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

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。

極佳視界聯合創始人兼首席科學家朱政對物理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，當機器人在100種或者200種常見家庭場景任務中，執行成功率能到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。

“從當前的技術發展現狀來看，我認為要實現上述目標約需要2—3年時間。”朱政說。

智源研究院FLM團隊負責人、“新一代人工智能”國家科技重大專項負責人王業全則通過對比ChatGPT的發展歷程，給出了更長期的預估。他指出，從GPT-1到GPT-2，再到GPT-3乃至ChatGPT，期間經歷了多年的技術積累與迭代。目前，具身智能AGI發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，在一兩年內達到ChatGPT級別難度還是很大。王業全認為，要觸及類似ChatGPT時刻，樂觀預估需要5年時間，若要達到較為完善的程度，可能接近10年時間。

盡管業內人士對物理AI“ChatGPT時刻”到來的時間判斷不一，但都認為，當前物理AI的發展仍面臨諸多挑戰，其中數據和建模問題尤為突出。

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

例如，在演示機器人疊衣服的操作場景時，由于現實世界中衣服的紋理、顏色、款式種類繁多且不斷更新，相關數據根本無法完全采集。

朱政認為，世界模型有望解決這一困境——通過生成式數據填補真實數據的不足，從而讓物理世界的數據在體量與泛化性上，達到與數字世界互聯網數據相媲美的效果。

王業全則認為物理AI發展的最大難點在于建模方法，包括數據、訓練流程等，目前尚未有明確的方向。他建議第一步可利用大規模自監督數據、高質量數據得到一個基礎模型，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物理世界相關場景中，“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據組織形式”。