在“具赋新能智驱未来”青年科学家成果转化暨具身智能高质量发展研修会上，西安交通大学教授兰旭光就中国在全球科技竞争中的位置、人工智能产业化面临的挑战等热点议题接受了《科创板日报》等媒体采访。

　　兰旭光指出，中国在具身智能等前沿领域已非常接近美国水平，但在人工智能技术，尤其是大模型应用于物理世界和工业场景时，面临“物理约束”这一核心瓶颈。

　　兰旭光表示，中国科技发展迅猛，在人工智能、绿色能源、电池等领域已占据全球重要地位，发展趋势上的优势“可能还在波动之前”。聚焦其研究的具身智能领域，他认为中国目前与美国在“大模型时代下相差距离非常接近”。

　　“以DeepSeek为例，其整体性能与头部的ChatGPT相比虽仍有微弱差距，但中国在行业应用数据方面拥有巨大优势。”兰旭光强调，中国作为制造业大国所拥有的庞大数据规模和丰富的行业应用场景，是人工智能持续发展并占据重要位置的坚实基础，预示着在下一步人工智能行业拓展上“中国可能走得更深远”。

　　兰旭光认为，大模型在数字世界（如写作、创作、编程）发展迅猛，替代率可达50%-60%，对相关高端从业者产生显著冲击。然而，在物理世界和工业场景的应用却存在巨大鸿沟。

　　“Transformer架构的核心是预测下一个Token，遵循数据的统计规律，而非物理世界的真实约束。”

　　兰旭光解释，工业场景往往要求强因果关系，必须符合真实的物理、化学规律，且需要极高的稳定性和可靠性（通常要求99%以上）。而当前大模型不追求物理约束，其输出无法保证在物理世界中的可行性和安全性，这导致其在工业场景难以落地，“全球都在面临这个问题”。

　　他进一步指出，大模型在编程领域应用良好，得益于数据充足且可在虚拟环境中自我验证；但在物理世界（如调控发动机阀门），缺乏可靠的验证机制是AI落地的最大难题。

　　但兰旭光也提出，目前AI产业化还存在一些挑战：一是技术层面矛盾。高校科研追求探索性和前沿性，而工业生产要求稳定性和“不能出错”，两者存在天然冲突，前沿性与落地性之间需要工程师进行弥合。

　　二是资金问题。中国的投资环境更强调应用导向，对纯粹前沿技术的支持虽在加大，但本质上仍可能对前沿技术的落地应用造成一定障碍。

　　另外，技术和市场之间是很复杂的事情，因为市场的需求和企业生产需求，和科学科学家的技术之间还有一定分歧。

　　在吸引投资方面，兰旭光亦持乐观态度。他表示，通过对接会展示技术，能让企业家更直观地看到技术解决行业痛点的潜力，从而“很有可能”为前沿科技吸引更多投资目光。

　　兰旭光呼吁学界和产业界需关注更根本的技术问题，而非仅仅模仿Transformer架构。“Transformer本质上不能创造新事物、新概念”，它是对已有知识的优化组合。

　　他认为，要解决物理世界的约束问题，可能需要探索环路人工智能等更重要的新模式，以应对工业界对高可靠性、可解释性和符合物理规律的严苛要求。