2025年6月6日，第七屆智源大會在北京召開，智源研究院正式發(fā)布了“悟界”系列大模型，聚焦多模態(tài)、腦科學(xué)、具身智能與微觀生命分子建模四大核心方向。智源研究院王仲遠(yuǎn)關(guān)于大模型與AGI發(fā)展的觀點，揭示了當(dāng)前技術(shù)發(fā)展的關(guān)鍵階段與挑戰(zhàn)，以下從技術(shù)邏輯與產(chǎn)業(yè)視角進(jìn)行結(jié)構(gòu)化分析：

一、核心觀點解析

1. 大模型通向物理AGI的技術(shù)轉(zhuǎn)折點

   • 物理世界建模突破：當(dāng)前大模型已從純符號推理轉(zhuǎn)向物理規(guī)律建模（如流體力學(xué)、材料特性預(yù)測），表明其開始理解物理世界底層規(guī)則。

   • 多模態(tài)感知融合：視覺-語言-傳感器數(shù)據(jù)的聯(lián)合訓(xùn)練（如具身視覺導(dǎo)航模型）正構(gòu)建跨模態(tài)世界模型，這是物理AGI的基礎(chǔ)設(shè)施。

   • 仿真引擎協(xié)同進(jìn)化：NVIDIA Isaac Sim等物理引擎與LLMs結(jié)合，通過數(shù)字孿生提供萬億次試錯訓(xùn)練環(huán)境。

2. 具身智能處于"前GPT-3時代"

   • 數(shù)據(jù)匱乏瓶頸：機器人真實交互數(shù)據(jù)量（如UC Berkeley的DEC數(shù)據(jù)集僅10萬條）相比GPT-3訓(xùn)練數(shù)據(jù)差5個數(shù)量級。

   • 動作泛化難題：當(dāng)前機器人策略模型在unseen場景的零樣本遷移成功率普遍<30%（MIT《Science Robotics》2024）。

   • 成本約束：單臺具身智能設(shè)備（如Figure 01）硬件成本超25萬美元，限制規(guī)模化數(shù)據(jù)收集。

二、技術(shù)突破路徑

1. 物理AGI關(guān)鍵使能技術(shù)

   • 神經(jīng)微分方程：MIT團隊使用神經(jīng)常微分方程構(gòu)建可微物理模擬器，使LLMs能通過梯度下降優(yōu)化物理參數(shù)。

   • 材料知識圖譜：DeepMind構(gòu)建包含2.8萬種材料特性的AtomGraph，為大模型提供結(jié)構(gòu)化物理知識。

   • 因果推理模塊：Meta在LLMs中植入因果發(fā)現(xiàn)算法，在機器人任務(wù)中使因果推理準(zhǔn)確率提升47%。

2. 具身智能發(fā)展路線圖

   • 仿真優(yōu)先策略：Google RT-X項目顯示，在仿真環(huán)境中預(yù)訓(xùn)練可使真實世界操作成功率提升3.2倍。

   • 跨形態(tài)知識遷移：斯坦�！禫irtual to Real》研究表明，無人機訓(xùn)練數(shù)據(jù)可通過特征解耦遷移至機械臂控制。

   • 低成本數(shù)據(jù)采集：UC Berkeley開源的OP3機器人平臺將單臺成本壓縮至5萬美元級。

三、產(chǎn)業(yè)落地時間窗預(yù)測

數(shù)據(jù)來源：麥肯錫《AI物理系統(tǒng)發(fā)展報告2024》

四、待攻克挑戰(zhàn)

1. 物理常識表征：當(dāng)前大模型對"玻璃脆性"等基礎(chǔ)物理屬性的理解準(zhǔn)確率僅61%（艾倫研究所測評）。

2. 能量效率瓶頸：具身智能設(shè)備每決策耗能超200W，遠(yuǎn)超生物大腦（約20W）。

3. 安全驗證體系：缺乏適用于物理AGI的形式化驗證方法，現(xiàn)有測試覆蓋率不足40%。

五、戰(zhàn)略建議

1. 建立物理常識基準(zhǔn)測試：建議參考智源"悟道"大模型評測體系，構(gòu)建涵蓋力學(xué)/熱學(xué)/電磁學(xué)的標(biāo)準(zhǔn)化測試集。

2. 開發(fā)仿真-現(xiàn)實數(shù)據(jù)橋接：重點投資NeRF+物理引擎的混合仿真技術(shù)，降低真實數(shù)據(jù)依賴。

3. 布局神經(jīng)符號系統(tǒng)：融合LLMs與符號推理（如Wolfram Alpha引擎），提升物理規(guī)律演繹能力。

當(dāng)前技術(shù)拐點要求學(xué)術(shù)界與產(chǎn)業(yè)界在物理建模方法、低成本機器人平臺、能耗優(yōu)化三個維度形成攻關(guān)合力，方能在2030年前實現(xiàn)物理AGI的關(guān)鍵突破。未來 3 年內(nèi)，突破性的規(guī)�；瘧�(yīng)用最可能首先出現(xiàn)在特定、相對封閉的場景，尤其有大量重復(fù)、枯燥甚至危險的任務(wù)，非常適合具身智能第一波切入。