吴邦毅博士解读：物理AI如何驱动智能经济新增长
人工智能正加速从数字领域向物理世界渗透。大语言模型让AI掌握了理解与生成能力，而物理AI则提出了更复杂的命题：它要求系统能够感知空间、识别物体、规划动作并精准执行，最终通过机器人或自动化设备在现实场景中完成实际任务。
全球科技竞赛的焦点正在转移。从英伟达、Google DeepMind到Figure，前沿力量正推动AI从“语言模型”向“视觉—语言—动作模型”演进。国内政策同样清晰，“人工智能+”与“人工智能+制造”专项行动，以及人形机器人标准体系的建立，都标志着竞争已进入产业落地与物理执行的新阶段。
物理AI的核心价值是什么？它将催生哪些产业机会？我们与天娱数科首席数据官吴邦毅博士就此展开了深度对话。
物理AI：从“认知智能”到“行动智能”的跨越
物理AI代表着人工智能能力边界的一次关键拓展。过去的大模型主要处理信息世界的问题，如文本生成与语义理解。物理AI则直面另一个维度：如何让AI理解并作用于三维物理环境。
以“把桌上的杯子放进柜子”这一指令为例。机器人需要完成的远不止语义解析。它必须精准定位杯子和柜子，判断抓取姿态，规划无碰撞的运动路径，并控制机械臂完成整套动作。这背后是视觉感知、空间推理、任务拆解与实时控制的综合挑战。因此，物理AI的本质是推动AI从“认知智能”迈向“行动智能”。未来的AI将走出屏幕，深入工厂、仓库与商业空间，成为物理世界的自主执行者。
全球前沿：系统能力成为竞争焦点
物理AI的发展虽处早期，但竞争逻辑已然清晰：胜负关键不再是单一的模型参数，而是由“模型、数据、仿真、硬件、本体、场景”构成的综合系统能力。
首先，是视觉—语言—动作模型的突破。这类模型能将自然语言指令直接转化为精确的动作序列，实现“所见即所动”。
其次，仿真训练与世界模型成为核心基础设施。在虚拟环境中通过数字孪生与合成数据进行大规模预训练与试错，再将能力安全迁移至现实，是降低成本和风险的关键路径。
最后，高质量数据是基石。物理AI依赖的不再是文本语料，而是三维空间数据、动作轨迹、物体交互及任务反馈数据。谁掌握了更多“懂物理、懂动作、懂场景”的高价值数据，谁就掌握了训练下一代智能体的核心燃料。简言之，在大模型时代，数据是燃料；在物理AI时代，懂物理的数据才是高标号特种燃料。
中国机遇：场景红利与产业纵深
中国在物理AI赛道具备独特的结构性优势，主要体现在三个方面。
第一，完备的制造业体系。中国庞大的制造业生态、供应链网络与丰富的工业场景，为机器人与具身智能提供了天然的试验场与需求土壤。
第二，巨大的场景红利。从制造业质检、物流分拣到设施巡检、能源运维，各行业普遍存在降本增效、安全提升与柔性生产的刚性需求。这些是真实的产业痛点，而非概念演示。
第三，明确的政策导向。从“人工智能+”到“人工智能+制造”，政策正从支持技术研发转向推动规模化应用，引导AI深入产业现场，成为培育新质生产力的关键工具。
物理AI的价值最终体现在交付能力上。谁能将技术转化为可复制、可规模化的产品与解决方案，谁才能真正抓住这轮产业变革的机遇。
天娱数科的布局：构建空间智能基座
天娱数科在该领域的核心布局是Beha visionPro空间智能MaaS平台，旨在打造面向物理AI的“空间智能基座”。其架构可概括为ABC三层。
A代表Assets，即数据资产。让机器理解世界是第一步。公司围绕三维物体、空间场景、人体动作、机器人轨迹等维度，构建高质量多模态数据体系，并推动相关数据集进行资产登记与标准化。这类数据包含空间关系、结构层级与动作逻辑，是“活数据”。例如，对于抽屉，机器不仅识别其名称，更理解其可被拉开、拉动的轨迹以及正确的操作方式。
B代表Beha vior，即行为决策。物理AI的核心是完成任务。公司开发的Beha vision空间智能大模型已完成备案，通过与大模型及行为引擎结合，强化了对复杂任务的拆解、推理与规划能力。例如，面对“整理桌面”的指令，系统需识别散落物品、判断归属、规划操作顺序、生成具体动作，并能动态调整。
C代表Client，即端侧与本体适配。物理AI必须落地于具体设备。面对市场上形态各异、接口不一的机器人本体，平台致力于提供统一的接口与工具化适配方案，降低模型与不同硬件之间的连接成本，让开发者与机器人企业能便捷地调用平台能力。
这类似于智能手机时代需要操作系统。物理AI时代同样需要能够连接数据、模型、行为与本体的平台型基础设施。
产业瓶颈与破局之道
当前物理AI产业面临三大核心瓶颈。
第一，高质量数据供给不足。机器人训练亟需真实场景的动作、交互及反馈数据，但这类数据普遍存在分散、标准不一、标注成本高的问题，制约了模型进化。
第二，场景泛化能力薄弱。许多系统在特定演示环境中表现良好，但一旦环境、物体或光照条件变化，性能便急剧下降。实现从“单场景可用”到“多场景泛化”是必须跨越的鸿沟。
第三，软硬件接口碎片化。不同机器人本体、传感器与控制系统的接口标准不一，导致算法需要反复适配，严重拖累产业效率。
天娱数科的切入点，正是围绕这些痛点构建基础设施：以数据资产解决训练燃料问题，以行为模型解决任务规划问题，以统一接口解决跨本体适配问题。
目标：让机器懂世界，让AI能行动
天娱数科在物理AI领域的目标可概括为：让机器真正理解世界，让AI具备行动能力。
这背后是一项系统工程。理解世界需要高质量数据作为认知基础；具备行动能力需要强大的行为模型作为决策大脑；进入产业需要统一的接口与持续的场景验证；实现规模化则需要安全、标准与生态的全面支撑。
物理AI是一场耐力赛，而非短跑。它无法由单一公司或模型完成，需要数据方、模型方、机器人制造商、工业企业和场景方协同共建生态。
天娱数科致力于成为这场长跑中的基础设施建设者之一。目前，公司“高质量纹理3D铰接数据”“多模态VLA具身机器人抓取数据”等已入选北京市相关典型案例，并参与了中国信通院MaaS标准及中国人工智能产业发展联盟相关标准的制定工作。
如果说AI的上半场是让机器理解人类语言，那么下半场就是让机器理解并改造物理世界。谁能无缝连接这两个世界，谁就将站在下一代智能经济的入口。