自变量王潜：具身智能是物理世界的独立基础模型｜MEET2026 过去一年，具身智能领域争论不断：它是多模态模型的应用，还是全新的基础模型？自变量机器人创始人兼CEO王潜明确表示，具身智能是独立于语言模型和多模态模型的物理世界基础模型。 这一观点源于对物理世界与虚拟世界本质差异的重新认识。虚拟...

2025年12月13日，在第八届GAIR全球人工智能与机器人大会上，中山大学王广润博士分享了《创新基础模型，强化物理世界建模》的主题演讲。他提出通过新一代AI架构赋能物理世界建模的精准化与高效化，强调空间建模模块具备自适应能力，大模型微调仅需调整少量参数即可适配新环境。他还介绍了团队研发的具身大模型E0，采用全新离散扩散方法，在精细操作和复杂任务中表现优异。此外，团队搭建了一个无人化物理智能测评平台，支持远程调用实验室机器人完成真实场景评测，推动具身智能领域的公平性与实用性发展。

12月18日，阿里千问App宣布接入高德地图，首次实现物理世界的理解和行动能力。此次系统级对接使千问不仅能回答问题，还能调用高德地图及扫街榜等服务，生成包含餐厅、酒店推荐及出行方案的可视化决策卡片。阿里巴巴表示，未来将陆续接入旗下消费、支付等核心业务场景，进一步构建现实世界的服务履约网络。这一升级标志着千问从‘意图理解’迈向‘服务执行’的关键跨越，为用户提供更精准和动态的现实世界服务。

2025年9月2日，特斯拉发布“宏图计划4”完整文件，揭示公司未来愿景：创造一个人类刚开始想象的世界，并以空前规模实现。特斯拉正专注于开发将人工智能（AI）引入物理世界的产品和服务，进一步推动技术与现实的深度融合。这一计划标志着特斯拉在AI领域的持续突破，也为行业带来全新发展方向。

正文：7月23日，联汇科技发布全球首个万物具身智能体平台OmAgent，推动AI智能体从“数字空间”走向“物理世界”。该平台聚焦多模态感知融合与端到端全链条赋能，具备三大核心能力：赋予机器“空间智慧”，构建跨终端协同网络，革新自然语言交互模式。OmAgent可接入摄像头、机器人、无人机等设备，快速实现视频检索、行为分析、巡飞决策等功能，已在工地、公安、电力等行业落地，赋能10万+硬件终端。平台支持云服务和私有部署，灵活适配复杂任务场景，加速具身智能生态构建。官网已上线，提供抢先体验资格。

2025年7月16日，英伟达CEO黄仁勋在链博会上表示，人工智能已成基础设施，类似电力和互联网的重要性。中国目前有数百个数字孪生项目，用于工厂设计优化，许多机器人通过英伟达Omniverse训练，确保安全。他预测，未来10年内将出现能够理解物理世界并执行任务的AI，彻底改变工厂模式，与人类协作制造智能产品。人工智能将推动各行业变革，带来新的工业革命与增长机遇。

Meta发布报告：具身智能的未来是「心智世界模型」 Meta最近发布了一份40页的研究报告，提出了一种全新的发展方向——「心智世界模型」。这一模型不仅关注物理世界的规律，还将人类的心理状态和社会行为纳入框架，旨在打造能听、能看、能理解、会共情的智能体。 传统世界模型（如LeCun提出的JEPA）主要...

6月11日，Meta推出全新模型V-JEPA 2，该模型在物理世界的视觉理解和预测方面达到顶尖水平，显著提升了AI代理的物理推理能力。此外，Meta还同步发布了三项新基准，用于评估现有模型从视频中推断物理世界的能力。这一进展标志着人工智能技术在理解现实世界动态方面的又一重要突破。

2025年6月11日，元戎启行CEO周光在火山引擎Force原动力大会上宣布，将携手火山引擎基于豆包大模型研发VLA技术，打造物理世界的Agent。VLA模型具备空间语义理解、异形障碍物识别、文字引导牌理解和语音控车四大功能，预计于2025年第三季度面向消费者市场推出。该模型通过深度学习技术，可解析复杂路况、识别动态盲区、应对异形障碍物，并准确执行用户语音指令。目前已完成真实道路测试，未来将适配更多芯片平台。元戎启行计划年内推出超5款搭载VLA模型的AI汽车，其中包括支持激光雷达与纯视觉方案的产品。火山引擎表示，此次合作旨在推动智慧出行领域创新发展。

图灵奖得主、Meta首席AI科学家杨立昆近日在“Big Technology Podcast”节目中指出，当前大语言模型的发展已接近瓶颈，仅靠文本训练无法实现人类级智能。他强调，现有AI技术依赖于文本数据的统计规律生成答案，缺乏创造新事物的能力及对物理世界的理解与抽象推理能力。杨立昆认为，单纯扩大模型规模和增加训练数据无法突破这一局限，真正的AI应具备理解物理世界、持久记忆、推理与规划能力。他预测，AI技术将在2030年前迎来新变革，但目前仍难以支撑家用机器人和自动驾驶汽车等应用。杨立昆正研发一种新系统，通过预测物理世界行为使AI更好地理解现实。