夜雨聆风▲关注中国信息化周报
过去几年，大模型爆发式增长，从写作、画画卷到编程，能做的事情越来越细，但始终没有离开屏幕。真正的物理空间，比如工厂车间、家庭厨房、建筑工地，AI几乎还没走进去。蚂蚁灵波科技首席科学家沈宇军认为：大模型吃的是数字世界的红利，文本、图像、代码这些被充分标准化的数字资产，配合算力基础设施的成熟，让AI在屏幕里变得很聪明。但从AIGC（人工智能生成内容）到AIGA（人工智能生成实操，即AI生成生产力），机器人要面对的物理世界，数据几乎是一片空白，这既是物理AI发展的最大瓶颈，也是其最大的机遇。
从数字世界红利到物理世界数据新大陆
过去几年，大模型的爆发式增长，本质是互联网数据红利的集中释放。沈宇军认为，大模型的成功，核心在于互联网用几十年时间完成了数据的标准化与规模化积累，这是数字AI得以快速迭代发展的基础。但这一路径无法直接复制到物理世界。
与数字空间不同，机器人与具身智能所需要的物理世界数据，至今仍处于早期发展阶段。沈宇军认为，机器人领域既没有互联网数十年的数据沉淀，也没有自动驾驶近十年的场景积累，数据采集、标注、处理体系均未成熟，更未形成统一的行业标准。这也是当前物理AI难以快速规模化的核心制约。他认为，AI已经进入下半场，发展重心从数字世界转向物理世界，物理 AI、具身智能成为产业共识方向。
从政策层面看，具身智能已被纳入国家“十五五”未来产业重点布局，《人形机器人与具身智能标准体系（2026 版）》正式发布，标志着行业从概念阶段进入规范化发展周期。在产业端，本体厂商数量快速增长，多场景数据采集方案不断涌现，行业正在从“卷模型”转向“建数据”。沈宇军判断，未来一到两年模型公司与数据公司将进入深度磨合期，硬件、传感器和数据标准有望逐步收敛，谁率先建立稳定、高效、标准化的数据体系，谁就能占据产业主导权。
数字AI 的成功证明了数据的基础性地位，而物理 AI 的突破，同样要从数据破局。只是这一次，行业不再有现成的标准化数据可用，必须从头构建适配物理交互、多模态感知、真实环境反馈的数据体系。这既是挑战，也是整个行业最大的结构性机遇。
从数据量竞争到数据质量与数据体系竞争
物理AI与数字AI的另一本质差异，体现在数据逻辑上。数字AI时代，行业一度陷入数据量比拼。而进入物理世界，沈宇军明确提出，只强调数据规模、不关注数据质量与有效性，是不科学、不可持续的。对具身智能而言，数据的真实性、结构性、场景适配性，远比总量更重要。
沈宇军认为，物理世界数据具备数字世界不具备的两大特征。第一，多模态更丰富，除文本、图像、声音外，还包含深度、距离、力觉、触觉、温度等感知信息，这些模态直接决定智能系统对环境的理解能力。第二，物理反馈真实可信，任务结果由自然规律决定，而非人为设定标准，智能体可以从现实交互中直接学习，突破人工奖励函数的局限。这两大特征决定了物理AI 必须建立一套全新的数据治理体系。
蚂蚁灵波在实践中选择了以高质量物理数据为核心的技术路线，在预训练阶段优先使用真机采集数据，累计构建数万小时高质量真实交互数据集，形成了从采集、清洗、标注到模型输入的完整链路，服务于具身大脑能力的提升。沈宇军认为，不管未来VLA 与世界模型等技术路线如何演进，数据处理链路的打通都是基础前提。只有先明确什么是有效数据、如何处理数据、如何将数据转化为模型能力，才能支撑持续的技术迭代与场景落地。
数据质量决定泛化能力，数据标准决定规模化效率，数据闭环决定迭代速度。未来，随着物理数据不断积累、标准逐步统一、模型持续迭代，物理AI 将走出一条区别于数字AI的独立发展路径。它更贴近真实世界、更依赖交互反馈、更注重落地价值，也更有可能推动 AI 走向更通用、更自主、更贴近人类需求的高级形态。
从AIGC 内容生产到AIGA物理生产力落地
数字世界的AIGC解决了内容生成效率问题，但无法满足人类在物理世界的真实需求。智能体可以完成信息查询、文案生成、工具调用等数字流程任务，却无法执行搬移物品、设备操作、环境适配等物理动作。沈宇军认为，AI需要从内容生产，走向生产力输出，从虚拟服务走向真实操作，AI的下半场，是实现从AIGC 内容生产到AIGA物理生产的落地。
AIGA的核心价值，是让智能具备物理执行能力，把人从重复、枯燥、高强度的体力劳动中解放出来。在工厂、物流、巡检、商用服务等场景，机器人可以完成搬运、分拣、值守、操作等标准化任务，响应环境变化并自主调整执行策略，而不是按照固定轨迹运行。这种能力不仅提升效率，更重构了生产要素配置方式，让人力更多投向创意、决策、文化创作等高价值活动。
从行业落地现状来看，具身智能正快速走出实验室。2026 年被业内视为量产爆发元年，工业、能源、电力等领域出现规模化订单，整机成本持续下降，商业化闭环逐步形成。沈宇军强调，物理 AI的终极目标不是炫技，而是解决真实问题、创造实际生产力。随着标准体系完善、数据积累加速、模型能力增强，AIGA 将从特定场景逐步走向通用化。
—End—
注：转载、添加白名单以及商务合作请在公众号后台留言，未经许可、不得转载，不得随意修改及盗用原文。
