苏昊 WAIC 主题演讲：物理智能的使命，是把人还给人｜绿洲生命力

7 月 17 日下午，2026 年世界人工智能大会暨人工智能全球治理高级别会议主论坛在上海举办。

绿洲被投企业，苏度科技联合创始人、董事长兼 CTO，复旦大学浩清特聘教授、复旦大学通用物理智能研究院首任院长苏昊， 受邀发表了《物理智能：从幻觉到现实》的主旨演讲。

作为全球 3D 视觉与物理智能领域的重要推动者，苏昊早期参与 ImageNet 建设，随后共同创建 ShapeNet、提出 PointNet，并主导 SAPIEN、ManiSkill 等系统的研发。

他的研究始终围绕一个终极问题作答：如何让真正的物理智能涌现。

以下是本次演讲全文，Enjoy。

尊敬的各位领导、各位嘉宾，大家好。很荣幸在世界人工智能大会分享一些个人观点。本论坛的主题是 "基石"，而我今天想聊的，恰恰是智能最底层的那块基石，物理智能。

先说结论：对物理智能，我是坚定的乐观派。看清幻觉，是为了让现实来得更快——这就是今天的标题《从幻觉，到现实》。

从大模型到物理智能

大模型的进步有目共睹，但为什么最聪明的模型也难免幻觉？我认为最本质的一条是：语言只是世界的投影。

人类先在物理世界摸爬滚打，才把经验压缩成语言；模型学的一直是这道影子，从未见过投下影子的实体。它能流利地描写 "杯子掉在地上会碎"，却从没有机会感受一只杯子的重量。知识没有现实的锚点，说错了，它也无从自知。你可以在屏幕里雄辩，但你说服不了重力。

大模型的幻觉，很大程度上，就出在没有 "身体"。要走出幻觉，必须走出 "数字世界" 的边界，去亲身体验，把自己交给 "物理世界" 去裁判：做出预测，采取行动，被现实修正。

这个古老的过程叫做实验，也是物理智能的关键。

物理智能真正缺什么：把散落的知识聚合

那物理智能真正缺的是什么？

我们需要的，是一个能聚合人类全部物理世界知识的模型。从认知的源头数起，物理知识至少有六层阶梯，层层筑基。

下三层，属于客观世界，有没有 "我"，它都在那里。

• 一是关于物体的知识：世界，是由一个个独立、持存的物体组成的——一只球滚到沙发底下，看不见了，但它还在。先认清 "有什么"，其余才谈得上。
• 二是关于状态的知识：这些东西，此刻是什么样子？球在沙发底下，它有多重、是软是硬，都在这一层。
• 三是关于动力学的知识：世界自己会怎么变？球会滚，水会流，松手的东西会往下掉。而 "力" 就在这一层，你用眼睛，看不见它。

上三层，则因 "我" 而生。每一层，都是下三层绑定了 "主体" 之后的样子。

• 四是关于功能的知识：这东西，对我有什么用？把手是用来握的，杯子是用来盛的。同一把椅子，对人 "可坐"，对蚂蚁不是。物，因为主体，才成了"器"。
• 五是关于目标的知识：我要世界变成什么样？球在沙发底下，我要它回到手里。球在哪，是状态；我想要它在哪，是目标。目标状态的 "是" 与 "应是"，一字之差，隔着整个主体。
• 六是关于行为的知识：知道要做什么，和手真能做到，是两回事。端一杯水穿过房间，不洒，是分寸；系鞋带、用筷子，是巧劲。这些本事，不写在书上，长在手上。

从物体到行为，越往上，越不是 "看" 会的，越得在物理世界中亲手去 "做"。每个婴儿的头两年，就是沿着这道阶梯一层层爬上来的——皮亚杰称之为 "感知运动期"：人类智能的地基，是用手打的。

但模型没有这样的童年——它学东西，主要靠人类留下的记录。麻烦在于，这六层知识散落在互不相通的载体里，越往上，被记录下来的越少。互联网视频最海量，却基本停在阶梯下段——样子与运动看得见，力与手感够不到；教科书方程最精确，写的正是动力学，却只针对理想化的世界；真机数据有力觉、有操作示范，直抵上段，却少得可怜。

语言模型是幸运的：互联网早已替它把语言知识聚合完毕。物理知识没有这份幸运，波兰尼说，我们知道的，远多于我们能说出的。所以，阶梯的上半截，至今没有被成体系地记录下来——光靠刷网页，刷不出完整的物理智能。**聚合，就是我们这一代人要完成的科学工程：**把视频的广度、方程的精确、真机的真实、直觉的细腻，熔进同一个模型，互相校准补盲，把阶梯补完整。

物理智能要从幻觉走到现实，中间隔着的，正是这道阶梯。

时代的刚需，和它到来的方式

这道阶梯，为什么非爬不可？

答案不在语料里，不在机房里，而在现实世界。

今天的 AI 会写诗、会写代码、会做PPT——但它帮不了一位老人翻身。智能的价值大多还停在数字 "比特" 世界，可人最沉重的那些需求，全在物理 "原子" 世界。再看身边：老龄化写在日历上。需要照护的人日益增多，能投入照护的人手却在减少。另一边，高空、井下、高温环境中危险、繁重的作业，也面临劳动力短缺的困境。

需求都在，缺的是人手。

物理智能不是人的替代者，而是人的协作者——填补的是人手的缺口，把翻身、搬运这样的体力活交给机器，把照护者的时间，还给陪伴与关怀；把危险的作业交给机器，让人退到安全线之后，承担判断与创造。

物理智能的使命，是把人还给人。

那它会怎么到来？作为技术人员，说说我的个人判断。它不会在某场发布会上一夜 "实现"，更像当年的电气化——先点亮工厂和仓库，再走进商店和医院，最后才走进千家万户。物理智能的价值，不必等到终点，沿途就在释放。

这条路上最险的一段，是演示与产品之间那道可靠性鸿沟。填平它，靠的不是热闹，是基础工作，是积累数据——尤其是带力、带交互的那一半。填平它，靠的是行业标准，供应链，还有最难攒的社会信任。信任只能靠可靠性一点一点去挣；而这份信任，也是物理智能落地最底层的那块基石。

三个判断

最后，我留下三个判断，供未来检验。

第一，物理智能的突破口，不在模型的架构，而在知识的聚合。 聚合这件事，注定超出任何一家机构的边界——视频在互联网上，方程在教科书里，力觉数据在各家实验室里，操作的直觉在亿万劳动者身上。没有谁能独自集齐这道阶梯，它需要整个行业乃至全社会的通力协作：共建数据，共立标准，共享仿真、评测等基础设施。当这些知识真正熔进同一个模型，物理世界就会迎来属于自己的 "互联网时刻"——所谓 GPT 时刻，只是它的副产品。

第二，行业的重心，将从 "演示做得多惊艳"，转向 "运行得有多可靠"。 工程上有个说法叫 "几个九"：从 99% 到 99.9%，每多一个 "9"，难度都指数级上升；演示与产品的差距，就卡在最后那几个 "9" 里。通用性是终点，而可靠性才是起点——愿意在 "9" 上下笨功夫的团队，会走得最远。

第三，物理智能将把 AI 从科学的 "读者"，变成知识的 "创造者"。 今天的 AI 读遍了人类几乎所有的论文，却几乎没有亲手做过一次实验；而新知识，恰恰诞生于实验。当它拥有一双能感知、操作、验证真实世界的手，它就能自己提出假设、亲手实验、昼夜不休地修正。新材料、新药的发现，可能因此快上几个数量级。

从幻觉到现实，没有捷径，靠的不是更响亮的叙事，而是对物理世界的敬畏，和沿着那道阶梯一层层往上爬的笨功夫。物理世界是智能最古老的老师，最诚实的考官，也是智能最终的基石。我们选择把答卷交给它。

谢谢大家。