Future Tech ｜从键盘到物理世界：中国“世界模型天才天团”的范式博弈与商业求索

发布时间：2026-07-23来源：世界人工智能大会

【导语】 2026 年，人工智能的竞争焦点正加速从"键盘与屏幕"向"真实的物理世界"转移。在 2026 世界人工智能大会（WAIC）的创新舞台上，一场名为《从键盘到物理世界：中国世界模型天才少年创业天团》的圆桌论坛，汇聚了中国物理 AI 与具身智能赛道最前沿的年轻力量。

这场对话由莫刻机器人联合创始人兼 CEO、香港科技大学博士池晓威主持兼嘉宾，同时邀请到了破壳机器人联合创始人兼首席科学家、清华大学交叉信息研究院博士袁哲诚，英伟达世界模型研究员、清华大学电子系博士刘芳甫，Ropedia 联合创始人兼 CEO、南洋理工大学 MMLab 博士陈昭熹，厘清智能联合创始人、全栈世界模型系统与可微分仿真探索者娄浩哲，以及 LiberAI 创始人兼 CEO、清华大学计算机系博士及特等奖学金得主刘松铭。六位平均年龄极轻的"天才创业者"，围绕世界模型的技术路径、物理数据的采集闭环、商业化的真实困境以及对 2030 年的行业终局，展开了毫无保留的硬核探讨。

01 范式博弈：物理规律的"代码先验"与"信号重构"

在"如何理解物理规律"这一核心技术命题上，现场展现了截然不同的研究范式，这也是当前世界模型（World Models）发展中最具争议的话题。

刘芳甫（英伟达世界模型研究员 / 清华大学电子系博士）：代码先验与数字世界的成功平移

刘芳甫提出了极具启发性的"代码先验"路径。他认为，最原始的物理第一性原理已经高度编码在人类的 Coding（代码）和 LLM（大语言模型）之中。相比于从海量视频像素（Video Data）中艰难学习微弱的物理属性，基于具有极高信息密度和多样性的 Coding Model 向上延伸构建世界模型，是目前更容易产生"涌现效应"的方向。他强调，当前的核心难点在于如何将数字世界（Digital World）中 Agent 的长程推理、规划和调用工具的成功经验，平移到物理世界（Physical World）中去。

刘松铭（LiberAI 创始人兼 CEO）：物理模态的 Tokenize 与Encoder

作为清华大学特等奖学金得主，刘松铭从全新模态Encoder的底层逻辑切入。他指出，如同文本和视频像素经历过Tokenize（标记化）与压缩一样，物理世界信号的 Tokenize 是一定会发生的趋势。当前的难点在于"尚未收敛"——行业仍未确定究竟应选择怎样的物理信号来学习，如何编码手的位置、身体的位置或是触觉等。他进一步提出，除了时域信号，物理信号的周期性特征意味着可能需要引入频域上的特征，从而构建出完整的物理模态表征。

娄浩哲（厘清智能联合创始人）：显式与隐式信息的解耦处理

拥有两次退学经历的娄浩哲，将世界的信息分为"显式"（如牛顿定律、空间一致性）和"隐式"（如人类手势的文化含义）两类。他主张在从仿真（Sim）到真实（Real）的跨越中，应先用物理引擎和强约束去处理显式的、确定的物理规律，而将隐式的信息交给语言模型和更多的数据迭代去解决。

池晓威（莫刻机器人联合创始人兼 CEO / 香港科技大学博士）：以视频 - 动作成对数据，构建物理世界原生表征体系

池晓威则回归一切建模的源头数据模态，提出一条完全差异化的技术路线。作为国内较早深耕具身表征的研究者，他提出：搭配机器人执行动作的成对视频数据，是继纯文本、通用视觉之后第三类大规模基础数据模态；依托视频与动作耦合数据训练得到的隐空间，将成为适配物理智能的下一代原生表征底座。在他的技术框架中，唯有充分挖掘、极致利用物理交互原生数据，才能持续推动世界模型实现高速迭代与性能突破。

02 数据闭环与商业求索：从"波粒二象性"到"真诚的一线落地"

技术范式的分歧，最终都要落脚到数据的获取与商业化落地（PMF）的生死考验上。

陈昭熹（Ropedia 联合创始人兼 CEO / 南洋理工大学 MMLab 博士）：数据的"波粒二象性"与基础设施构建

作为一家立足新加坡、致力于具身数据基础设施出海的创业者，陈昭熹提出了数据与模型的"波粒二象性"比喻。他认为，无论是用离散的数据堆叠，还是用连续的模型去描述，本质上都是在做"真实世界分布匹配（Real World Distribution Matching）"。正如高考真题库（数据）与解题能力（模型）的关系，Ropedia 的目标就是做行业的"铲子"，开源大规模多模态数据集，推动整个系统生态的繁荣。在商业化上，他坦言这是将"别人口袋里的钱放到自己腰包"，不仅考验技术，更考验对客户需求全栈理解的"双向奔赴"。

娄浩哲（厘清智能联合创始人）：真诚下沉一线，解决"边际成本递减"

面对商业化的拷问，他在过去一个月内走访了全国十几家工厂，将机器人商业化分为工厂线、大 B 端（公共服务）和家庭三类。他指出，目前机器人的运行速度虽不及人类，但可以通过改变业务流程（如将工厂检测作为最后一环，用快递提速弥补机器人损失的时间）来实现商业闭环。他认为，科研是提供"边际成本递减"的工具，而商业化则是将这 1 步走到 100 步的过程。

袁哲诚（破壳机器人联合创始人兼首席科学家 / 清华大学交叉信息研究院博士）：商业化目标指引数据收集的"护城河"

从学术界走向工业界的袁哲诚强调，商业化目标（如破壳机器人致力于进军家庭场景）会极大地反向指导基础模型的训练和数据收集策略。他认为，只有在明确的商业目标指引下，才能高效地完成数据闭环。同时，他坚持机器人公司必须拥有自己的数据采集系统，因为"数据是非常重要的护城河"，不能完全依赖开源。

刘松铭（LiberAI 创始人兼 CEO）：先构建"稀缺性"，再寻找"商业价值"

刘松铭分享了他从大模型发展史中观察到的第一性原理：在传统硬科技创业中，通常是先找商业价值再构建壁垒；但在基模时代，往往是先构建模型能力的"稀缺性"（如 Kimi 的长文本能力），随后商业场景才会逐步解锁。因此，LiberAI 目前采取"跷跷板"策略，短期内核心是打造基模能力，同时依托全栈能力构建生态，并同步探索伴随稀缺性解锁的各类场景。

03 终局畅想与中国自信：2030 年的物理 AGI

圆桌的最后，主持人池晓威引导嘉宾们畅想 2030 年的行业终局。这群年轻人的愿景不仅宏大，更充满对中国产业链与人才优势的强烈自信。

池晓威（莫刻机器人联合创始人兼 CEO / 香港科技大学博士）：用模型驱动物理结构，交互带来应用

作为主持人兼创业者，池晓威总结了自己的愿景：希望通过模型驱动物理世界的机械结构，在 2030 年看到真正产品化、能实质性帮助人类的机器人大规模落地。他强调，机器人的终局不应只是"替代人类劳动"，而应以更温情、舒适的交互形式（甚至是以"玩"的形式）进入家庭等各大场景，让这个已经很辛苦的世界变得更轻松。

娄浩哲期望到 2030 年，80% 的重复性体力劳动（如搬砖、做奶茶）能被机器人完全替代。袁哲诚则希望破壳机器人能像"神奇宝贝（Pokemon）"一样，陪伴在每个人身边满足物质与精神需求。陈昭熹畅想未来大家可以通过人形机器人的视角远程参与大会，Ropedia 将成为支撑这些海量交互数据的基础设施。刘松铭则预判，随着模型能力的提升，机器人将成为继手机之后最重要的流量与交互入口，逐步演变为新一代的基础设施平台。

"中国一定比美国强"的底气

在讨论的尾声，刘芳甫表达了他们这一代创业者的野心：希望在迈向物理世界乃至超级智能（Super Intelligence）的时代，能够代表中国发出属于自己的声音，甚至定义什么是多模态的智能，与北美"掰手腕"。

而娄浩哲更是直言不讳地指出了中国在具身智能赛道的结构化优势："我不觉得北美的人真的懂机器人。他们修一个机器人要花一个月时间，而在座的各位硬件迭代只需要一天……在世界模型这个赛道上，中国就是一定比美国强。"

结语

这场圆桌不仅展现了中国年轻一代 AI 创业者在技术底层的深度思考，更展现了他们在面对未知商业化挑战时的务实与果敢。在这个"AI for AI"的新时代，正如嘉宾们所言，经验正在贬值，而年轻人的"Taste（品味）"与想象力将成为决定胜负的关键。从数字的预测走向物理的交互，这群天才少年正在用他们的行动，定义物理 AGI 的未来。

点击阅读原文查看WAIC 2026精彩！

转载说明：本文系转载内容，版权归原作者及原出处所有。转载目的在于传递更多行业信息，文章观点仅代表原作者本人，与本平台立场无关。若涉及作品版权问题，请原作者或相关权利人及时与本平台联系，我们将在第一时间核实后移除相关内容。