AI热榜 近日，在 WAIC 现场，清华大学车辆与运载学院、人工智能学院教授李升波发表了题为《迈向泛在具身智能之路：物理原生的世界模型、数据结构与训练算法》的主题演讲，提出了“物理原生智能”（Physics-native Intelligence, Phi）的概念，并系统阐述其核心特征与技术体系，为破解具身智能的根本性难题提供了全新范式。
李升波指出，物理原生智能具备三项核心特征。
第一，利用状态而不是观测表征世界且状态需要解耦：系统的状态由物理模型的“显状态”和神经网络的“隐状态”两部分构成，兼顾准确性与泛化性。
第二，模型结构满足时序性和因果性：遵循时序优先的原则，原因先于结果，动作规划尽量减少对未来信息“预测”的依赖。
第三，训练过程须嵌入底层物理规律的约束，例如对称性和守恒性，以及动力学系统的辛几何结构等。
以下内容根据李升波教授现场演讲整理，略有删节： 人工智能是这个时代最热门的主题，也是最重要的技术方向。
过去十年，人工智能领域出现了一系列里程碑事件，从 ResNet，到 AlphaGo，再到 ChatGPT，DeepSeek，每一次都引起全世界的广泛关注与热议。
我们探讨 AI，研究 AI，开发 AI，到底追求什么？
我想大家的目的是一致的，是让智能更加“通用化”。
唯有具备通用的能力，才能叫做智能。
若想称一个系统具有智能，也只能靠它的“通用化”能力才能证明。
到今天为止，无论是视觉智能、语言智能，还是融合视频、图像、文本的多模态智能，实际上都在追求“通用化”这一目标的。
作为人工智能的当前热点，具身智能也是以通用化为目标的。
什么是具身智能呢？
人类就是具身智能的典型代表。
类似人类与周围环境的交互，具身智能体要与物理世界进行交互，通过感知这个世界，做出合乎逻辑的决策，然后执行一定的动作，进而影响这个世界的某一实物对象。
具身智能体影响的物理实体越多，它的通用化能力就越强，智能性也就越好。
具身智能并非一个全新的概念，汽车领域的工程师是最早的开拓者与实践者。
自动驾驶是首个量产化的具身智能系统，机器人是当前大家关注的重点，未来世界或许将与一切可交互的物理实体进行接触，这将是泛在的具身智能世界。
然而，通用化的具身智能容易开发吗？
我的感受是挑战是巨大的，比视觉、语言领域更加困难。
大家都知道，自动驾驶汽车即使到今天，其智能性远未达到人类驾驶员的水平，功能限于 L2 级驾驶辅助，尚未达到 L4 级的能力。
与汽车相比，机器人的自由度更高，场景结构更复杂、交互对象更多样，如何开发它的通用具身智能体，是摆在学术界、工业界全体同仁面前的重大难题。
具体而言，这两类对象仍然以端到端模型训练为主要技术路线。
从目前的实践看，汽车大概需要百亿级别的网络参数、亿级的驾驶片段，而机器人考虑到它的本体、场景更加复杂，大概需要万亿级别的网络参数，千亿级别的交互片段，训练难度至少是汽车的十倍以上。
若仍然沿用现有的视觉、语言、多模态大模型训练思路，我们能否达到通用化的目标呢？
答案是显而易见的，不具有可行性。
十分幸运的是，过去六十年，人工智能领域的先贤圣哲们给了我们很多启发，让我们从另外一个角度思考智能的开发范式。
比如说：McCarthy 建议重视世界的一般性表征，Pearl 告知我们要考虑人类认知的因果关系，Hopfield 曾说嵌入物理系统的集体属性。
以这些大师们的思想为基础，结合近十年人工智能的技术进展以及具身智能的应用需求，我们逐步形成了“物理原生智能”的概念、特征与技术体系，今天向大家进行系统性的介绍。
🔗 原始来源
如果你要核对细节，可以再看原文： InfoQ AI原文链接