近年来，人工智能领域的一个显著变化是焦点从虚拟内容生成转向物理世界交互。曾经备受追捧的元宇宙概念热度减退，而像Sora这样的视频生成项目也面临调整，这并非技术退步，而是行业发展重心的迁移。黄仁勋在公开演讲中多次强调，人工智能的下一个浪潮将是‘物理AI’，即智能体能够自主在复杂、不可预测的现实环境中完成任务。然而，实现这一愿景的最大障碍并非算法或算力，而是数据——特别是来自物理世界的交互数据。
当前，语言大模型和图像生成模型已经在虚拟世界中展现了惊人的‘智力’，但它们一旦试图踏入物理世界，就会遭遇‘信息盲区’。正如一位行业观察者所言，即使让爱因斯坦这样的天才来预订餐厅，他也无法知道某家餐厅是否有空位，因为这需要实时、具体的场景信息。这种信息缺口在物理世界中普遍存在，且难以通过互联网爬虫或合成数据来弥补。
物理数据缺口的本质与挑战
物理数据的稀缺性源于多个层面。首先，真实世界中的高价值场景往往具有封闭性和专属性。例如，零售仓库的内部布局、餐厅后厨的工作流程、城市街道的实时交通状况，这些数据通常被企业视为核心资产，不会轻易对外开放。其次，数据采集过程本身成本高昂且效率低下。在虚拟世界中，AI可以通过并行模拟快速生成海量数据；但在物理世界，部署机器人或传感器进行数据采集，受限于硬件成本、时间周期和安全性约束，速度可能慢几个数量级。
松延动力创始人姜哲源曾指出，具身智能领域最头疼的就是数据问题。星动纪元联合创始人席悦补充道，真实场景的权限开放是一大难题，而现有的仿真替代方案存在‘现实差距’。据全球知名技术社区CSDN的分析，具身智能的训练可能需要数百PB级别的物理交互数据，而当前存量数据不到需求的1%，缺口超过99%。这个数字直观地反映了行业面临的‘数据饥渴’状态。
仿真世界与现实鸿沟
为了填补数据缺口，许多科技公司开始构建高度仿真的‘世界模型’。英伟达、特斯拉等公司投入资源创建虚拟环境，希望在其中训练AI智能体，再迁移到现实。这种思路的优势在于可扩展性和安全性——在虚拟世界中，AI可以无限次尝试高风险任务，而无需担心物理损坏。宇树科技、银河通用等国内头部机器人公司也在研发类似的世界模型，旨在提升机器人的‘泛化能力’，即适应未见过的场景的能力。
然而，虚拟世界无论多么逼真，都无法完全复刻物理世界的所有细节和突发情况。光线变化、材质摩擦系数、人类行为的随机性等因素，都可能使在仿真环境中表现优异的AI，在现实中遭遇滑铁卢。宇树科技创始人王兴兴在亚布力论坛上坦言，当前机器人的最大瓶颈正是泛化能力不足。他提出，如果能部署数千台机器人每天采集十小时的真实数据，数据稀缺问题将得到缓解。这暗示了最终解决方案必须结合仿真训练与真实数据回流。
企业如何破局：从连接到执行的升维
面对数据困局，企业的应对策略呈现出两种主要路径：一种是像英伟达那样，通过打造更先进的仿真平台来‘创造’数据；另一种则是深入产业场景，通过实际部署来‘采集’数据。后者尤其体现在一些具有丰富线下场景的平台型企业身上。
以美团为例，其投资逻辑明显带有产业协同色彩。近年来，美团投资了银河通用、智谱AI、自变量、它石、摩尔线程、爱芯元智等数十家硬科技公司。这些投资并非单纯的财务行为，而是与美团的业务场景深度绑定。2023年，美团参与银河通用的天使+轮融资，次年双方就达成战略合作，在线下零售、仓储物流等场景进行机器人落地探索。
2025年，北京已有十多家药店使用银河通用的Galbot机器人进行24小时药品分拣。这一模式随后向全国扩展。在美团买药业务的牵引下，银河通用正与商家合作推进无人前置仓项目，目前已签订上百台订单，交付了数十台机器人。这种合作不仅为机器人公司提供了宝贵的真实场景数据，也帮助美团优化了本地生活服务的履约效率。
另一家被投企业立镖机器人，其分拣系统早已‘入职’美团买药的广州仓和武汉仓，提升了仓储自动化水平。而其域创新则与美团小象超市合作，完成前置仓的3D测绘建模，帮助商家生成更直观的效果展示。这些案例表明，当硬科技与具体业务场景结合时，能产生显著的应用价值。
平台企业的‘承接能力’是关键
然而，并非所有企业都能成功复制这种‘投资+场景协同’模式。硬科技要落地，需要平台具备强大的‘承接能力’。这包括对业务痛点的深刻理解、技术集成经验、以及规模化部署的基础设施。美团在过去十多年里，通过外卖配送、到店餐饮、酒店旅游等业务，构建了一个覆盖生活服务方方面面的复杂生态。这个生态中充满了细微、碎片化但又至关重要的环节，恰好成为AI训练的绝佳场域。
例如，一次外卖配送就涉及商家出餐、骑手路径规划、小区门禁识别、电梯使用等多个子场景。餐饮到店业务则关乎用户评价分析、商家运营优化、消费体验提升等。这些场景的数字化和自动化需求，催生了美团自研的多模态大语言模型LongCat系列，并孵化出AI助手‘小美’、商家工具‘袋鼠参谋’和‘智能掌柜’等应用。这些工具已服务超过340万商户，帮助降低运营成本。
更值得一提的是，美团还为部分商家上门安装了智能硬件‘袋鼠管家claw’，实现了AI自动抓取经营数据、辅助决策。这些基于真实业务打磨的技术成果，形成了一个个成熟的‘技术小生态’，如同主板上的扩展槽，可以灵活接入芯片、激光雷达、机器人关节等硬科技模块。
技术融合与场景释放的协同效应
当硬科技融入业务场景，其价值释放往往超出预期。2025年底，激光雷达公司禾赛的感知定位产品获得美团无人机量产定点，实现了激光雷达技术与低空物流场景的深度融合。双方的合作始于四年前，在无人配送业务中探索了多款远距离激光雷达的应用。这种长期磨合使得技术能够精准匹配场景需求。
今年初，自变量机器人在真实场景中完成了一次里程碑式的演示：它自主从美团外卖箱中取出餐食，折叠纸箱，放入仅7厘米高的回收口，然后穿越玻璃门进入室内，识别楼层并操作电梯，最终将外卖送达。整个过程完全自主，无需人工干预。这标志着机器人技术走出了封闭的流水线环境，进入了动态、复杂的开放空间，并能根据环境变化实时决策。
这些突破背后，是场景数据持续回流带来的算法优化。每一次真实任务执行产生的数据——无论是成功还是失败——都成为训练模型改进的养料。这种数据闭环正是物理AI得以进化的核心机制。相比之下，纯粹依赖虚拟训练的模式，往往因缺乏‘最后一公里’的真实反馈而止步不前。
未来展望：物理AI的基础设施竞赛
随着AI‘脱虚向实’趋势深化，一场关于物理世界基础设施的竞赛正在展开。这场竞赛的胜负手，可能不在于谁拥有最先进的算法，而在于谁能够更高效地获取和利用物理场景数据。王兴曾提出要打造‘物理世界的AI底座’，其内涵正是通过强化执行效率和交付能力，将线上智能与线下服务无缝衔接。
从更宏观的视角看，AI在物理世界的渗透将重塑多个行业。在零售领域，智能仓储和无人配送可以大幅降低物流成本；在医疗领域，辅助诊断机器人和自动化药房能提升服务可及性；在制造业，柔性生产线和协作机器人将推动智能化升级。然而，这些应用的前提是解决数据采集、隐私安全、标准统一等挑战。
例如，数据隐私问题不容忽视。在采集真实场景数据时，如何保护用户个人信息和商业机密，需要完善的法律法规和技术方案。此外，不同场景的数据格式和协议各异，建立统一的数据交换标准也是推动行业协同的关键。
另一方面，物理AI的发展也将催生新的就业形态。虽然自动化可能替代部分重复性劳动，但也会创造机器人维护、场景设计、数据标注等新岗位。社会需要相应的教育和培训体系来适应这种转变。
总之，AI从虚拟世界走向物理现实，是一条充满挑战但必然的路径。99%的数据缺口既是瓶颈，也是机遇。那些能够深入产业场景、构建数据回流生态的企业，更有可能在下一轮智能竞争中占据先机。当技术不再悬浮于云端，而是扎根于外卖箱、货架间和街巷中，人工智能才能真正实现其赋能现实的承诺。
