中国信通院施建锋等：物理AI与世界模型加速发展，未来产业发展新机遇值得关注
习近平主席在2026世界人工智能大会暨人工智能全球治理高级别会议开幕式上的主旨讲话指出，人工智能是世界经济增长的新引擎和新旧动能转换的加速器，正从“数字世界”走向“物理世界”。当前，物理AI正成为全球人工智能产业竞争的重要方向，加快推动其技术创新与产业应用，对培育人工智能发展新动能、抢占未来产业发展先机具有重要意义。本文分析了国内外物理AI与世界模型发展现状和趋势，并提出相关发展建议，为我国加强物理AI关键技术攻关、完善产业发展生态、推动规模化应用提供参考。
二、国际物理AI竞争持续深化，技术栈、数据链与应用场景协同深化
（一）物理AI竞争正从单一模型研发向覆盖算力、数据、仿真、
本体及行业应用的完整技术栈延伸
一是产业链主体加快跨层布局，强化计算硬件与模型、软件的协同布局。
2026年9月，AMD宣布签署协议收购李飞飞创立的World Labs，旨在结合其模型研发能力，完善面向推理、机器人、仿真和物理AI的软硬件体系；英伟达则持续推进Cosmos世界模型、Isaac机器人仿真框架和Jetson边缘计算平台协同发展；Anthropic于2026年8月推出模型硬件标准(MHS)研究预览版，通过标准化接口连接AI智能体与机器人、实验仪器等可编程设备，推动智能体从数字环境向物理设备操作延伸。
二是围绕物理世界数据和仿真训练，逐步形成专业化的基础设施与服务体系。
2026年3月，英伟达发布Physical AI Data Factory Blueprint，将训练数据处理、合成数据生成、强化学习和模型评测整合为自动化数据生产流程；6月，美国机器人数据初创企业XDOF宣布获得7000万美元融资，面向机器人企业提供数据采集、遥操作、清洗和标注服务，反映出高质量动作数据正成为物理AI研发的重要支撑。
三是向机器人本体、工业软件和实体应用延伸，推动模型能力形成训练、部署与反馈迭代闭环。
2026年3月，ABB宣布将英伟达Omniverse仿真技术整合至RobotStudio，利用数字孪生和合成数据训练、验证机器人，并开展消费电子装配等场景试点；同年5月，高通推出Dragonwing IQ10机器人参考设计，将异构计算、传感器接口、运动控制、网络连接和软件工具整合为一体化方案，面向工业机器人、移动机器人和人形机器人部署。
（二）物理世界数据正从模型研发的辅助材料转变为可采集、加工、流通和管控的独立产业资源
一是物理世界数据采集逐步走向专业化。
企业通过众包视频、第一视角摄像、动作捕捉和机器人操作示范等方式，将人类活动和物理交互转化为可用于模型训练的数据资产。2026年8月，Figure推出Index数据采集项目，称已通过面向全球用户的应用累计收集超过1600万段视频，并向数据贡献者支付1500万美元；英国《金融时报》10月报道，Physical Intelligence、Neura等企业正在建设专门的机器人训练场，通过重复执行抓取、搬运等任务采集动作数据，另有企业在全球范围收集人类第一视角视频，显示数据采集正从研发团队内部活动向专业化生产扩展。
二是物理世界数据加工与产品供给不断丰富。
物理世界数据正通过数据集开放、授权使用和专业化加工形成多层次供给体系，数据的价值逐步体现为可复用性、任务覆盖度和对模型性能的提升。2026年1月，数据服务商Defined.ai扩展面向机器人的物理AI数据服务，提供图像、视频、三维点云、激光雷达、运动捕捉、力与扭矩读数以及人类操作示范等多模态数据；9月，Axis Robotics发布开源仿真数据集，包含超过5万条遥操作轨迹、207类操作任务和6万余种场景变体，并同步开放训练代码和评测基准，体现出数据供给正从单一数据采集延伸至多模态数据产品和可复现的训练资源。
三是物理世界数据流通与使用模式日趋多元。
物理世界数据正通过开放共享和商业授权等方式满足不同主体的使用需求。2026年8月，Noitom Robotics发布HiPHI高精度人体动作数据集，包含617.5小时的人体动作及人机交互数据，向研究社区免费开放，同时通过商业许可提供商业使用。物理数据既可以通过开放数据集促进技术研发和生态协作，也可以通过商业授权实现数据价值转化，数据质量、使用许可和商业权益正成为物理AI数据资源化的重要环节。
（三）物理AI与世界模型加快行业落地，推动技术向真实场景落地
一是工业场景成为物理AI落地的重要方向。
企业开始将通用机器人模型部署到真实产线，检验其对不同任务、设备和生产环境的适应能力。2026年3月，路透社报道，Skild AI正将通用机器人AI模型部署到富士康位于美国休斯敦的工厂装配线上，用于生产英伟达服务器；4月，西门子在德国埃尔朗根工厂测试Humanoid公司的人形机器人，探索将人形机器人引入实际工业运营。
二是世界模型加快赋能自动驾驶等动态场景。
物理AI与世界模型正向自动驾驶等动态、开放环境拓展，通过生成可控的虚拟场景，提升系统对罕见事件和复杂环境的应对能力。2026年2月，Waymo发布面向自动驾驶仿真的世界模型，可生成包含摄像头和激光雷达信息的高保真场景，模拟龙卷风、逆向行驶车辆等难以在真实道路上规模化采集的情况；该模型基于Google DeepMind的Genie 3进行驾驶领域适配，体现出通用世界模型向垂直行业应用延伸的趋势。
三是物理AI向农业等非结构化环境拓展。
物理AI正利用环境建模与仿真，降低自主设备跨地形、跨天气和跨作业任务部署的难度。2026年10月，美国Bonsai Robotics推出Bonsai World，将农田、地形、天气和作业条件重建为三维环境，用于生成设备尚未实际遇到的场景并开展部署前仿真；公司称其基础模型使用的数据覆盖超过100万英亩土地、累计超过5000万条真实世界样本。
三、我国物理AI产业发展提速，加快形成协同创新、基础支撑与场景应用联动的发展格局
（一）我国加快构建多方协同的物理AI创新体系，推动物理AI由单点突破向协同创新发展
一是组建跨领域产业创新联合体，推动算力、模型、机器人、应用场景和资本等产业要素协同。
2026年7月，飞捷科思联合复旦大学、哈尔滨工业大学、沐曦股份、拓斯达等32家产学研用资单位成立物理智能创新联合体，并提出通过任务榜、订单榜、责任榜等机制推动技术攻关与场景对接。
二是依托重点实验室、学术组织和行业会议强化基础研究与技术交流，推动世界模型由企业自主探索向有组织科研拓展。
2026年8月，2026世界机器人大会宣布成立中国电子学会世界模型专家委员会；10月，通用世界模型北京市重点实验室正式揭牌，围绕世界模型基础理论、关键技术和典型应用开展系统性攻关。
三是通过国家级实训和中试平台建设强化政策牵引，推动技术研发与真实场景验证衔接。
2026年6月，工业和信息化部、国务院国资委联合开展人形机器人与具身智能实景实训专项行动，部署工业、服务、特种等领域的实景实训空间、创新应用联合体和作业技能攻关；8月，国家发展改革委进一步提出以具身智能实训场和应用中试基地为抓手，统筹数据、模型、标准等要素供给，推动机器人在真实场景中迭代并形成应用闭环。
（二）我国物理AI产业基础持续夯实，形成硬件、算力、数据、仿真和标准协同推进的支撑体系
一是感知与执行硬件具备较强产业基础。
2026年8月我国工业机器人产量同比增长34.6%，机器人减速器产量增长11.4%；10月，禾赛科技发布融合激光雷达与摄像头的三维空间映射相机，推动空间感知技术向机器人拓展。
二是算力与控制能力加快融合。
国内既有AI芯片和算力基础持续发展，也在探索面向机器人实时控制的专用方案，智昌集团2026年发布感算控一体化AI控制器，将视觉感知、AI计算和运动控制集成，面向工业机器人应用。
三是数据采集和数据基础设施加速规模化。
2026年10月公开数据显示，全国已建成启用70多家具身智能训练场，另有40余家在建或规划，相关数据平台已交付150万小时人类视频数据；北京人形机器人创新中心等机构还在推进多构型机器人真机数据采集和数据集开放。
四是物理仿真和世界模型开发平台不断完善。
飞捷科思推出Fysics物理仿真引擎、Fysiverse物理世界模型及配套仿真训练平台，银河通用开源的DexonomySim则提供超过950万条灵巧手抓取姿态合成数据，为复杂操作训练提供补充。
五是标准与评测体系逐步建立。
国家标准委2026年8月发布实施《人工智能 具身智能数据生成平台技术要求》等标准，同时推进具身智能仿真平台技术规范等标准制定，为数据生成、平台建设和测试验证提供规范依据。
（三）我国物理AI应用逐步形成规模化应用与新兴领域探索并进的发展格局
一是智能驾驶加快规模化商业落地。
截至2026年初，小马智行、文远知行Robotaxi车队规模均已超过1000辆，国内自动驾驶正由道路测试向常态化运营发展；小马智行进一步利用世界模型生成海量仿真测试数据，提升复杂道路场景验证能力。
二是具身智能向工业生产和复杂作业延伸。
2026年8月数据显示，我国工业机器人已应用于253个行业中类，覆盖全国一半以上行业中类；10月，全国已建成启用70多家具身智能训练场，相关机器人已能开展电柜操作、工业阀门启闭等复杂作业。
三是空间智能加快赋能城市治理与行业服务。
2026年7月，魔芯科技发布MoWorld-3D三维世界模型，面向具身智能、自动驾驶和数字孪生等领域开放场景生成能力；9月，高德发布空间智能AI平台，依托真实世界重建、时空理解与推演等能力，推进城市全空间无人体系在多地落地。
四是物理AI向医疗康养、农业生产和矿山作业等专业场景延伸。
2026年，工信部、农业农村部联合开展农业领域机器人典型应用场景遴选，推动机器人应用于种植、养殖及农产品加工；国家矿山安全监察局、工信部启动矿山机器人应用验证试点，聚焦掘进、采矿、运输、应急救援等七类场景，推动机器人在高风险、复杂环境中开展真实作业验证。
四、物理AI与世界模型发展趋势
（一）真实交互数据与合成数据融合，成为提升物理AI能力的关键路径
物理AI需要理解复杂环境中的物体属性、运动规律和交互关系，但真实世界数据采集成本高、危险场景难复现、长尾任务覆盖不足，难以单靠真实数据满足模型训练需求。随着世界模型和物理仿真技术发展，产业正加快构建“真实数据采集—虚拟场景生成—合成数据训练—真实任务验证”的数据生产闭环：一方面，利用机器人实操、自动驾驶运行等真实交互数据校准模型，提升其对现实环境的适应能力；另一方面，通过世界模型生成复杂场景、稀缺事件和多样化任务，扩充训练数据并降低试错成本。
（二）物理AI由单体智能向通用模型、多机器人协同和复杂系统编排发展
物理世界任务往往涉及环境感知、任务规划、运动控制和多设备协作，单一机器人或专用模型难以独立完成跨场景、长流程的复杂任务。随着世界模型、视觉语言动作模型(VLA)和机器人控制技术不断融合，物理AI正从面向单一任务的专用智能向具备跨任务迁移能力的通用模型发展，并进一步通过多机器人协同和软硬件系统编排完成复杂作业：一方面，利用通用模型提升机器人对不同环境、物体和任务指令的理解与适应能力，降低新场景部署和任务切换成本；另一方面，通过统一调度不同类型的机器人、传感器和控制系统，实现任务分解、协同执行与动态调整，推动物理AI由单机能力提升向复杂作业系统的整体优化演进。
（三）通用基础模型加速向物理世界延伸，推动数字智能与具身智能的“大脑”融合
新一代多模态基础模型在复杂推理、视觉理解、任务规划和工具调用等方面的能力提升，正在模糊数字智能与物理智能的技术边界，产业开始探索由同一通用模型承担数字任务理解与物理任务决策，再通过专用控制模块和机器人本体完成动作执行的技术架构，即“大脑”趋于通用化、“小脑”与“躯干”继续专业化。2026年9月，斯坦福大学研究团队利用GPT Astra控制宇树人形机器人，在未见过的厨房环境中完成跨空间物品整理和记忆物品取回任务，初步展示了通用模型结合空间记忆与可复用运动技能的潜力。
（一）加强高质量物理世界数据供给，建立真实数据与合成数据协同生产机制
针对真实交互数据采集成本高、标准不统一、跨平台复用困难等问题，统筹建设国家级和行业级具身智能实训场、数据采集基地及仿真数据平台，围绕工业操作、自动驾驶、特种作业等重点场景，持续积累多模态感知数据、机器人动作轨迹和任务执行反馈。支持利用世界模型与物理仿真技术生成长尾场景、复杂任务和危险工况数据，建立真实数据校准、合成数据生成、模型训练和实机验证相结合的闭环。同步完善数据确权授权、质量评估、合规使用和安全流通规则，探索通过可信数据空间等方式促进跨企业、跨平台数据协作。
（二）推动通用基础模型与专用控制技术协同突破，提升复杂任务自主执行能力
面向物理AI由单体智能向通用化、多机器人协同发展的趋势，加强世界模型、视觉语言动作模型、空间智能与机器人控制技术的交叉融合，重点突破物理规律建模、长时序预测、任务分解、动态规划、精细操作和仿真到现实迁移等关键技术。支持通用模型与专用动作模型、实时控制器及机器人本体协同优化，推动形成兼顾跨场景泛化能力、实时响应和执行安全的技术架构。面向多机器人协作和复杂工业流程，开展任务分配、状态共享、协同控制和故障恢复等技术攻关，提升系统级智能水平。
（三）以高价值场景牵引规模化应用，完善实训验证、标准评测与商业化推广体系
围绕智能制造、自动驾驶、矿山作业、农业生产、医疗康养等领域，遴选一批需求明确、应用价值突出、具备推广条件的典型场景，支持建设实景实训基地和应用中试平台，推动技术从实验室验证向连续作业、规模部署和商业化交付转变。建立覆盖数据质量、物理真实性、任务成功率、连续运行稳定性、跨场景迁移能力及投入产出效益的综合评测体系。鼓励行业用户开放真实任务与测试环境，形成“场景开放—联合研发—实机验证—迭代优化—复制推广”的应用闭环，推动物理AI从示范应用走向可持续的规模化发展。
总体来看，物理AI与世界模型正加速成为人工智能拓展物理世界、赋能实体经济的重要方向，国际竞争日益聚焦关键技术、数据资源、基础设施与应用生态的协同布局。我国已具备一定产业基础，但仍需进一步强化高质量数据供给、关键技术协同攻关和规模化应用验证。中国信息通信研究院持续推进物理AI与世界模型产业研究、评测体系建设和产业生态培育，已开展物理AI和世界模型产业图谱编制、建立覆盖数据底座、模型算法、智能体、终端硬件和底层基础设施的“格物”评测体系等工作。未来，中国信息通信研究院将进一步联合产业各方，深化技术研究、评测验证与生态共建，为我国物理AI和世界模型产业高质量发展提供支撑。
中国信息通信研究院工业互联网与物联网研究所工程师，博士。从事AI Infra、物理AI、数据智能体、区块链等方面的研究工作。在RTSS、ICSOC等国际会议期刊发表论文13篇，获5项发明专利授权，参编2项国家标准。
中国信息通信研究院工业互联网与物联网研究所工程师。主要研究方向为数据要素、区块链、数据智能体。长期聚焦数据基础设施、区块链建设，支撑重点政策制定，参与多项标准编制，持续开展产业链研究、工程建设实践、产业报告撰写等工作，专注数据基础设施工程建设与服务咨询。
中国信息通信研究院工业互联网与物联网研究所高级工程师，博士。主要研究方向为数据基础设施、AI基础设施、区块链。长期参与重要政策和标准制定，持续开展关键技术研究、产业发展追踪、落地实践指导等工作。
中国信息通信研究院工业互联网与物联网研究所工程师。主要从事具身智能技术研究与产业咨询，聚焦数据采集与质量评测、工业互联网与具身智能融合应用，开展数据体系建设、机器人与工业设备互联协同及典型场景应用研究，并承担行业研究、中试基地与产业创新中心规划等工作。
中国信息通信研究院工业互联网与物联网研究所数据与智能研究部副主任(主持工作)，工程师。长期深耕工业互联网、数据智能、物理 AI 与多智能体协同领域，深度参与了人工智能赋能行业高质量数据集建设、国家数据基础设施建设等多项国家战略规划的制定。
校 审 | 谨 言、珊 珊
编 辑 | 凌 霄