---
title: "上海AI实验室《Physical AI》专著深度解读：AI走出屏幕，需要的不只是更大的模型"
date: 2026-11-05
description: "上海人工智能实验室物理智能团队发布 388 页专著《Physical AI: Concepts, Techniques, and Challenges》，给出物理智能的统一定义与四要素闭环，梳理数据、世界模型、操作与全身运动基础模型、硬件系统，提出物理 AGI 四维度与五大发展方向。本文拆解核心框架并评析其价值与局限。"
tags: ["Physical AI", "物理智能", "上海人工智能实验室", "具身智能", "世界模型", "VLA", "机器人", "物理AGI"]
schema_type: Article
references:
  - title: "Physical AI: Concepts, Techniques, and Challenges（arXiv:2610.27045）"
    url: "https://arxiv.org/abs/2610.27045"
    source: "上海人工智能实验室物理智能团队，2026-10-19"
  - title: "上交大张伟楠教授：AI如何走出屏幕，真正改变物理世界？| CNCC 2026"
    url: "https://www.163.com/dy/article/LA5RLC2D0511DPVD.html"
    source: "网易，2026-10-26"
  - title: "『书生』物理世界模型W0发布"
    url: "https://www.shlab.org.cn/news/5444292"
    source: "上海人工智能实验室，2026-09-11"
---

**是什么（来源1）：上海人工智能实验室物理智能团队 2026 年 10 月 19 日发布的预印本专著，全书 388 页（PDF）、12 章，由张伟楠、沈春华、薛天帆、赵斌、周伯文领衔，作者 50 余人。**

**核心定义（来源1）：物理智能是人工系统感知物理状态、维护物理关系与行动后果的表征、通过物理接口执行干预，并利用反馈在物理、运行和计算约束下实现目标的能力。**

**最重要的判断（来源1）：一个系统能做什么，与其说取决于某个单独模型，不如说取决于“感知—预测—决策—行动—反馈”的整体闭环，以及维持这个闭环的物理和运行条件。**

**路线图（来源1）：提出物理 AGI 的四个能力维度（广度、深度、可塑性、持续性）和五大发展方向，并以约 5 年、5—10 年、更长期三个阶段描绘演进，作者强调时间表是“指示性和有条件的”。**

**本文判断（本文分析）：这是一部“定概念、立框架”的教科书式专著，价值在于统一术语和评估口径；它不发布新模型、不给新实验数据，部分远景论述（如文明等级）推测成分较重。**

---

> 写作说明：标注“来源N”的为专著原文或公开报道；“本文分析”为作者推论。原文为未经同行评审的预印本，作者自称“专著”（monograph）而非一般综述。

## 一、为什么现在需要这本书

### 1. 领域缺少共识

专著开篇直言：近年物理智能发展迅速，学界和产业界高度关注，但**这个领域在定义、技术版图和核心挑战上尚未形成共识**（来源1）。本书的目标是给出统一定义、呈现技术版图，并逐一深入每个关键子领域。

在 2026 年 CNCC 大会教程会场，上海 AI 实验室物理智能团队正式发布了这本专著；张伟楠教授在同场报告中把物理智能技术栈梳理为七层，从硬件系统、数据仿真到智能体与应用层（来源2）。

### 2. 发布背景（本文分析）

上海 AI 实验室在 2026 年 9 月刚发布了“书生”物理世界模型 W0（来源3），其 arXiv 论文同样署名物理智能团队。专著与模型几乎同期推出，可以理解为上海 AI 实验室在物理智能方向上“理论框架 + 模型产品”的双线布局。

## 二、全书结构

| 部分 | 章节 | 内容 |
|---|---|---|
| 第一部分：概述与基础 | 第 1—2 章 | 定义、边界、四要素、应用版图；物理世界的数学描述、控制论、具身认知、物理世界中的学习与推理 |
| 第二部分：方法论 | 第 3—9 章 | 感知与认知、物理数据、世界模型、机器人操作基础模型、全身运动控制基础模型、物理智能体、硬件与系统 |
| 第三部分：未来展望 | 第 10—12 章 | 物理 AGI、评估与安全治理、发展战略与人类文明 |

（来源1）

本文分析：这个结构本身就是一个观点——把控制论、具身认知这些“老学问”放在大模型之前，暗示物理智能不是大模型的简单延伸，而是多学科的重新整合。

## 三、核心框架：定义、边界与四要素

### 1. 物理智能与数字智能的三点本质区别

专著认为，物理智能面临的约束**无法仅靠增大模型容量消除**（来源1）：

1. **不确定条件下的“有后果的交互”**：物理世界只能部分观测，行动会改变可获得的证据；更关键的是**物理系统一般没有精确、廉价的“重置”**——仿真可以回档，洒出的化学品、损坏的零件却可能无法恢复。所以规划不仅要看成功概率，还要考虑未来状态是否可恢复；
2. **感知不断演化的物理状态**：视觉之外还需要力、触觉、本体感觉、温度、压力；采样率、标定、同步、坐标系都影响判断，**算对了但算晚了，对控制可能毫无用处**；
3. **数据学习与物理结构结合**：守恒律、对称性、几何约束可以约束不合理的预测，但物理先验本身也有适用范围，摩擦模型不准同样会带来系统性错误。

因此，评估重心转向**闭环表现**：任务完成率、抗干扰能力、响应时间、资源消耗、失败后的恢复（来源1）。

### 2. 统一定义

**定义 1.1（来源1）**：物理智能是人工系统感知物理环境状态、维护与任务相关的物理关系及行动后果的表征、通过物理接口选择并执行干预，并利用反馈在物理、运行和计算约束下实现目标的能力。

四个推论（来源1）：

- 观测必须与真实世界的量、事件或状态挂钩；
- 系统必须有干预的通路，可以是直接执行，也可以是向受控设备发指令；
- 反馈必须影响后续行为；
- **“智能”要有证据**：要证明有推理、预测、规划或适应能力，**不能因为装了传感器和执行器就自称智能**。

作者还明确划清“组件”和“系统”：一个学习型仿真器、感知模型或动作规划器可以是关键能力，但**单独存在时不满足闭环物理干预的系统级要求**（来源1）。

### 3. 与相邻概念的边界

| 概念 | 关注点 | 与物理智能的关系 |
|---|---|---|
| 具身智能 | 身体形态如何塑造感知和行动；可以是仿真智能体 | 实际部署的具身智能是物理智能的主要实现形式之一，但物理智能还包括分布式系统 |
| 信息物理系统（CPS） | 计算与物理过程的集成 | CPS 可以只靠固定控制逻辑运行；物理智能是 CPS 架构中的“能力层” |
| 数字孪生 | 与特定物理对象绑定的数字表征 | 孪生不一定自主决策执行；物理智能系统也不一定需要完整孪生 |

（来源1）

专著举的例子很有意思：自适应交通信号系统、电网运行、托卡马克等离子体磁约束控制——**没有机器人外形，但只要闭合了“观测—决策—物理后果”的回路，就属于物理智能**（来源1）。

本文分析：这个定义比“具身智能”更宽，把工业控制、能源、科学装置都纳入进来，扩大了物理智能的产业边界，也让“智能电网”“自主实验室”与“人形机器人”放在了同一个分析框架里。

### 4. 四要素闭环

| 要素 | 回答的问题 | 对应章节 |
|---|---|---|
| 物理状态感知与估计 | 现在世界是什么状态？ | 第 3 章 |
| 物理世界模型 | 我这样做，世界会怎样变？ | 第 4、5 章 |
| 物理决策、规划与控制 | 该做什么、能不能做、怎么安全地做？ | 第 6、7、8 章 |
| 闭环反馈与多尺度适应 | 做的结果符合预期吗？要怎么调整？ | 贯穿全书，硬件见第 9 章 |

（来源1）

前三者构成智能体本身，第四个把智能体与物理世界连成持续运转的回路（来源1）。

### 5. 物理智能在 AI 演进中的位置

以“AI 与物理世界的耦合程度”为轴（来源1）：

1. 数字工具：辅助人类设计、分析、决策，执行完全靠人；
2. 仿真智能体：在仿真器或数字孪生中试错，便宜安全，但受仿真与现实差距限制；
3. 单智能体物理智能：机器人、车辆、无人机、自主实验平台，**目前大部分具身研究集中在这一层**；
4. 多智能体协作；
5. 基础设施级物理智能：城市、电网、工厂、科研设施中的分布式感知、计算和执行被统一调度和治理。

作者提出三个主张（来源1）：

- 物理智能带来数字智能没有的新能力：感知连续变化的物理状态，并在行动前预测干预后果，这依赖因果关系而非统计相关；
- **物理智能建立在数字智能之上，而非取代它**：大模型能检索文献、提出假设、写实验方案，但实验成不成，取决于移液准不准、温度稳不稳；
- **物理智能是通向 AGI 的重要路径之一**：数字基准容易过拟合、难排除数据污染，而物理世界开放、连续、无法预先穷举，任务是否完成由物理结果直接判定。

## 四、技术版图要点

### 1. 数据：最贵的数据最有用

专著提出“物理智能数据金字塔”（来源1）：

| 层级（自上而下） | 特点 |
|---|---|
| 真实机器人数据（遥操作、自主运行、人工干预） | 目标本体执行可执行指令并记录实际后果；最相关、最贵 |
| 手持与穿戴设备（UMI 式夹爪、外骨骼、手套） | 有真实接触和类机器人动作，但不需要机器人 |
| 人类视频 | 有真实物理和自然行为，但没有机器人动作和力 |
| 互联网图文视频 | 有语义和常识，没有物理交互 |
| 仿真与生成数据（单列） | 以极低成本提供机器人动作，但后果是模型算出来的，价值取决于标定 |

几个关键数字（来源1，转引）：

- 最大的遥操作数据集合计约相当于**一年**的机器人经验，而训练视觉语言模型的图文数据，一个人要看约 **10 万年**（Goldberg，2025）；
- 英伟达 GR00T N1 研究在 11 小时内生成 78 万条仿真轨迹，约相当于 6,500 小时人类演示。

专著的核心判断：**物理数据是否也像语言数据一样有可预测的规模效应，远未明确**。真正的问题是分配——收集或生成哪些数据、比例如何、稀缺的真实交互怎么在训练、标定、验证之间分配；数据价值要用物理系统上的闭环表现衡量，而**不是损失值、帧数或仿真成功率**（来源1）。

### 2. 世界模型：从“看”到“试”

专著指出（来源1）：

- 视频提供了丰富的外观与运动证据，但通常缺少施加的力、接触状态等决定干预后果的变量；**同一条轨迹可以有多种物理解释，单纯扩大观测数据并不能消除这种歧义**；
- 需要用多模态测量和有针对性的“探测实验”来区分：受控提起测质量、受力滑动测摩擦；
- 证据不足时，模型应保留多种可能解释，而**不是根据外观“编造”一个唯一的物理参数**；
- 长时程预测需要的不只是更长的上下文窗口，而是持续状态、关键事件表示、合适的时间分辨率和随预测延长仍可用的不确定性；
- 不同架构路线（紧凑预测状态 + 生成式读出、物理结构 + 学习残差、快慢模型协同）大概率会组合使用，**目前没有哪种组合被证明普遍更优**。

### 3. 机器人操作基础模型

专著给出的界定：能适配新任务、可复用所学结构的预训练模型；**参数量大或有自然语言接口，本身都不构成“基础模型”属性**（来源1）。

它强调，输出“子目标”“技能编号”“程序”和输出“末端位姿序列”“关节目标”是不同的接口，**不能混为一谈**——“抓起瓶子”这样的指令留给下游的工作远多于一串关节目标（来源1）。

让复用成为可能的四个条件：视觉语言预训练、日益多样的机器人数据、序列与生成模型、训练基础设施与仿真；而且**额外算力无法补回从未被记录的动作语义**（来源1）。

### 4. 其他章节

- 第 7 章全身运动控制：身体动力学与状态估计、指令条件下的运动控制、运动预训练、实时执行与失败恢复（来源1）；
- 第 8 章物理智能体：定义、物理形态、目标表示与任务落地、多智能体与分布式物理智能（来源1）；
- 第 9 章硬件与系统：传感器、执行器、智能材料、端边云协同、软件栈、规模化部署可靠性，并有灵巧手与人形机器人集成案例（来源1）。

## 五、物理 AGI：通用性而不是更高分数

### 1. 定义

专著认为，物理 AGI 与当前物理智能系统的区别**在于通用性，而非在同一任务上表现更好**：物理智能系统由它拥有的技能刻画，物理 AGI 由它能把技能带到训练范围之外多远、能否扩展来刻画（来源1）。通用性总是相对于既定范围、性能标准和资源预算而言，不是面向所有可想象的任务。

### 2. 四个维度与四条路径

| 能力维度 | 含义 | 路径 |
|---|---|---|
| 广度 | 跨任务、环境、本体都能有效行动 | 系统性泛化 |
| 深度 | 长时程内精确可靠地行动 | 人机协作 |
| 可塑性 | 现有技能不够时能学习或调整 | 群体物理智能 |
| 持续性 | 保留有用技能并持续积累 | 自我进化 |

（来源1）

终极目标：推动科学发现，并实现超越人类直接能力的工程（来源1）。

两条值得注意的判断（来源1）：

- **庞大但固定的技能库，是适应能力的弱证据**；在窄任务族内学得快，是广度的弱证据；
- 通用不等于不需要人帮忙，但新任务所需的演示、反馈和人工调整都要**计入适应成本**。

## 六、评估与安全：以“完整智能体”为评估单位

专著提出“物理世界评估器”：评估单位是一次完整的交互过程，而不是单个模型输出（来源1）。

四个评估目标（来源1）：

| 目标 | 核心问题 |
|---|---|
| 可靠性 | 能否在声明的自主程度和运行条件下反复完成目标？ |
| 物理安全与行动对齐 | 是否在授权且物理上可接受的范围内追求目标？任务完成也可能伴随过大接触力、物体损坏 |
| 运行可控性 | 保护机制和授权监督能否及时干预并切换到安全状态？不只是“有没有急停按钮” |
| 可追溯性 | 配置、决策、动作、干预、更新能否被还原并对应到责任人？ |

关键细节（来源1）：

- 只看完成率会掩盖重试、人工协助、过大接触力或延迟出现的损坏；
- 每个评估结论都要说明测试本体、任务、自主程度、允许的协助、光照、负载、人员距离等条件，以及评估器自身的盲区；
- **检测到危险，不等于系统能安全应对**。

本文分析：这套评估框架对产业最有直接价值。今天很多人形机器人演示只报“成功率”，不说明有多少次重试、是否有人遥控、什么光照条件。专著的要求等于给“演示视频”立了披露规范。

## 七、发展战略：五大方向与三个阶段

| 方向 | 要点 |
|---|---|
| 数字与物理基础模型融合 | 先通过显式接口交换目标、状态、候选动作、预测与不确定性，再走向共享表征和联合训练；解析模型和仿真器在可靠时仍应保留 |
| 自我进化的智能体 | “学习—行动—发现—再学习”循环；把环境当作数据源；更新要分阶段、可回滚；用“获得下一项能力的成本”衡量进步 |
| 软硬件协同进化 | 端侧算力、机器人形态、传感器布置要与模型一起设计；时间关键的控制和保护功能必须能在断网时本地执行 |
| 物理智能体互联网 | 联邦式基础设施，包含物理节点、共享能力服务、协调服务；节点保留本地自主，能力接口要声明条件、不确定性、延迟和故障处理 |
| 科技生态 | 测试设施、接口与专业知识；可复现、可维护 |

三个阶段：约 5 年实现可靠的任务闭环；5—10 年实现可复用、可迁移的系统；更长期迈向自适应的群体能力和物理 AGI（来源1）。

作者还提出“物理智能即服务”（PAIaaS）：像“模型即服务”降低数字智能使用成本那样，把实验、制造、检测、能源运营、运维变成可被远程调用的服务（来源1）。

最后一章把物理智能放到人类文明尺度讨论，引用卡尔达肖夫指数，认为文明等级最终体现在能源、设备、材料和维护能否在更大范围、更长时间内持续运转（来源1）。

## 八、价值与局限（本文分析）

### 价值

1. **统一了术语**：清晰区分物理智能、具身智能、CPS、数字孪生，并明确“组件不等于系统”，有助于减少概念炒作；
2. **把评估重心拉回闭环**：反对用损失值、帧数、仿真成功率代替真实表现，这对行业是重要纠偏；
3. **对数据的判断务实**：不盲目相信物理数据的规模定律，强调数据配比和真实交互的分配；
4. **安全治理具体可操作**：可靠性、行动对齐、可控性、可追溯性四个目标，可直接转化为测试规范；
5. **覆盖面广**：从控制论到灵巧手硬件，一本书串起完整技术栈，适合作为入门与参考教材。

### 局限

1. **综述性质，没有新实验**：不发布新模型、新数据集或新基准，结论多为方法论层面的归纳；
2. **定义偏宽**：交通信号、电网调度都纳入物理智能，边界清晰但外延很大，可能稀释“智能”的门槛，尽管作者用“需有能力证据”作了限定；
3. **远景部分推测较多**：文明等级、深空基础设施、PAIaaS 等更像愿景，不宜作为近期产业判断依据；
4. **时间表有条件**：5 年、10 年的划分作者自己声明是“指示性”的；
5. **预印本未经同行评审**，作者团队来自单一机构，部分观点难免带有该机构的研究取向。

## 九、对产业和投资者的启示（本文分析）

1. **看演示要看条件**：自主程度、重试次数、人工协助、环境条件，缺一项都不能直接相信成功率；
2. **数据壁垒在真实交互**：真实机器人数据最贵也最有用，拥有部署场景、能持续获取闭环数据的公司更有长期优势；
3. **不只是人形机器人**：工厂、电网、交通、自主实验室同样是物理智能的主战场，且商业化路径可能更短；
4. **软硬件协同是长期门槛**：只做模型或只做本体都可能受限，端侧算力、传感器和执行器的配合决定可落地性；
5. **安全与可追溯是准入条件**：金融机构在评估相关企业或开展相关融资时，可把专著的四个评估目标作为尽调清单的参考。

## 结语

这本专著最核心的一句话是：**一个系统能做什么，取决于完整的闭环，而不只是某个单独的模型**。在大模型参数竞赛之外，它提醒行业，物理世界没有“撤销键”，算对了但算晚了也没用，装了传感器不等于有智能。它没有给出新的技术突破，但给出了一套讨论物理智能的共同语言和评估标准，这在一个概念快速膨胀的领域里，本身就很有价值。

## 常见问题

Q: 这本专著是谁发布的？

A: 上海人工智能实验室物理智能团队，2026 年 10 月 19 日以预印本形式发布于 arXiv（编号 2610.27045），由张伟楠、沈春华、薛天帆、赵斌、周伯文领衔（来源1）。

Q: 物理智能和具身智能有什么区别？

A: 具身智能关注身体形态如何塑造感知与行动，也包括仿真智能体；物理智能关注真实物理过程中的闭环干预，还包括交通、电网等没有机器人外形的分布式系统（来源1）。

Q: 物理 AGI 是什么？

A: 专著把它定义为能把技能带到训练范围之外、并在知识不足时高效学习的物理智能，用广度、深度、可塑性、持续性四个维度刻画（来源1）。

Q: 专著对物理数据规模定律怎么看？

A: 作者认为物理数据能否像语言数据一样带来可预测的增益“远未明确”，关键在于数据配比和稀缺真实交互的分配（来源1）。

## 事实来源

1. **专著原文（来源1）**：《Physical AI: Concepts, Techniques, and Challenges》，arXiv:2610.27045v1。
2. **CNCC 2026 报道（来源2）**：张伟楠教授报告及专著发布信息。
3. **上海 AI 实验室新闻（来源3）**：“书生”物理世界模型 W0 发布。

**本文推论部分（非来源表述）**：发布背景判断、结构解读、各节“本文分析”、价值与局限、产业与投资启示、结语。

**本文不构成任何投资建议。**

*（内容由AI生成，仅供参考）*