PPT分享(35页)|一文读懂物理AI:从世界模型到S0-S2分层,价值为什么往「碰」的那一层沉

合集：AI产业链深度拆解 · 生态篇> 后台私信回复关键词（见文末）领取完整PPT源文件

一、为什么先被定价的是「空间智能」

材料给的定义差异只有一句：空间智能进一步要求模型理解位置、结构及环境变化。

我的读法是：语言模型的世界里，一切都是符号之间的关系；而物理世界里多了一个无法被符号化的维度——位置。同一只杯子，「在桌上」和「在桌边」在文字上只差一个字，在物理上差的是会不会掉下去。

所以空间智能解决的不是「懂不懂」，是「这东西在哪、它动了会怎样」。这是 AI 从数字任务走向物理交互的第一道门，也是它被称为「第一块基石」的原因。

而从研究到产品的三段里，我认为中间那一段才是分水岭：论文奠定方法论，随后出现可探索的持久三维场景，再走向产品化。

论文时代的世界模型做的是「预测下一帧」；可探索意味着你走过去，那个世界还在。

所以世界模型真正的门槛不是「生成」，是——你离开之后，它还在不在。

国内那页我把注意力放在最后那句判断上：视觉生成能力能否进一步转化为可控、可验证的物理预测，并嵌入客户的训练与部署流程。

这句话里三个词是层层递进的：可控（能不能按你的意图来）、可验证（对不对能被测出来）、嵌入流程（不是演示，是进工作流）。前两个是技术问题，第三个是产业问题——而产业化往往卡在第三个。

二、三条路径，同一个方向

三家巨头的差别，我认为不在能力，在从哪一头切进来：一家从智能那一头（先有模型，再找身体），一家从连接那一头（视觉、动作、世界模型与端侧部署本来就在一条链上），一家从能力研究与外部接触那一头。

而它们共同指向的那句判断更值钱：模型平台持续迭代与专用本体工程能力相结合，有望降低重复研发投入，推动行业形成更清晰的软硬件分工。

换句话说——分工一旦清晰，重复造轮子的那部分投入就被省掉了。

OpenAI 那两页，我认为最值得看的不是那个产品节点，是它的多轮历史探索：魔方操作、与本体厂商建立合作、签署模型合作协议、随后组建硬件团队。七年，四次动作，重心在「自研硬件」和「借力本体厂」之间来回。

我的读法：这不是摇摆，是这个行业在找「智能和身体之间那条缝该由谁来填」。

而它最后给出的答案写在核心判断里：通用能力复用改变研发成本结构；对本体企业而言，模型能力若能通过接口持续升级，既有硬件将承接更多任务，研发重心转向动作可靠性与场景交付。

这句很重要：硬件不必重做，但本体的价值换了位置——从「让机器能动」，变成「让机器每次都动对」。

Google 的主线清清楚楚分了三段：先用统一模型学多种动作，再引入互联网知识和空间推理，随后加强长任务规划、跨本体迁移与全身控制。

先有手，再有脑，最后才解决「整具身体怎么协调」。

而未见场景测试表现那一栏，要盯的是「未见」两个字——「没见过」从必然失败变成了部分成功。

另一处我最想留下：具身推理模型的定位写得很克制——增强机器人理解与规划，非替代底层控制。这句话是后面第五章分层结构的雏形。

到 2026 年，三条产品线各管一段：一个扩展行走、下蹲、伸展与手部操作，一个加强多分钟任务规划、进度跟踪与失败纠正，一个降低新本体适配成本。动得更全、想得更久、换身体更快——三个方向，没有重复。

Anthropic 那一页信息最少，但两个词值得记：控制接口、真实测试，再加外部合作。三个词恰好对应三件事——能不能接、准不准、有没有人一起做。

而那句「相较完全自建，合作或并购有望缩短能力储备周期」说得很直白：它买的是时间。

三、把机器人开发从定制工程变成工具化流程

这四步我认为是全套结构性最强的一段：启动通用机器人基础模型项目，把世界基础模型与机器人发展的下一阶段联系起来，发布开源人形基础模型并配套世界模型工具，随后把训练、评估与部署工具补齐。

它做的不是「造一个更强的模型」，是「把开发这件事标准化」。

参考平台那页把四环画得很清楚：采集、模型、仿真、部署被串成一条完整链路。

而第三方软件的商业价值，材料给了三个来源：复杂物理求解（能力）、真实场景数据（积累）、行业交付（能力）。

最锋利的是最后那句——与海外平台适配只是入口，客户付费与复用率才决定持续收入。

我的读法：适配是门票，不是收入。收入来自复用——一次交付能不能变成多次交付。

四、抓放已过关，精细接触仍是主要瓶颈

接入流程只有三步：观测获取、模型决策、动作调用。而材料给的判断我认为是全篇最实用的一句：通用模型参与物理操作的门槛，主要不在模型本身，而在外围工程体系的完备程度。

后面半句更要紧：系统仍依赖标定、控制器和安全约束。

我推一步：模型越强，这三样一个都不会被省掉，反而因为它们成了短板而变得更显眼。木桶的短板，从模型换到了工程。

19/20 对 2/20——同一个模型，两类任务的差距接近十倍。

差别在哪？我读出来的不是难度，是「需要连续正确的时长」：

• 抓放只需要「到那个位置、合上」——位置对了就成立；
• 精细接触要求持续控制接触力与相对位姿——每一个瞬间都要对。

所以抓放考的是终点，嵌入考的是全过程。而工业场景里绝大多数任务，考的都是全过程。

另外两条我也想留下：同一任务上两个模型的耗时差别很大，说明能做成和做得快是两件事；而材料自己标注了「每模型每任务仅测试二十次，结果尚不能代表工业可靠性」——在一个人人都在放演示视频的领域里写下这句，很克制。

AA-Robotics v0.1 的价值，我认为全在那句标题：统一机械臂与桌面环境是可比性的前提。

更有意思的是它的做法：让模型根据摄像头画面自主编写控制代码，零样本完成八项任务。

我的读法：它给所有模型出了同一张卷子，而且考的不是「你会不会做」，是「你能不能自己写出可执行的程序」。

结果分成三层：按按钮、放置玩具这类简单任务五款模型都能完成；倒水、搭建积木、精确测量明显分化；没有模型完整完成尺寸测量。

三层分别是：会不会做、做得好不好、能不能测。

而「尺寸测量」最难，我认为原因很具体：它要求的不是「做成一个结果」，是「读出一个数」——而数是可以被当场核验的，对不对一眼就能判。

评测为什么难建，材料给了一组很干净的对照：大语言模型有统一题目和标准化输入输出，可以直接持续比较；具身智能的硬件结构、传感器、控制接口、任务环境差异明显，演示视频缺少统一测试条件。

而我认为最诚实的是那句：模型排名可能影响外界对公司技术能力的判断，企业公开参评的意愿相对谨慎。

参评从来不只是技术问题，它同时是一个信息披露问题。

所以 Benchmark 出现的意义，材料自己总结得很准：从依赖演示视频和公司叙事，进入统一测试、横向比较和持续迭代。

这也是我在这个合集里反复遇到的同一件事——标准落地之前，只有「演示得好不好」；标准落地之后，才第一次有了「合不合格」。

五、S2 定目标，S1 出动作，S0 保执行

三层里我最想算的是那组频率：动作策略层以 200Hz 输出全身关节目标，底层控制与执行层以 1,000Hz 运行。

差五倍。这个差别说明的不是快慢，是两个不同的时间尺度：一层决定「下一个动作是什么」，一层负责「这一毫秒电机该出多少力」。

越往下，时间粒度越细，越依赖硬件适配与工程经验。

闭环那句我原样留下：融合世界模型后，机器人不仅能理解当前环境，更能预测动作执行后的状态变化，为长程规划与闭环纠错提供基础。（这和我写世界模型那篇时留下的那句「分界线在『如果』两个字」，是同一件事。）

而价值重分配那页，我认为是全套 35 页最该被反复读的一页。材料给了两个方向：

• 高层语义能力逐渐由通用模型统一提供，动作策略也被基础模型部分吸收 → 缺少数据、场景或硬件壁垒的独立公司，技术稀缺性可能下降；
• 竞争重点转向 底层控制、真实任务数据、硬件适配、系统集成和安全执行。

我的读法只有一句：能被通用模型替代的，是「想」的那一层；不能被替代的，是「碰」的那一层——因为后者每一台机器都不一样。
所以模型越强，价值不是消失，是往离物理最近的那一层沉下去。

六、三条链路里，我盯的是中间那条

本文不引用、不解读该页涉及的产能与交付时间目标，仅取其技术难点判断。

本体那页我只取一处：技术难点集中于手部设计，需在耐用性与灵敏度之间平衡。

这句话我认为比产能数字更能说明这行现在卡在哪——手要同时满足两个相反的要求：耐用到能干粗活，灵敏到能做细活。而「每一次真实接触」，恰恰都发生在手上。

本体与仿真两条链路各有进展，但最值得写的是数据采集：数据采集设备有望由机器人硬件配套件，逐步升级为模型训练和世界模型构建的数据入口。

我认为「入口」这两个字是全章的钥匙——过去它卖的是「看得见」，现在它卖的是「喂得进」。

而其中一条细节更说明问题：生成的数据能针对目标机器人的相机特性做视觉适配。注意，不是通用三维数据，是跟你的传感器对得上的数据。

这和我在这几份材料里反复遇到的那条完全一致：数据的价值不在「多」，在「对得上」。

结语：胜负手在「每一次」

结语只有一句：物理AI的胜负手，不在参数规模，而在每一次真实接触的可靠性。

我补一句我的读法：参数规模衡量的是「它知道多少」，真实接触的可靠性衡量的是「它做对几次」。

而这句话里最狠的是「每一次」三个字——不是做对一次，是每一次都对。

这也正是这个合集里那条判断的又一次出现：一个动作做一次是演示，同样的动作做一万次还稳定，才叫上岗。

本文为 《物理AI行业趋势分析与产业观察：从世界模型到具身智能》 的导读。

下载完整 PPT 源文件，请关注公众号并在后台发送 【物理AI生态】 获取下载链接。

本文为技术科普与产业观察，仅供学习交流，不构成任何投资建议。数据引自厂商公开信息与公开基准结果。
作者：公众号：哔咘的科技笔记 · 2026年10月