全球资源网科技频道讯；近日，在WAIC上，智元合伙人、高级副总裁、具身业务部总裁、觅蜂科技董事长兼CEO 姚卯青针对物理AI的本质、数据、以及训练框架等方面发表了主题演讲《模型与数据飞轮：冲破物理墙，驱动物理 Al智能涌现》。
对于物理AI的本质，姚卯青表示，智能的本质是表征与闭环。所谓表征，是对世界的抽象与压缩，人类所有的认知、判断和理性全是以表征为基础的，而语言、数学、代码都是人类文明进化数万年来对世界高度的一种抽象表征，本质上是知识的一种成功，而闭环是智能体羽环境进行的交互，它包含了输入、算法、输出、评价、迭代这样的循环，也是人类从感知到理解、决策、行动、环境反馈的闭环。
真正的高级智能，其实就是来自于表征世界到推理决策，再到作用世界于反馈改进的一套完整闭环。在数字AI方面，这条路线已经取得了很大的成功，我们可以看到，隔一段时间就有新的模型推出，更大的参数量、更高的榜单分数，本质上是在不断突破数字世界智能的边界，其核心是知识表征与数字环境内的闭环。
而进入物理AI世界，智能的核心不仅是知识的表征，更是经验的表征与真实世界的闭环，它的能力边界必须要从数字领域继续拓展到空间感知、物理交互、精细操作与失败修复，是从知识的规模化与交互惊艳的规模化的跃迁。
那么这就提到了一个很关键的问题，数字AI可以被互联网的数据喂养出来，但物理AI必须在真实世界里摸爬滚打、积累经验、修正策略进而去进化它的能力。针对要做到物理涌现的困境，姚卯青表示还需要跨越三重墙：
一是数据墙，因为真实交互数据极其稀缺，获取成本高。
二是表征墙，目前缺少大量的跨任务、跨场景、跨本体的统一物理表征。每个机器人、每项任务还是在各自领域里各自为战。无法进行充分共享。
三是闭环墙，在真实世界里试错的代价很贵，因为反馈相对缓慢，而且规模化很难，在物理世界里，一次失败的代价可能是一台完整机器人的损失。
如何冲破这三道墙，让机器人实现从演示到会干活呢？姚卯青也发表了自己的破局之法，就是去构建一个可泛化、可优化、可进化的通用智能系统。
所谓可泛化，通过大规模异构预训练数据，学习通用的物理经验，提供跨任务、跨本体、跨场景的能力；所谓可优化，表示我们机器人在真实世界里面去参与真实世界的反馈、后训练，在任务闭环中持续校准策略，提升成功率，进一步提升稳定性、可靠性；所谓可进化，是更进一步通过部署回流与持续学习，不断吸收新任务、新场景、新本体的经验，来扩展通用能力的边界。
在这个系统当中，底层是一个多机器人集群部署，上层是知识体系，包含着我们在数字世界里可以获取的知识，以及它在物理世界中获取的交互经验，在往上是算法曾，他会经历通用的预训练、后训练以及在部署环节之后的持续学习这三个阶段的训练框。
