Theo dõi từ Động Sát Beating, Phó Hiệu trưởng Đại học Phục Đán Khương Dục Cương, đối tác của ZhiYuan Robot Diêu Mão Thanh, CEO của TaShi ZhiHang Trần Di Luân và CEO của LiangYuan XinChuang Khương Húc đã có một cuộc tọa đàm vòng tròn tại Hội nghị Trí tuệ Nhân tạo Thế giới 2026, tập trung thảo luận về mô hình thế giới. Các diễn giả đồng thuận rằng cốt lõi của mô hình thế giới là hiểu được quy luật vận hành của thế giới vật lý và dự đoán trạng thái hoặc hành động tiếp theo, chứ không chỉ đơn thuần là tạo ra hình ảnh; cần phải nắm vững một cách tự nhiên các khả năng tích hợp đa phương thức, quy luật vật lý, suy luận nhân quả và dự đoán đường dài. Nút thắt lớn nhất hiện tại nằm ở dữ liệu – Trần Di Luân chỉ ra rằng dữ liệu video thiếu các phương thức quan trọng như lực và xúc giác; dữ liệu huấn luyện lý tưởng cần đáp ứng ba điều kiện: đầy đủ phương thức, tương tác tần suất cao và bắt nguồn từ các kịch bản thực tế. Do độ phức tạp vận hành cao, trí tuệ nhúng (Embodied Intelligence) có thể cần hàng triệu giờ dữ liệu tương tác thực tế; Diêu Mão Thanh so sánh với khối lượng huấn luyện hàng chục tỷ giờ giọng nói của các mô hình ngôn ngữ lớn, ước tính thế giới vật lý có thể cần "hơn 100 triệu giờ" dữ liệu thực tế để nắm vững các dự đoán vật lý thông thường. Về mặt kiến trúc, Khương Húc chỉ ra rằng các kiến trúc chính thống hiện tại xử lý lẫn lộn dự đoán trạng thái và dự đoán hành động, dẫn đến xung đột giữa khả năng tạo sinh và hiểu biết, khó tối ưu hóa đồng thời.

Về lộ trình ứng dụng, ba diễn giả đều coi ngành sản xuất là kịch bản quy mô hóa chắc chắn nhất trong ba năm tới:

Diêu Mão Thanh tiết lộ rằng robot ZhiYuan đã đạt được đội hình robot vận hành 60.000 thao tác trong sáu ngày trên dây chuyền sản xuất, với tỷ lệ thành công 99,99%;

Trần Di Luân đặt cược vào ngành sản xuất, với lý do bao gồm mật độ dữ liệu cao, nhiệm vụ có tiêu chuẩn hoàn thành rõ ràng và có lượng lớn dữ liệu mẫu từ con người. TaShi ZhiHang đã hợp tác với các công ty ô tô để thúc đẩy triển khai cụm robot công nghiệp nhúng quy mô nghìn đơn vị, đồng thời nhấn mạnh rằng ngành sản xuất Trung Quốc tập trung nhất toàn cầu, là bãi thử nghiệm lý tưởng cho AI vật lý;

Khương Húc cho rằng trí tuệ nhúng là phần mở rộng của các mô hình đa phương thức lớn; internet đã có 10 tỷ giờ dữ liệu video phù hợp cho tiền huấn luyện, và bước nhảy vọt về khả năng sẽ xuất hiện đầu tiên trong các kịch bản hàng ngày như gia đình và văn phòng, nhưng thương mại hóa cần đáp ứng điều kiện dung sai lỗi cao; tìm kiếm kịch bản cho mô hình lớn không đơn giản hơn việc huấn luyện mô hình.

Ba bên đồng thuận rằng hiện tại còn xa mới đạt được trí tuệ nhúng tổng quát; đột phá trong các kịch bản chuyên dụng là giai đoạn bắt buộc. Trọng tâm cạnh tranh trong tương lai sẽ chuyển từ kiến trúc mô hình sang khả năng thu thập dữ liệu chất lượng cao và xác thực vòng kín kịch bản.

---------------------------------

Nhấp vào liên kết gốc bên dưới để tham gia kênh tin tức AI của Động Sát Beating · Feishu, theo dõi các điểm nóng và tin tức AI toàn cầu 24/7.