物理世界何时迎来“互联网时刻”？具身智能奠基者之一苏昊：重在知识聚合

“对于智能最底层的基石——物理智能，我是坚定的乐观派。看清幻觉，是为了让现实来得更快。”今天（7月17日）下午，在2026世界人工智能大会暨人工智能全球治理高级别会议主论坛上，复旦大学浩清特聘教授、通用物理智能研究院首任院长苏昊应邀作题为《物理智能：从幻觉到现实》的主旨演讲。

苏昊作为ImageNet（注：全球超大规模图像数据集，是深度学习与计算机视觉发展的关键基石）的核心贡献者之一、具身智能领域的共同奠基人，其论文目前被引约15万次，在具身智能领域位居全球学者最前列，华人学者中排名第一。今年4月，此前任教于美国加州大学圣地亚哥分校的苏昊正式加入复旦，在人工智能学界引发关注。

【大模型幻觉很大程度上出在没有“身体”】

大模型的进步有目共睹，但为什么最聪明的模型也难免幻觉？

苏昊认为最本质的一条是：语言只是世界的投影。人类先在物理世界摸爬滚打，才把经验压缩成语言；模型学的一直是这道影子，从未见过投下影子的实体。它能流利地描写“杯子掉在地上会碎”，却从没有机会感受一只杯子的重量。

大模型的幻觉，很大程度上，就出在没有“身体”。要走出幻觉，必须走出“数字世界”的边界，去亲身体验，把自己交给“物理世界”去裁判——做出预测，采取行动，被现实修正。这个古老的过程叫作实验，也是物理智能的关键。

【“聚合是我们这代人要完成的科学工程”】

那物理智能真正缺的是什么？

“我们需要的，是一个能聚合人类全部物理世界知识的模型。”苏昊说。从认知的源头数起，物理知识至少有六层阶梯，层层筑基。

下三层，属于客观世界——有没有“我”，它都在那里。

一是关于物体的知识：世界，是由一个个独立的物体组成的——一只球滚到沙发底下，看不见了，但它还在。先认清“有什么”，其余才谈得上。

二是关于状态的知识：这些东西，此刻是什么样子？球在沙发底下，它有多重、是软是硬，都在这一层。

三是关于动力学的知识：世界自己会怎么变？球会滚，水会流，松手的东西会往下掉。而“力”就在这一层——你用眼睛，看不见它。

上三层，则因“我”而生——每一层，都是下三层绑定了“主体”之后的样子。

四是关于功能的知识：这东西，对我有什么用？把手是用来握的，杯子是用来盛的。同一把椅子，对人“可坐”，对蚂蚁不是。物，因为主体，才成了“器”。

五是关于目标的知识：我要世界变成什么样？球在沙发底下，我要它回到手里。球在哪，是状态；我想要它在哪，是目标。目标状态的“是”与“应是”，一字之差，隔着整个主体。

六是关于行为的知识：知道要做什么，和手真能做到，是两回事——端一杯水穿过房间，不洒，是分寸；系鞋带、用筷子，是巧劲。这些本事，不写在书上，长在手上。

从物体到行为，越往上，越不是“看”会的，越得在物理世界中亲手去“做”。每个婴儿的头两年，就是沿着这道阶梯一层层爬上来的——皮亚杰称之为“感知运动期”：人类智能的地基，是用手打的。

但模型没有这样的童年——它学东西，主要靠人类留下的记录。麻烦在于，这六层知识散落在互不相通的载体里，越往上，被记录下来的越少。互联网视频最海量，却基本停在阶梯下段——样子与运动看得见，力与手感够不到；教科书方程最精确，写的正是动力学，却只针对理想化的世界；真机数据有力觉、有操作示范，直抵上段，却少得可怜。

语言模型是幸运的：互联网早已替它把语言知识聚合完毕。物理知识没有这份幸运，波兰尼说，我们知道的，远多于我们能说出的。所以，阶梯的上半截，至今没有被成体系地记录下来——光靠刷网页，刷不出完整的物理智能。

“聚合，就是我们这一代人要完成的科学工程：把视频的广度、方程的精确、真机的真实、直觉的细腻，熔进同一个模型，互相校准补盲，把阶梯补完整。物理智能要从幻觉走到现实，中间隔着的，正是这道阶梯。”苏昊强调。

【物理智能的价值，不必等到终点】

这道阶梯，为什么非爬不可？

答案不在语料里，不在机房里，而在现实世界。

今天的AI会写诗、会写代码、会做PPT——但它帮不了一位老人翻身。智能的价值大多还停在数字“比特”世界，可人最沉重的那些需求，全在物理“原子”世界。再看身边：老龄化写在日历上。需要照护的人日益增多，能投入照护的人手却在减少。另一边，高空、井下、高温环境中危险、繁重的作业，也面临劳动力短缺的困境。需求都在，缺的是人手。物理智能不是人的替代者，而是人的协作者——填补的是人手的缺口，把翻身、搬运这样的体力活交给机器，把照护者的时间，还给陪伴与关怀；把危险的作业交给机器，让人退到安全线之后，承担判断与创造。物理智能的使命，是把人还给人。

那它会怎么到来？作为技术人员，说说我的个人判断。它不会在某场发布会上一夜“实现”，更像当年的电气化——先点亮工厂和仓库，再走进商店和医院，最后才走进千家万户。物理智能的价值，不必等到终点，沿途就在释放。

这条路上最险的一段，是演示与产品之间那道可靠性鸿沟。填平它，靠的不是热闹，是基础工作，是积累数据——尤其是带力、带交互的那一半。填平它，靠的是行业标准，供应链，还有最难攒的社会信任。信任只能靠可靠性一点一点去挣；而这份信任，也是物理智能落地最底层的那块基石。

【供未来检验的三个判断】

“我留下三个判断，供未来检验。”苏昊说。

第一，物理智能的突破口，不在模型的架构，而在知识的聚合。聚合这件事，注定超出任何一家机构的边界——视频在互联网上，方程在教科书里，力觉数据在各家实验室里，操作的直觉在亿万劳动者身上。没有谁能独自集齐这道阶梯，它需要整个行业乃至全社会的通力协作：共建数据，共立标准，共享仿真、评测等基础设施。当这些知识真正熔进同一个模型，物理世界就会迎来属于自己的“互联网时刻”——所谓GPT时刻，只是它的副产品。

第二，行业的重心，将从“演示做得多惊艳”，转向“运行得有多可靠”。工程上有个说法叫“几个九”：从99%到99.9%，每多一个“9”，难度都指数级上升；演示与产品的差距，就卡在最后那几个“9”里。通用性是终点，而可靠性才是起点——愿意在“9”上下笨功夫的团队，会走得最远。

第三，物理智能将把AI从科学的“读者”，变成知识的“创造者”。今天的AI读遍了人类几乎所有的论文，却几乎没有亲手做过一次实验；而新知识，恰恰诞生于实验。当它拥有一双能感知、操作、验证真实世界的手，它就能自己提出假设、亲手实验、昼夜不休地修正。新材料、新药的发现，可能因此快上几个数量级。

从幻觉到现实，没有捷径，靠的不是更响亮的叙事，而是对物理世界的敬畏，和沿着那道阶梯一层层往上爬的笨功夫。物理世界是智能最古老的老师，最诚实的考官，也是智能最终的基石。“我们选择把答卷交给它。”苏昊说。

原标题：《物理世界何时迎来“互联网时刻”？具身智能奠基者之一苏昊：重在知识聚合》