dyna Robotics联合创始人兼首席科学家马也骋认为，不同的数据可以采用“金字塔组合”形态：顶层是高质量部署数据，中层是海量真机数据，底层是更海量的互联网数据。

AI初创公司Physical Intelligence的研究科学家任至意也认同，能直接复现任务的真机数据“可回放”，但多种来源数据应尽可能扩大本体多样性的构成。在他看来，挖掘训练数据下一个非常大的底座，是互联网。

事实上，目前行业的共识是，训练具身智能的数据缺口巨大。姚卯青透露，据测算，需要1亿小时级别数据，才能让机器人掌握对物理世界通用运行规律的理解。而要达到开箱即用的效果，则需要70%到80%的零样本成功率。