Agentic AI之後，下一個範式是物理AI嗎？

在2026年世界人工智能大會（WAIC）期間，一場由騰訊新聞與騰訊科技主辦的圓桌討論，針對「Agentic AI之後，下一個範式是什麼？」展開深度對話。雲啟資本管理合夥人陳昱擔任主持，與群核科技聯合創始人兼董事長黃曉煌、生數科技聯合創始人兼CEO駱怡航、北京銀河通用機器人聯合創始人兼大模型負責人張直政，共同探討從數位智能走向實體智能的跨界遷移。與會者普遍認為，當大語言模型競賽已演變為資本密集型軍備賽，AI的下一個突破點正從螢幕內走向螢幕外，物理AI（Physical AI）可望成為接續代理式AI（Agentic AI）的主流範式。 這樣的趨勢已開始被資本與政策重新定價。世界經濟論壇在2026年初指出，AI正「開始作為物理系統在實體經濟中運行」；德勤《2026技術趨勢》更直言物理AI已準備好主流部署。市場數據也呼應此一判斷：全球具身智能（Embodied AI）市場規模2025年約44.4億美元，預計2030年將達到230億美元，而中國相關產業規模更有望在2035年突破兆元人民幣。 黃曉煌開場即點出，純軟體且無行業沉澱的簡單Agent護城河正日漸薄弱，因為大語言模型基本能直接複製其功能。未來的競爭優勢來自工具、硬體、數據與大模型的深度融合。他花了兩三年探索，最終將群核科技的技術路線收斂至「空間智能」，也就是讓大模型生成一個可以交互、且難以用語言精確描述的世界。他認為，這條路線恰好在大語言模型的射程之外，能避開直接競爭。 談到世界模型，黃曉煌指出目前主要存在兩條路線。一條是傳統三維仿真，透過結構化數據與物理參數模擬重力、摩擦力等不可見規律；另一條則是純視頻訓練，認為只要數據量夠大、演算法升級，視覺資訊就足以學習物理世界。他坦言，雖然兩種路線都有機會，但群核更偏好物理仿真，因為世界運作本質上是由看不見的物理規律驅動，視覺只是表象。不過他也觀察到，純視頻路線可能是大廠的賽道，新創公司不一定適合投入。 駱怡航則認為，世界模型最終會走融合路線，因為每條單一路線都有瓶頸。他從生數科技的實務經驗出發，主張建構「物理世界的通用模型」，其核心在於具備從感知、理解、預測到行動的閉環能力。他相信，物理世界也將類似語言模型的Scaling Law，出現屬於自己的「ChatGPT時刻」。他預判，當具身世界模型達到一定智能程度，再結合機器人本體與小腦技術的發展，具身通用化可能在3到5年內發生。 張直政的論述最為系統，他將AI的下個階段定義為從Digital AI走向Physical AI，核心轉變在於學習範式從離線學習（offline learning）轉向在線學習（online learning）——模型必須先學會與環境交互，再從交互中持續學習，讓交互從目的變成驅動數據增長的飛輪。他進一步提出世界模型必須具備三項缺一不可的能力：第一，能建模當前狀態下執行動作後狀態的改變；第二，能利用狀態建模促進策略學習，更快產出可信動作；第三，具備通用評價能力，判斷執行結果是否符合預期。他更基於此大膽判斷，物理AI的落地速度可能比數位AI更快，因為它可以在有限空間（如特定工廠產線或生活場景）中先追求全面通用，一旦達標就能快速形成成熟產品，而非要求無所不能的泛化能力。 針對物理AI發展的主要挑戰，三位來賓觀點各有側重。黃曉煌認為最首要的卡點在於數據——如何低成本且規模化地將物理世界資訊（包括尺寸、質量、摩擦力等）數位化。他指出當前所需的算力遠小於大語言模型，因為數據仍遠遠不足。駱怡航則坦承，從效果來看，目前模型與數據「都還不行」，長程任務自主完成度仍有限，但他們已在某些路徑上看到類似GPT-2到GPT-3.5過渡期的前兆。張直政則從另一個角度切入，認為不必等到完全通用才落地，只要將「world」小型化，在限定範圍內追求通用，物理AI的智慧體週期反而可能比數位AI更短。 討論中也觸及Harness系統與模型的關係。張直政強調，模型能力決定Harness系統能達到的本質水平，而Harness系統則作為數據飛輪幫助模型持續迭代。他並預言，未來的最終形態將是「One Model One System」——一個模型本身就是功能完備的系統，屆時數位AI的能力將被視為物理AI的一個子集，整合進完整系統中。這個觀點獲得現場共鳴，也為整場圓桌劃下一個開放而深具想像空間的註腳：範式更替的答案，或許不會來自某條被預先鎖定的技術路線，而是在持續的討論與實戰中逐漸浮現。