原文 ｜ Agentic AI之后，下一个范式是物理AI吗？丨WAIC之夜
清洗说明：从微信公众号「腾讯科技」2026-07-17 WAIC 圆桌实录抓取，已去掉”微信扫一扫”“分享到”“一键关注”“推荐阅读”等噪声；正文按”开场观点 + 3 段 Panel 实录”结构完整保留；嘉宾头衔与公司准确；未抓取首图与现场合影（微信公众号防盗链）。
圆桌背景
2026 年 7 月 17 日晚，世界人工智能大会（WAIC） 期间，由腾讯新闻、腾讯科技主办、腾讯华东总部与腾讯云智能特别支持的”腾讯 WAIC 之夜”在上海举行。云启资本管理合伙人陈昱主持圆桌，参与嘉宾：
- 黄晓煌 — 群核科技联合创始人兼董事长（空间智能，所在公司已在”准上市或上市”状态）
- 骆怡航 — 生数科技联合创始人兼 CEO（多模态生成 + 世界模型，Motubrain 路线）
- 张直政 — 北京银河通用机器人联合创始人兼大模型负责人（具身智能 + Physical AI 大模型）
圆桌主题：《Agentic AI 之后，下一个范式是什么？》，围绕空间智能、世界模型与 Physical AI 三条线索展开。
开场观点：3 位嘉宾各用一句话回答”下一个范式”
黄晓煌（群核科技）：让大模型生成”可以交互的世界”
“纯软件、无行业沉淀的纯 Agent，护城河会越来越薄弱。因为大模型基本能把软件或 Agent 直接复制出来，单靠工具很难建立长期竞争优势。我花了两三年琢磨与探索，结论是大模型一定要做，但必须做在大语言模型的射程之外……我们一开始训练了四五个不同的模型，最后收敛到空间智能——如何生成一个可以交互、又很难用语言精确描述出来的世界。”
锚点：群核不在大语言模型射程之内——做”可以交互的世界”生成。
骆怡航（生数科技）：物理世界的通用模型
“下一代范式是什么？我觉得它一定是现在大家还想不到、还没有收敛、没有共识的一个点。我给出的结论是：物理世界的通用模型。”
证据链：Scaling Law 从语言模型验证了泛化性 → 物理世界也会出现类似范式的模型。需要架构创新（Diffusion Transformer / MoE 混合）与数据创新（不只基于当前具身本体数据）。坚信”世界模型的 ChatGPT 时刻”会到来，3 到 5 年内具身通用化可能实现。
张直政（银河通用）：从 Digital AI 到 Physical AI
“学习的范式会发生一个根本改变。过去我们构建 GPT、构建数字世界大模型时，很多采用的是离线学习（offline learning）；但如果想构建一个能跟物理世界可靠交互的模型，首先要把离线学习变成在线学习（online learning）——先学会交互，再从交互中持续学习。在这种范式下，交互并不是 learning 的最终目的，而是一个手段，它把我们的 AI 变成一个能力与数据的飞轮，不断往前推动。”
锚点：交互=数据飞轮。Physical AI Agent 是 Digital AI Agent 在物理世界的延伸，不是替代。
三家视角对比（核心议题 1：方向 vs 数据 vs 时间表）
黄晓煌路线
- 工具/硬件/数据/大模型深度协同是未来壁垒
- 群核的优先级：低成本、规模化地把物理世界信息数字化（Coding/自动驾驶落地好 = 数字化程度高）
- 数据是最大卡点：”怎样能够规模化、低成本、批量地把整个’宇宙’的所有信息采集起来”
- 行业布局：本身不做机器人，与机器人企业合作
骆怡航路线
- 单一路线会撞瓶颈 → 走融合路线（视频 + 物理强化 + 本体 + Ego 等多模态数据）
- Motubrain 世界动作模型已显现”类似 GPT-2 → GPT-3 → GPT-3.5 的前兆”
- 当前判断：”模型与数据都还不行”，但看到长程任务规划与通用性的早期阶段
- 商业落地：准确性、复杂性、与硬件结合、商业场景落地多重挑战加剧
张直政路线（最具凝练 + 激进判断）
- 三项能力缺一不可才能算世界模型：
- 能建模：给定当前状态 + action，能预测 action 对状态带来的改变
- 以建模促进策略学习（更快学会技能 + 更可信输出动作）
- 通用评价能力（环境改变好不好？动作结果是不是想要的？——目前行业很多人忽略）
- One Model One System：模型最终会内化 Harness 系统
- 激进判断：”物理 AI 的 Agent 到来，会比数字 AI 大大缩短周期”。原因：物理 AI 落地逻辑 = 在有限范围里追求全面通用（”limited space + 通用性”），不是”像人一样什么都能干”
- 自动驾驶 = 驾驶场景里的通用
- 银河通用做”太空舱”、特定工厂产线、特殊空间技能 = 都是 limited space
- 门槛没想象那么高 → 落地会比数字 AI 快
三家视角对比（核心议题 2：世界模型路径分歧）
| 路线 |
代表 |
核心假设 |
数据获取 |
风险 |
| 物理仿真路线 |
黄晓煌（群核） |
世界由不可见的物理规律驱动，视觉只是欺骗人类 |
偏结构化数据 + 参数化模型 |
需自建物理引擎 + 三维重建 |
| 纯视频训练路线 |
字节/大厂 |
Scaling Law 模拟一切，重力 9.8 也是个数字 |
海量视频 |
算力/数据飞轮门槛高，归大厂 |
| 融合路线（Motubrain） |
骆怡航（生数） |
单一路线必撞瓶颈，融合是终点 |
多模态（视频 + 物理强化 + 本体 + Ego） |
架构与数据协同复杂 |
共识：两种路线 80% 工作相似，最后 20% 才分道扬镳。焦点不是路线之争，而是能否落地”动作对状态的改变 + 策略学习 + 通用评价”三项能力。
三家视角对比（核心议题 3：Harness vs Model 的关系）
张直政的凝练表述：
“Harness 系统可以作为模型可持续收集数据、迭代能力的一个数据飞轮，模型则支撑这个 Harness 系统，让它的功能更完备、更可靠。”
未来趋势（张直政的预测，与翁荔 Lili Weng Harness 论文呼应）：
- 模型能力越强 → Harness 越会被内化进模型
- 终极形态：”One Model One System”——一个模型 = 一个功能完备的系统
- Digital AI 与 Physical AI 大一统：”空间智能是 Physical AI 的一个子集”（感知 + planning 都是 Physical AI 的一部分）
资本与政策重新定价（外部印证）
- 黄仁勋（2026-01 CES）：AI 从感知→生成→代理，最终走向能理解物理世界的”物理 AI”，断言”物理 AI 的 ChatGPT 时刻”即将到来
- WEF（2026 初）判断：AI 正”开始作为物理系统在实体经济中运行”
- 德勤《2026 技术趋势》：物理 AI 已准备好主流部署
- 市场规模：全球具身智能 2025 年约 44.4 亿美元，预计 2030 年达 230 亿美元；中国产业规模 2035 年突破万亿元
- 李飞飞 World Labs Marble 案例（提及但非嘉宾）：首款商用世界模型，估值从 10 亿美元飙升至 50 亿美元（一年多）
备注
- 文末”推荐阅读”两条链接（”多方猛攻 AI 入口｜WAIC 现场”、”姚期智 × 布拉萨德：两大图灵奖得主回望量子魔法时刻丨WAIC 现场”）与正文关系弱，未保留
- 圆桌结尾陈昱收一句”刚好我们的船也停了，可以上岸了”——暗指与会者在船舱里办圆桌，是 WAIC 期间很有特色的场地安排
- 本文是 4 人圆桌实录但未涉及”嘉宾具体公司估值/客户数/B 端合同”细节，三大公司商业化部分需要查独立来源补证
- 公众号文末”一键关注”“点个爱心点个赞”已剔除
- 与 [[Harness不是目的-知识才是护城河]] 等读到的”模型内化 Harness”判断，在张直政的”One Model One System”提法上得到 4 个月后的现场印证
- 与 [[Lilian-Weng-Harness-Engineering-自我改进]] “5 段优化路径” 在终局判断上同主线