物理AI在2020年正式被提出，被認為與數(shù)字世界平行。去年，英偉達CEO黃仁勛正式將它定義為AI發(fā)展的下一個重要方向，自此，整個行業(yè)掀起新一波物理AI的熱潮。在發(fā)展物理AI時，業(yè)內(nèi)也希望打造一個類似ChatGPT的殺手級場景或者應(yīng)用。

物理AI的“ChatGPT時刻”何時能到來？判斷的理由是什么？目前仍存在哪些瓶頸？在近日舉行的2025外灘大會“AGI：數(shù)字與物理世界的共同進化”論壇上，與會人士圍繞上述話題展開了探討。

極佳視界聯(lián)合創(chuàng)始人兼首席科學(xué)家朱政對物理AI的落地相對樂觀。他將物理AI的“ChatGPT時刻”定義為若干個任務(wù)，當機器人在100種或者200種常見家庭場景任務(wù)中，執(zhí)行成功率能到90%甚至95%以上，便標志著物理AI的“ChatGPT時刻”來臨，屆時機器人有機會率先進入一些家庭場景。

“從當前的技術(shù)發(fā)展現(xiàn)狀來看，我認為要實現(xiàn)上述目標約需要2—3年時間?！敝煺f。

智源研究院FLM團隊負責(zé)人、“新一代人工智能”國家科技重大專項負責(zé)人王業(yè)全則通過對比ChatGPT的發(fā)展歷程，給出了更長期的預(yù)估。他指出，從GPT-1到GPT-2，再到GPT-3乃至ChatGPT，期間經(jīng)歷了多年的技術(shù)積累與迭代。目前，具身智能AGI發(fā)展水平大致處于潛在的GPT-1.6、1.7階段，按照線性時間估計，在一兩年內(nèi)達到ChatGPT級別難度還是很大。王業(yè)全認為，要觸及類似ChatGPT時刻，樂觀預(yù)估需要5年時間，若要達到較為完善的程度，可能接近10年時間。

盡管業(yè)內(nèi)人士對物理AI“ChatGPT時刻”到來的時間判斷不一，但都認為，當前物理AI的發(fā)展仍面臨諸多挑戰(zhàn)，其中數(shù)據(jù)和建模問題尤為突出。

在朱政看來，物理AI最大的難點是數(shù)據(jù)，與數(shù)字世界中語言模型能夠利用互聯(lián)網(wǎng)海量的文本、視頻、圖像等數(shù)據(jù)進行訓(xùn)練不同，物理AI在數(shù)據(jù)采集上困難重重。無論是自動駕駛還是具身智能，都需要頻繁與物理世界發(fā)生交互甚至改變物理世界的狀態(tài)，這使得數(shù)據(jù)收集不僅難度大，而且周期長。

例如，在演示機器人疊衣服的操作場景時，由于現(xiàn)實世界中衣服的紋理、顏色、款式種類繁多且不斷更新，相關(guān)數(shù)據(jù)根本無法完全采集。

朱政認為，世界模型有望解決這一困境——通過生成式數(shù)據(jù)填補真實數(shù)據(jù)的不足，從而讓物理世界的數(shù)據(jù)在體量與泛化性上，達到與數(shù)字世界互聯(lián)網(wǎng)數(shù)據(jù)相媲美的效果。

王業(yè)全則認為物理AI發(fā)展的最大難點在于建模方法，包括數(shù)據(jù)、訓(xùn)練流程等，目前尚未有明確的方向。他建議第一步可利用大規(guī)模自監(jiān)督數(shù)據(jù)、高質(zhì)量數(shù)據(jù)得到一個基礎(chǔ)模型，這需要耗費大量資源，第二步通過對齊、強化等工作，將模型能力釋放到具身智能等相關(guān)物理世界相關(guān)場景中，“這條路線或許是可行的，但客觀來講難度依然很大，因為我們目前還未找到合適的建模方法與合理的數(shù)據(jù)組織形式”。