7月19日，智元、觅蜂科技联合主办2026世界人工智能（885728）大会核心分论坛“智启具身论坛2026——迎接物理AI智能涌现”。本次论坛汇聚清华大学、佐治亚理工学院、Physical Intelligence、Genesis AI、Dyna Robotics、Sunday Robotics、腾讯Robotics X等海内外顶尖高校、机器人实验室与头部科技企业技术领军者代表，共同拆解物理AI翻越Scaling Law “物理墙”、实现通用物理智能涌现的可行路径。
当大模型已经在语言、数学、代码等数字世界完成能力跃迁，下一阶段人工智能（885728）的核心命题正在转向真实世界：机器人如何感知环境、理解任务、执行动作，并在持续反馈中自我进化？物理AI何时会迎来ChatGPT时刻？
智元合伙人、高级副总裁、具身业务部总裁，觅蜂科技董事长兼CEO姚卯青指出，理解物理AI，首先要回到智能的两条主线：表征与闭环。表征，是对世界的抽象压缩；闭环，是智能体与环境之间持续发生的“感知、理解、决策、行动、反馈”循环。数字AI的成功，本质上是知识表征在数字环境中的成功；而物理AI的难点在于，它必须同时打通经验表征与真实世界闭环。
在姚卯青看来，物理智能要实现规模化，必须突破三道墙：一是数据墙，真实交互数据极其稀缺且获取成本高；二是表征墙，跨任务、跨场景、跨本体的统一物理表征尚未形成；三是闭环墙，真实试错代价昂贵、反馈缓慢，难以规模化。他表示，物理AI从“能演示”走向“能干活”，关键不在于单点模型能力，而在于能否形成可泛化、可优化、可进化的通用具身智能系统。围绕这一目标，智元构建了“预训练—后训练—持续学习”的三阶段训练架构，沿着VLA与WAM两条路线持续演进。
在数据层面，姚卯青强调，当执行、回流、挖掘、更新形成自动化闭环，模型能力才能在真实世界中持续迭代。姚卯青表示，觅蜂科技打造了全链路物理AI数据基础设施，依托MEgo系列采集终端、MEgo Engine治理平台与真机数据集AGIBOT WORLD，构建分层数据供给金字塔与部署回流数据飞轮，从源头解决行业数据稀缺难题。
据了解，这一技术飞轮已经在真实场景中获得验证。在江西南昌，传统3C平板量产产线完成规模化落地验证，产线作业成功率达99.99%。“模型决定起点，数据定义终局。当飞轮转动，智能涌现只是时间问题。”姚卯青表示。
过去几年，数字大模型通过数据、模型和算力的持续扩展，实现了显著的能力涌现。但到了物理世界，智能不只是理解和生成信息，还必须转化为真实环境中的稳定行动，面对复杂交互、不确定性和硬件约束。
在圆桌高峰对话环节，姚卯青、任至意、马也骋、Sunday Robotics联合创始人兼CEO赵子豪、腾讯首席科学家&腾讯Robotics X实验室主任张正友等与会嘉宾在数据来源领域形成了一个重要共识：物理AI的数据不可能只依赖单一来源，而将形成由互联网数据、第一视角数据、UMI/Ego数据、真机数据、仿真数据与部署回流数据共同组成的“数据配方”。
上述与会嘉宾对机器人“ChatGPT时刻”的到来时间给出判断。尽管具体时间预判从两年到五年不等，但嘉宾们形成了共同判断：物理AI的智能涌现不会来自单一模型、单一数据源或单一路线，而取决于数据规模、模型架构、仿真评测、真机反馈、部署场景与硬件系统共同构成的持续进化飞轮。
