读懂物理规律预判事物演化物理AI加快走进千行百业
上海
◎记者 仲茜
汽车自动驾驶时，AI为什么有可能躲开障碍物？这份“预判未来”的可能性，正是AI在经历的一次关键转向：AI不再只会认图、答话，而是开始读懂物理规律、预判事物演化，进而帮助人类做出理性决策。业界将其称为“物理AI”与“世界模型”。
10月20日，2026物理AI与世界模型大会在南京开幕。这是国内首个聚焦物理AI与世界模型领域的高规格综合性行业大会，以“建模物理世界·智启美好未来”为主题，邀请众多图灵奖得主、两院院士、产业领军人物汇聚一堂，分享前沿洞见。大会还发布了一系列标志性成果并举行重大项目签约，覆盖算力与数字基础设施、高质量数据集建设、具身智能关键技术联合研究及行业应用示范等方向。
关键一跃：从“会下棋”到“会叠衣服”
什么是物理AI与世界模型？会上，围绕世界模型的技术本源与发展趋势，多位大咖分享前沿洞见。
中国工程院院士、中国科学院工业人工智能研究所所长于海斌作主旨演讲时称，在控制领域，世界模型可视为一种具有前向预测能力的动力学模型（Dynamics Model），描述一个动态系统在控制输入作用下状态如何转移，亦称为状态转移函数。他认为，世界模型应具备三项基本能力：一是先“模拟”再行动，不用真的“摔跟头”；二是补全“看不到的信息”，不被表面迷惑；三是预测“未来会发生什么”，提前做决策。
“业内通常将世界模型分为通用世界模型与专用世界模型，两者并非替代关系，但二者可以相互转化。”于海斌表示，通用世界模型是长期理想形态，有望从局部特定领域建模走向物理世界的统一表征与预测；而专用世界模型不会被迅速取代，两者长期并行、协同发展。
理解了世界模型，但研发和利用它并不容易。就像让计算机下棋达到成人水平相对容易，但让它在感知和行动上，表现出一岁孩子的技能却很难，让它会叠衣服还只能是某种特定的衣服。业内将这种难度概括为“莫拉维克悖论”。
“让机器真正理解它所处的这个世界，去感知、去观察、去行动。”在于海斌看来，物理AI研究已成为人工智能从数字空间走向真实物理世界的关键一跃。大语言模型让机器学会了理解和生成语言、图像，但始终“困在发光的屏幕里”；世界模型则试图在AI内部构建一个“物理推演仿真器”，理解重力、惯性、摩擦力与物体碰撞，在行动之前先在“脑海”中预演结果。可以说，物理AI是让机器在真实世界中完成感知、决策与行动的闭环。
此外，AI也驱动多物理场仿真进入新时代，例如多学科物理场仿真、多体动力学仿真、 机器人 物理仿真。其中，具有动态标校功能的孪生仿真、基于3D温度场建模的实时焊接工艺控制，都极具工程应用前景。
核心基础：打造具有共性的物理AI底座
“真实物理世界，充满真需求，谁掌握可验证、可行动、可部署的物理AI基座，谁就掌握下一阶段AI与实体经济结合的核心基础设施。”逆矩阵科技创始人兼首席研发官、北京智源人工智能研究院行为世界模型创新中心负责人陈博远表示。
“世界模型正经历从‘虚拟智能’走向‘物理智能’的关键跃迁。”在主旨演讲环节，陈博远分享说，当前的AI技术已打通大语言模型、多模态模型、智能体应用环节，正在通往世界模型与未来通用物理智能模型阶段。他与团队正在做的，就是将“围绕目标规划任务、调用工具，并根据执行反馈调整”与物理空间世界相连接，从而打造“世界模型+建模物理”，可预测世界变化与行动后果，未来成为具身智能、智能制造、自动驾驶、仿真产业等共性底座。
在物理AI应用领域，自动驾驶、人形机器人、工业仿真，成为当前落地热度最高的方向。“然而，物理AI目前在100公里马拉松的起跑阶段，今天很多模型已经可以在设定好的实验室环境中完成动作，但这与进入真实产业场景还有很大距离。”陈博远解释说，通用物理的智能理想状态，是物理AI进入陌生场景、面对新物体和任务时，可复用已有知识，只需少量适配，甚至无额外训练就能完成任务。而真实世界会不断带来新组合，“边缘情况不是长尾，是常态，物体、环境和任务要求都可能变化，很难靠逐一采集训练覆盖。当让物理AI去做成千上万种任务时，这些任务出现在数据里的概率基本是零”。
陈博远表示，这就需要有更多科研机构和企业致力于打造具有共性的物理AI底座，形成可泛化而非固定的规则，增加工艺实验、降低高成本的试错，减少现实实验的代价，让物理AI加快走出屏幕、走进千行百业。
当天，国家数据标注先行先试苏皖城市联盟（长三角数据标注联合创新中心）正式成立，联盟将统筹苏皖两地数据要素资源，打造长三角数据标注产业协同创新高地；江苏还发布“物理AI与世界模型高质量数据集建设行动计划”，同步展示一批江苏“物理AI与世界模型”典型成果与典型场景，为全国行业发展提供实践参考。
在物理AI应用端，阿丘科技高级副总裁李玉萍介绍，公司把最先进的AI技术落地到工业制造中，特别是半导体芯片封装及光模块设备制造等领域。公司相关技术和产品目前已服务 中际旭创 、 通富微电 、LG新能源等智能制造工厂。阿里巴巴集团千问事业部副总裁宋刚介绍，AI的穿戴硬件正逐步进入人们的生活，它可以辅助AI模型更好地接触物理世界，阿里也在进一步研发新产品，为物理AI和世界模型走进生产、融入生活助力。
产业赋能：从场景优势到产业闭环
物理AI不同于纯文本大模型，对真实物理场景数据、实体硬件与产学研协同的要求更高。据介绍，近年来，江苏在物理AI与世界模型这条新赛道上抢占先机、赢得主动。
江苏的承接能力体现在几个硬指标上：2026年上半年全省人工智能产业营业收入达2431.13亿元，同比增长17.32%；截至6月底，在用算力中心308个，总算力规模较2025年底增长49%，累计92款大模型完成备案；全省集聚人工智能相关企业1500多家，其中高新技术企业600家，国家级专精特新“小巨人”企业139家。
更关键的是场景厚度。江苏制造业门类齐全，智能工厂集群、医疗手术室、自动驾驶道路等真实环境持续产生物理场景数据，恰恰是训练世界模型最稀缺的“原料”。“数据供给—模型训练—场景验证—规模推广”的闭环在江苏已基本成形。
更深层的意义在于，物理AI的落地门槛正在被系统性降低。世界模型建模平台将过去数月的建模周期压缩到按天、按周完成，这类工具链的成熟，意味着中小制造企业与医疗机构接入世界模型能力的成本曲线将显著下移。
当越来越多的世界模型闭环在江苏持续跑通，物理AI对地方经济的赋能便不再停留于单点项目，而是逐步嵌入制造业升级、医疗健康服务与城市空间治理的日常运行之中。在工厂车间，世界模型可模拟产线运行、预判设备故障；在医疗场景，多模态世界模型支撑病灶识别与病程推演；在自动驾驶与机器人作业现场，世界模型承担感知预判与行动规划，场景优势由此转化为产业优势。
会上，两轮重大产业合作项目现场完成集中签约，总金额超过60亿元，涵盖具身智能整机与核心零部件、世界模型与机器人大脑、物理AI芯片等重点赛道；同时达成全国首个“物理AI与世界模型投资基金”战略合作，构建“技术研发+资本赋能”的产业生态支撑体系。
诚然，物理AI的产业化不会一蹴而就，但江苏正在以场景密度和产业化能力，为这条赛道提供一批可检验、可复制的现实样本，面向未来又一次创新播种、期待成果。