物理AI在2020年正式被提出，被认为与数字世界平行。去年，英伟达CEO黄仁勋正式将它定义为AI发展的下一个重要方向，自此，整个行业掀起新一波物理AI的热潮。在发展物理AI时，业内也希望打造一个类似ChatGPT的杀手级场景或者应用。
物理AI的“ChatGPT时刻”何时能到来？判断的理由是什么？目前仍存在哪些瓶颈？在近日举行的2025外滩大会“AGI：数字与物理世界的共同进化”论坛上，与会人士围绕上述话题展开了探讨。
极佳视界联合创始人兼首席科学家朱政对物理AI的落地相对乐观。他将物理AI的“ChatGPT时刻”定义为若干个任务，当机器人在100种或者200种常见家庭场景任务中，执行成功率能到90%甚至95%以上，便标志着物理AI的“ChatGPT时刻”来临，届时机器人有机会率先进入一些家庭场景。
“从当前的技术发展现状来看，我认为要实现上述目标约需要2—3年时间。”朱政说。
智源研究院FLM团队负责人、“新一代人工智能”国家科技重大专项负责人王业全则通过对比ChatGPT的发展历程，给出了更长期的预估。他指出，从GPT-1到GPT-2，再到GPT-3乃至ChatGPT，期间经历了多年的技术积累与迭代。目前，具身智能AGI发展水平大致处于潜在的GPT-1.6、1.7阶段，按照线性时间估计，在一两年内达到ChatGPT级别难度还是很大。王业全认为，要触及类似ChatGPT时刻，乐观预估需要5年时间，若要达到较为完善的程度，可能接近10年时间。
尽管业内人士对物理AI“ChatGPT时刻”到来的时间判断不一，但都认为，当前物理AI的发展仍面临诸多挑战，其中数据和建模问题尤为突出。
在朱政看来，物理AI最大的难点是数据，与数字世界中语言模型能够利用互联网海量的文本、视频、图像等数据进行训练不同，物理AI在数据采集上困难重重。无论是自动驾驶还是具身智能，都需要频繁与物理世界发生交互甚至改变物理世界的状态，这使得数据收集不仅难度大，而且周期长。
例如，在演示机器人叠衣服的操作场景时，由于现实世界中衣服的纹理、颜色、款式种类繁多且不断更新，相关数据根本无法完全采集。
朱政认为，世界模型有望解决这一困境——通过生成式数据填补真实数据的不足，从而让物理世界的数据在体量与泛化性上，达到与数字世界互联网数据相媲美的效果。
王业全则认为物理AI发展的最大难点在于建模方法，包括数据、训练流程等，目前尚未有明确的方向。他建议第一步可利用大规模自监督数据、高质量数据得到一个基础模型，这需要耗费大量资源，第二步通过对齐、强化等工作，将模型能力释放到具身智能等相关物理世界相关场景中，“这条路线或许是可行的，但客观来讲难度依然很大，因为我们目前还未找到合适的建模方法与合理的数据组织形式”。
