当前，人工智能（885728）正从数字世界加速走向物理世界。大语言模型使AI具备了理解语言、生成内容、辅助决策的能力；“物理AI”则进一步要求AI理解空间、物体、动作和任务，并通过机器人、智能终端、自动化设备（881171）等载体在真实世界中完成工作。

天娱数科（002354）首席数据官吴邦毅博士在接受记者采访时表示，全球范围内，英伟达（NVDA）、Google DeepMind、Figure、Physical Intelligence等科技企业都在推动AI从“语言模型”向“视觉—语言—动作模型”演进。国内政策层面，“人工智能（885728）+”行动、“人工智能（885728）+制造”专项行动、人形机器人（886069）与具身智能标准体系等相关政策密集出台，也标志着AI正从模型竞赛进入产业落地、场景应用和物理执行的新阶段。

据悉，全球物理AI目前还处在早期爆发阶段，但方向已经非常清晰：竞争正在从单纯比拼模型参数，转向比拼“模型、数据、仿真、硬件、本体和场景”的系统能力。

第一是“视觉—语言—动作模型”，也就是VLA模型。它让机器人不只是“看懂”和“理解语音指令”，还要能够将自然语言指令转化为动作。

第二是仿真训练和世界模型。真实世界训练成本高、风险高，所以行业正在通过数字孪生（885820）、仿真环境和合成数据，让机器人先在虚拟环境中学习，再迁移到现实场景。

第三是高质量数据资产。大语言模型需要文本语料，物理AI更需要三维数据、动作数据、轨迹数据、物体交互数据和任务反馈数据。未来谁掌握更多懂空间、懂动作、懂场景的数据，谁就更有可能建立优势。

“大模型时代，数据是燃料；物理AI时代，懂物理的数据才是高标号燃料。”吴邦毅说。

吴邦毅告诉记者，目前，天娱数科（002354）在这一方向上的核心布局，是BehavisionPro空间智能MaaS平台，可将其视为面向具身智能和物理AI的空间智能基座。天娱数科（002354）切入这个领域，是希望围绕这些痛点做基础设施：用数据资产解决训练燃料问题，用行为模型解决任务规划问题，用统一接口解决跨本体适配问题。

天娱数科（002354）在物理AI领域的目标是：让机器真正懂世界，让AI真正能行动。“这句话背后是一项长期工程”，吴邦毅分析说，机器要懂世界，需要高质量数据；机器要会行动，需要行为模型；机器要进入产业，需要统一接口和场景验证；机器要规模化应用，需要安全、标准和生态。

物理AI不是短跑，而是一场长跑。它不会只属于某一家机器人企业，也不会只靠某一个大模型完成。它需要数据公司、模型公司、机器人公司、制造企业和场景方共同协同。

天娱数科（002354）希望成为其中的基础设施建设者。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”等已经入选《北京市行业高质量数据集典型案例》及《北京市高质量数据集服务商》，并参与中国信通院MaaS标准、中国人工智能（885728）产业发展联盟多模态MaaS标准制定。