天猫

帮老人翻身，机器人还得学多久？_我的网站

会痛的十七岁

一 | “今天的AI会写诗，会写代码，会做PPT，但它帮不了一位老人翻身。” 近日，复旦大学浩清特聘教授、通用物理智能研究院院长苏昊在一场论坛中这样描述当前的行业困境。当下的AI，正在发展出一种新的反差。在数字世界里，模型越来越聪明，能帮人干活；但在物理世界里，它还远未真正进入人类的生活。

二 | 日前，“中国体育彩票”东莞市第九届市民运动会暨2026时尚运动节乒乓球比赛在东莞市乒乓球训练基地圆满落下帷幕。苏昊认为，AI还不够可靠的原因在于，当前大模型学习的是语言，这是人类对世界的经验与描述，而非世界本身。“它能流利地描写‘杯子掉在地上会碎’，却从没有机会感受一只杯子的重量。” 那么，真正走出屏幕，AI还需要跨越什么？图/图虫创意幻觉过去一年，具身智能是AI产业最受关注的方向之一。

三 | 从实验室到各大展会现场，人形机器人刷新着从行走、奔跑，到搬运、分拣，甚至做简单家务等多种技能。与过去依靠固定程序运行的工业机器人不同，新一代机器人正在借助大模型、多模态感知等技术，试图理解开放环境、自主决策、执行复杂任务。但能力展示到真正承担工作之间，仍有一道鸿沟。在工厂里，机器人面对的是高度结构化的环境，工位固定、零件标准化、任务目标清晰。经过两天的激烈角逐，54支队伍、近300名选手以球会友，在银球翻飞间点燃了全民健身热情。因此，即使机器人的泛化能力有限，也可以通过大量数据训练和工程优化，完成相对稳定的工作。但当环境从流水线变成家庭、医院或者养老院等开放环境，问题开始变得复杂。

四 | 拿起一只杯子，看似只是一个简单动作，但背后涉及对杯子材质、重量、空间位置的判断，以及力量大小的控制；帮助老人翻身，也不仅是完成一个动作，而是需要根据人的身体状态和姿势来及时调整。本届赛事设镇街组与公开组两大组别，覆盖全市24个镇街（园区）代表队及30支来自企业、校园、俱乐部等多元主体的公开组队伍。这些能力，对于人类而言来源于长期的生活经验，但对于机器人而言，却是一片尚未充分学习的领域。赛事采用混合团体赛制，通过“小组单循环+单淘汰”赛制决出最终名次。在苏昊看来，最本质的原因在于，模型学的一直是语言，而语言是世界的投影；模型学的一直是这道影子，却从未见过投下影子的实体。 “你可以在屏幕里雄辩，但你说服不了重力。赛场上，南城、寮步、横沥等传统强队稳扎稳打，松山湖等新兴力量敢打敢拼，胡婷芳乒乓球俱乐部等基层队伍同样展现出不俗实力。”苏昊讲道。

五 | 这也是当前物理智能发展的核心难题：机器人并不是不会做动作，而是不知道什么时候该做、该怎么做，以及如何一直做对。这一看法也得到了多位具身智能领域专家和从业者的认同。智元合伙人、觅蜂科技董事长兼CEO姚卯青指出，当前大部分模型建立在视频生成模型基础上，但视频更多记录的是世界的外观变化，并不能完整呈现物理规律。最终，镇街组前三名由南城街道队、寮步队、横沥队摘得；公开组前三名花落南城乒协、胡婷芳乒乓球俱乐部、横沥二队。例如，仅通过视频可以看到物体的位置和运动，却难以感知质量、力量、摩擦等信息，而这些恰恰是机器人完成操作任务时不可缺少的能力。它石智航创始人兼CEO陈亦伦也提到，机器人面对的是一个不断交互的物理世界，不仅需要观察，还需要通过行动改变环境，并根据反馈不断调整。

六 | 作为落实《东莞市推进体育强市建设实施意见》的重点群众性赛事，本次活动获得了体彩公益金的支持。机器人不能只知道下一步做什么，还需要知道做完之后世界会如何改变。

七 | 长期以来，体彩公益金持续赋能基层体育设施建设与品牌赛事打造，为东莞构建“市—镇—社区”三级全民健身赛事体系提供了坚实的保障。从社区露天球台到市级专业赛场，体彩公益金让“家门口的赛事”成为常态，真正打通了社区业余爱好者通往市级赛场的通道，让“运动之城”的建设成果切实转化为群众的获得感与幸福感。补课而物理智能想要突破，关键在于让AI获得类似人类的物理世界经验。

八 | 在苏昊看来，要做到这一点，首先要给AI补上的，是真正的物理世界知识。他将掌握过程分为六层，由底层向上分别是物体知识、状态知识、动力学知识、功能知识、目标知识、行为知识，即从认识物体，到理解物体的状态，再到掌握动力学规律，譬如球会滚走、水会流动；进一步，还包括理解物体在绑定主体后而被赋予的功能、目标，以及知道怎么做想做、要做的事儿。 “端一杯水穿过房间不洒，是分寸；系鞋带、用筷子，这个是巧劲。而这些本事不写在书上，是长在手上的。”苏昊讲道，“从物体到行为，越往上越不是看会的，越得在物理世界中亲手去做。” 虽然互联网让语言知识得到了空前规模的聚合，但物理世界的知识却仍然散落在实验数据、工业生产、视频记录以及人的实践经验中，并没有形成一套完整的数据体系。因此，在苏昊看来，物理智能的突破口不在模型的架构，而在知识的聚合。这当然并不容易。 “聚合这件事注定超出任何一家机构的边界。视频在互联网上，方程在教科书里，力学数据在各家实验室里，操作的直觉在亿万劳动者身上，没有谁能独自集齐这套阶梯。它需要整个行业乃至全社会的通力协作，共建数据、共立标准、共享仿真评测等基础设施。”苏昊谈道。这需要的真实世界数据量级也相当惊人。陈亦伦以大众熟悉的自动驾驶举例，一个工业级可用的自动驾驶系统，训练需要的纯视频数据大概100万个小时，这还只是处理非碰撞的物理系统；而具身智能要刻画复杂物理规律，并执行与物体有交互的操作，需要的视频数据规模在1000万个小时的量级。更重要的是，理解世界还只是第一步。真正决定机器人能否进入人类日常生活的，是可靠性。毕竟，现在要机器人完成一次动作并不难，难的是在真实环境中，把同一个动作稳定完成成千上万次。苏昊认为，物理智能的发展不会像ChatGPT那样，在一次发布会上突然爆发，而更像过去电气化的发展过程，先进入工厂、仓库等相对标准化的场景，再逐步走向医院、商业服务，最终进入家庭。而这指向的是物理智能实现自己使命的路径。