WAIC 2026|清华大学李升波：物理原生智能与因果约束的具身新范式

来源：市场资讯

（来源：环球网资讯）

来源：环球网

【环球网科技报道 记者 秦耳】人工智能的终极追求是让智能变得“通用化”。在视觉智能、语言智能、多模态智能相继取得突破之后，能够与物理世界直接交互的具身智能，正成为迈向通用智能的关键战场。然而，开发通用化的具身智能体，其挑战远胜于处理图像和文本。2026年7月18日，在WAIC 2026高级别自动驾驶创新发展论坛上，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。

其间，李升波教授接受了记者采访系统阐述其技术体系，为破解具身智能的根本性难题提供了全新范式。

当前人工智能赛道，视觉、语言、多模态大模型已经实现规模化落地，但一旦走向真实物理世界，智能体的能力短板便全面暴露。李升波指出，具身智能以通用化为目标，自动驾驶作为首个量产化的具身智能系统，至今其智能性仍远未达到人类水平，功能限于L2级驾驶辅助，尚未达到L4级的能力。而机器人自由度更高、场景结构更复杂、交互对象更多样，训练难度至少是汽车的十倍以上。

具体而言，汽车约需百亿级网络参数和亿级驾驶片段，机器人则需万亿级参数和千亿级交互片段。继续沿用现有视觉、语言和多模态大模型的训练思路不具有可行性。

在梳理理论根基时，李升波提出了“物理原生智能”的概念。物理原生智能被定义为一类更依赖物理规律，且以与物理世界更好地交互为目的的具身智能。它仍以数据驱动的端到端模型训练为基本架构，但须从世界模型、数据结构和训练算法三个维度，更深入地考虑物理实体对智能的客观要求，包括物理世界的数据稀缺性、要求极高的功能安全性以及模型训练必须追求稳定性和长期性。

物理原生智能具备三项核心特征。第一，状态表征必须解耦：系统的状态由“显状态”和“隐状态”两部分构成。显状态服从系统动力学与物理约束，确保状态转移长期稳定；隐状态服从物理规律驱动的受控转移，保证长期推演不漂移。第二，模型结构必须满足时序性和因果性：严格遵循时序优先，原因先于结果，状态预测不得依赖未来信息；具备干预敏感，改变动作输入应使后续状态产生可解释的差异；同时关注反事实，不仅从正样本中学习，也从负样本中获取信息收益。第三，训练过程必须嵌入底层物理规律：要求对称守恒，由对称性决定的物理量应守恒或受控变化；要求结构保持，训练动力学应维护其几何结构和能量收支规律。

基于以上特征，李升波详细阐述了物理原生智能的具体开发方法。他认为世界模型是物理原生智能的核心。从朴素世界模型、世界动作模型到受控世界模型，面向具身智能的一个核心问题是如何增加动作输入，让模型真正可影响物理世界。世界动作模型的思路是增加逆动力学模型，通过未来的状态与动作进行关联。受控世界模型的思路是直接增加一个动作维度。然而，这两类方法在长程化、精细化、高稳定的动作输出上并不理想，且与强化学习等类脑训练算法的匹配度不高。

物理原生世界模型的设计更加强化因果规律的满足，以显式和隐式状态为转移动力学核心，前者直接嵌入物理动力学模型，后者采用神经网络构造物理模型。观测到状态的映射沿用现有编码器机制，以便利用大模型领域的成果。而策略模块和评价模块直接与状态关联，而非观测，这种结构化的信息输入被认为将有效提升动作的准确性、功能安全性与可解释性。

在数据层面，李升波提出了物理原生数据的三要素：从当前观测到下一观测的转移数据、奖励信号r，以及人类的经验知识K。互联网视频数据、Ego/UMI数据、真机操作数据、仿真合成数据，均可通过一定的数据重构、时空对齐和质量增强，转化为结构一致的物理原生数据。这三类数据各有其用：转移数据支撑编码器、解码器和受控转移模块的训练，并提供部分策略性能；奖励信号则以强化学习为主，驱动评价模块并进一步提升策略；人类经验知识则通过大模型的评价能力，注入受控转移模型或评价模型，为世界模型的性能提升提供支持。

训练算法的设计是物理原生智能落地的关键保障。其一，嵌入训练动力学的底层规律，尤其是结构对称守恒特性。神经网络训练过程本质上是一个动力学系统的离散状态演化过程。类似于物理世界的动力学，训练动力学也存在广义能量守恒、辛几何结构保持等底层规律，将这些性质强制嵌入训练算法设计，以极大提升训练的稳定性。

其二，具备绝对安全保障能力，这是具身智能模型训练的特殊要求。绝对安全意味着在真机训练过程中，每一代模型都满足安全硬约束，如同人类新手学车，学习过程本身也必须安全。实现原理在于同步训练每一代的最优策略及其运行的可行区域，而可行区域的扩大与智能体对环境的认知不确定性相互制约，需要通过博弈机制达到均衡状态。

其三，具备抗遗忘能力。由于具身智能数据稀少、应用场景繁多且性能要求高，训练过程只能多阶段分步骤实施，采用监督学习预训练、强化学习后训练、再使用强化学习真机微调的阶梯范式，通过构建抗遗忘条件与梯度正交机制，确保后续训练不会覆盖先前性能，实现能力的持续进化。

李升波认为，“从自动驾驶到机器人，未来或将迈入可与一切物理实体交互的泛在物理世界。”物理原生智能，正是通往这一泛在具身智能之路的基石。通过将物理规律、因果逻辑与安全机制深度嵌入数据驱动的端到端学习全流程，这套体系为攻克具身智能的通用化难题提供了可行的技术路径。