当黄仁勋在今年CES大会上扯着嗓子喊“物理AI的ChatGPT时刻来了”的时候，我正坐在家里，看着我的扫地机器人第六次卡在同一根手机充电线上。

那一刻我突然觉得，老黄说的“时刻”，可能还没进我家门。

但不得不说，这确实是过去一年里，我在科技圈听到最上头的一句话。从学术会议到创业路演，从投资人的PPT到巨头的发布会，“世界模型”这四个字像病毒一样蔓延。大家都在说：AI要走出屏幕了，要摸到真实世界了，要有“身体”了。

好家伙，真的是这样吗?！

可当我翻完一堆技术报告和融资新闻，发现一个有点尴尬的事实：算法满大街都是，代码随便就能抄，但真正能让AI变聪明的那个东西——真实世界的数据——却卡住了所有人。

就像你给一个孩子塞了全宇宙最牛的学习方法，但不让他出门见人。他能考满分吗？

虚拟世界，骗得了眼睛骗不了手

我知道你肯定要问：现在不是有各种超逼真的仿真引擎吗？英伟达的Omniverse、谷歌的仿真平台，不都能让机器人先在虚拟世界里练手吗？

确实，这些东西做出来的画面，你肉眼都分不清真假。但问题是，AI不是用“看”来理解世界的，它得用“试”。

一个在仿真环境里能完美抓可乐罐的机械臂，放到真实厨房里，大概率会把桌子拍碎。因为仿真再真，也算不出真实世界里那层油腻的手感、那根松动的桌腿、那块反光到让传感器失灵的瓷砖。这些细节，你没法在代码里“编”出来。

有个做具身智能的朋友跟我吐槽过一句话，我记到现在：“仿真数据就像看菜谱学做菜，看一百遍也不如上手炒糊一次。”

所以行业内慢慢形成一个共识：合成数据只能当热身，真正的比赛，得用真实的物理数据来打。

但问题来了：真实数据去哪儿找？

你可能会说，自动驾驶不是早就跑了几百亿公里了吗？数据总够了吧？

没错，自动驾驶确实是目前物理世界数据规模最大的试验场。Momenta跑了120亿公里，如祺出行一天就能产出130TB的路测数据。但这些数据，基本都贴在马路上。

而人类真正的生活，大部分发生在室内啊。

商场、餐厅、写字楼、便利店、医院、学校……这些地方，AI几乎是一片“数据真空”。为什么？因为数据产生成本高。你总不能开着采集车走街窜巷吧？每一平米的空间结构、每一样物品的摆放、每一处Wi-Fi信号的强弱，都需要人工逐点采集、标注、更新——这种细活，机器干不了，代码爬不到。

这是一场用脚丈量的竞争，而不是用代码抓取的游戏。

谁在填补这片“空白地带”？

好在，总有人在干苦活累活。

国际巨头已经在动起来了。Scale AI今年正式推出了Physical AI数据引擎，专门给具身智能公司供“原料”；李飞飞团队搞了个World Tracing技术，据说给一张建筑照片就能还原出整个3D结构；Autodesk也砸钱投了World Labs——连做设计软件的老牌公司都下场了，说明这事确实到了拐点。

国内也没闲着。自动驾驶那一派就不说了，Momenta、如祺出行这批玩家手里握着海量路测资产。室内场景里，智元机器人开源了AGIBOT WORLD 2026数据集，覆盖了商超、酒店、家居等各种室内环境；均普智能也发了自己的工业场景数据集。

还有一个深圳的企业，数位科技——做了十多年的空间数据采集，用众包+自动标注的方式，把全国各地的室内空间“翻译”成了机器能读懂的坐标系。视觉、文本、Wi-Fi指纹，每个点都标得明明白白。说实话，这种公司放在今天这个资本快进快出的环境里，有点像个“老裁缝”——活儿可能不快，但活儿细。

高德今年6月发的那个3D城市模型ABot-Earth0.5也挺炸，虽然主打室外，但证明了一件事：只要真实数据够扎实，AI就能把整个物理世界“吃”进去。

时间，才是最大的护城河

我发现一个很有意思的现象：ChatGPT火了之后，三个月内冒出几百个大模型，参数一个比一个大。

但物理AI这边，没人能“速成”。

为什么？因为文本数据可以爬，图像视频可以扒，但空间数据——你得真的派人去、真的拿设备测、真的花时间标。这个周期是按年算的。而时间却是最不讲道理的壁垒。

写在最后

回到开头那个卡在充电线上的扫地机器人。

如果有一天，它真的能绕开那根线，不是因为它的芯片变得更聪明了，而是因为有人在某个数据标注平台里，把“充电线躺在地板上”这个场景，重复标记了几万遍。

AI对物理世界的“理解”，说到底，是人类对物理世界的一次大规模“翻译”。

而谁手里的字典最厚、最准、最新——谁就能让AI先一步，走进你的生活、你的家门。

（哦对了，听说那个扫地机器人后来又卡在了拖鞋上。革命尚未成功，数据仍需努力。）