“今天的AI能写诗，写代码，做PPT，但难以帮老人翻身。”
近日，复旦大学浩清特聘教授、通用物理智能研究院院长苏昊在某个论坛上表示了当前行业的困境。
AI的发展呈现出一种反差。数字世界里，模型日益聪明，能协助人完成工作；物理世界里，它尚未真正融入人类生活。
苏昊觉得，AI不够可靠的关键在于，当前大模型学习的是语言，这是人类对世界的经验和描述，并非世界本身。“它能流利描述‘杯子掉地上会碎’，却从未感受过一只杯子的重量。”
那么，要真正走出屏幕，AI还需跨越哪些障碍？
文章配图-1
过去一年，具身智能是AI行业最受关注的方向。
从实验室到各大展会现场，人形机器人展示着行走、奔跑、搬运、分拣，乃至简单家务等多种能力。与过去依靠固定程序运行的工业机器人不同，新一代机器人正借助大模型、多模态感知等技术，尝试理解开放环境、自主决策、执行复杂任务。
从能力展示到实际工作，还有一段距离。
工厂里，机器人面对的是高度结构化的环境，工位固定、零件标准化、任务目标明确。即便机器人的泛化能力不足，也可以通过大量数据训练和工程优化，完成相对稳定的工作。
然而，当环境从流水线变成家庭、医院或者养老院等开放环境，复杂性开始显现。
拿起一只杯子，看似简单，实则涉及对杯子材质、重量、空间位置的判断，以及力量大小的控制；帮助老人翻身，也不仅是执行动作，还需要根据人的身体状态和姿势调整。
这些能力，对人类而言源于长期的生活经验，对机器人而言，仍是待探索的领域。
苏昊指出，根本原因在于模型学习的是语言，语言只是世界的投影；模型学习的是影子，却没见过影子背后的实体。
“你可以在屏幕上辩解，却说服不了重力。”苏昊谈到。
这也是物理智能发展的核心挑战：机器人并非不会动作，而是不清楚何时、如何、怎样持续正确地行动。
这种观点也得到了具身智能领域专家和从业者的赞同。
智元合伙人、觅蜂科技董事长兼CEO姚卯青表示，当前多数模型建立在视频生成模型基础上，但视频主要记录世界外观变化，无法完全反映物理规律。例如，仅通过视频能观察到物体位置和运动，却难以感知质量、力量、摩擦等信息，而这些正是机器人执行任务不可或缺的要素。
他石智航创始人兼CEO陈亦伦也提及，机器人面对的是不断交互的物理世界，不仅需要观察，还需通过行动改变环境，并根据反馈调整。机器人不能只知道下一步做什么，还需明白做完之后世界将如何变化。
物理智能想要突破，核心在于让AI获得类似人类的物理世界经验。
苏昊觉得，要实现这一目标，首先要给AI补充的是真正的物理世界知识。
他将知识掌握过程分为六层，从底层到上层分别是：物体知识、状态知识、动力学知识、功能知识、目标知识、行为知识，即从认识物体，理解物体状态，到掌握动力学规律，如球会滚动、水会流动；再进一步，还包括理解物体在绑定主体后被赋予的功能、目标，以及知道如何做、想做、应该做的事。
“端一杯水穿过房间不洒，是分寸感；系鞋带、用筷子，这个是技巧。这些本事不写纸上，是长在手中的。”苏昊指出，“从物体到行为，越往上越不是看会的，越要在物理世界中亲手实践。”
互联网促进了语言知识的空前聚合，但物理世界的知识依然散落在实验数据、工业生产、视频记录及人的实践经验中，尚未形成完整的数据体系。
因此，苏昊认为，物理智能的突破口不在于模型架构，而在于知识的聚合。
当然，这绝非易事。
“聚合这件事注定超乎我们的想象，”
网友评论