从Scaling Semantics到Scaling Physics：Physical AI的下一轮技术革命

type

status

date

slug

summary

语义理解与物理操作的鸿沟

目前的通用基础模型，如GPT-6 Astra或Gemini，在理解语言和规划任务上表现惊人。但对于机器人而言，识别“这是一个杯子”与掌握“如何施力以倾斜杯口且不洒出液体”是两个维度的能力。前者是语义层面的抽象，后者则是物理层面的博弈。

现在的研究趋势表明，如果让模型试图用一套通用的视觉特征既处理语义识别又模拟物理变化，往往会导致效率低下。正如厘清智能近期推出的PrismWAM研究所示，我们需要一种语义与物理的解耦。

PrismWAM：建模世界如何变化

PrismWAM（世界动作模型）的核心创新在于打破了“视频即状态”的传统观念。它不再将RGB视频特征视为统一的物理状态，而是建立了一条清晰的链路：语义规划 -> 物理状态演化 -> 可执行动作。

通过将注意力集中在几何结构和受力变化上，PrismWAM在没有任何动作数据预训练的情况下，在RoboTwin 2.0评测中位列第一。这标志着Physical AI的范式转移：我们不再盲目追求更多的数据规模，而是追求模型如何更高效地表征物理规律。这也是 Scaling Physics 在模型层面的核心定义。

RoboDoctor：构建物理执行的闭环

仅仅有好的动作模型是不够的。在长程任务执行中，现实环境充满了不确定性。一次细微的偏差可能导致后续整个任务的失败。RoboDoctor的出现，填补了策略（Policy）到智能体（Agent）之间的空白。

RoboDoctor通过递归自我改进机制，在固定模型权重的前提下，让机器人学会了“诊断”与“纠错”。它不仅能判断何时需要干预，还能通过执行反馈积累经验。在RoboDojo的54项任务测试中，RoboDoctor凭借这种闭环诊断能力，超越了多种拥有大规模动作数据预训练的方法。这再次证明：物理交互中的经验积累，往往比堆砌数据更能提升机器人的智能上限。

Physical AI：让模型做得更好

Scaling Semantics旨在让模型“理解得更多”，而Scaling Physics则致力于让模型“做得更好”。在AI前沿探索中，无论是处理复杂的逻辑推理，还是应对真实的物理环境，高效的工具和平台至关重要。

如果你关注最新的AI资讯与技术动态，欢迎访问 AIGC.bar 获取更多一手资源。在这里，你不仅能了解到关于大模型、AGI和物理智能的深度解读，还能通过各类工具深入研究AI背后的技术逻辑。

展望未来

Physical AI的竞争，正在从“谁的模型更大”转化为“谁能更准确地表征物理规律，更高效地利用交互数据”。随着PrismWAM和RoboDoctor等工作的不断成熟，机器人将不再是只会机械执行的工具，而是能够感知物理世界、并在失败中不断自我进化的智能实体。Scaling Physics的时代，或许才刚刚开始。

--- *欲了解更多前沿人工智能资讯，请关注全球顶尖 AI 门户，探索 LLM 与人工智能的无限可能。*