湖南
作者：苏打
编辑：tuya
出品：财经涂鸦（ID：caijingtuya）
“今天，物理AI已经能够在设定好的环境中完成一些任务。但要进入真实产业，在不断变化的条件下持续、可靠地工作，仍有很长的路要走。”
公司情报专家《财经涂鸦》获悉，近日，2026物理AI与世界模型大会期间，逆矩阵创始人陈博远作为青年学者代表，分享了逆矩阵两项关键成果，首个通用世界基座模型悟界·Physis-v0.1与Physical AI Infra系统PhysisServe。
作为国内首个聚焦物理AI与世界模型领域的高规格综合性行业大会，本届大会围绕数据供给、模型训练等开展专题研讨和供需对接，重点项目签约金额超60亿元，并发布高质量数据集建设专项计划，促进长三角数据和人工智能产业加快发展。
陈博远认为，真实物理世界的真需求，构成了物理智能值得被长期投入的理由。但目前，物理AI”仍在100公里马拉松的起跑阶段”。
“物理智能最终需要建设的，是一套让真实行动产生知识、让知识帮助下一次行动的技术—部署—产业闭环体系。它的进步，应当体现为，基座模型能够更快地学习新技能，并以更低的成本、更短的时间适应新的场景。”
持续探索跨场景能力复用
真实世界很难始终保持训练时的条件，物体的形态与位置、环境状态、任务要求都可能发生变化。
当物理AI面对成千上万种任务、进入千家万户时，这些条件组合而成的新需求，被训练数据完整覆盖的概率几乎为零。
基于此，围绕“如何构建能够跨场景积累与复用经验的物理智能基座，并且使其以实际任务要求的速度与精度理解、预测和影响真实世界”这一问题，逆矩阵沿着“物理隐空间状态压缩—原生动作因果—强化学习验证”的技术路径，推进通用世界基座模型研发，并进一步建设支撑模型运行的物理AI基础设施。
今年6月，逆矩阵与北京智源研究院联合发布全球首个通用世界基座模型悟界·Physis-v0.1，展示了团队在具身操作、物理理解与严肃仿真等方向的进展。这也是逆矩阵本次大会现场展现的第一个关键成果。
据陈博远介绍，通过动作执行、视频预测和运动状态预测等不同输出形式，Physis-v0.1以统一物理状态学习为核心持续探索One for All跨场景能力复用，目前已在具身灵巧操作、物理仿真、真实物理预测等场景中展开广泛应用。
参数量与输出频率将可兼得
模型能力的提升，也对推理系统提出了新的要求。
陈博远认为，物理智能体对模型的要求是双重的，既要足够大的模型来准确理解与预测物理世界，又要足够快的输出以跟上物理过程与执行器的节拍。
第二个关键成果PhysisServe便针对“如何让更大、更强的模型，以实际任务所需的输出频率运行”这一问题而生。
该模型由逆矩阵联合智源研究院、vLLM、北京大学发布，是首个兼顾智能与高频吞吐的物理AI推理系统，首次实现让百亿参数量级世界模型以每秒千赫兹的实时输出频率，比已有前沿方案快了一到两个数量级。
“PhysisServe是首个让30B级参数的自回归扩散模型以不足10毫秒的相邻数据块（chunk）间隔持续输出，并支持多路任务共享同一组GPU的推理系统。通过细粒度流水编排、计算资源复用与多路联合调度，PhysisServe探索模型规模与高频输出协同提升的系统路径。”陈博远进一步分享道。
这意味着，只要算力充足，即使模型扩展到百亿、千亿乃至万亿参数，系统仍能以任务所需的频率持续输出——参数量与输出频率将可以兼得。
据悉，PhysisServe将模型切分为多个stage，每个stage对应某一个去噪步上的某一个Transformer block，并以stage作为算力分配与调度的基本单位。
在各stage独占一张GPU、模型权重未经剪枝、压缩或量化的测试配置下，33B MiniMax H3的单路相邻chunk输出间隔实测为4.1毫秒，即每秒输出约245个chunk，用于ACWM时约合每秒1000帧，用于WAM时动作输出频率最高可达3900Hz。
展望未来，陈博远判断，物理智能将推动计算位置与芯片架构共同演进，通过端边云协同与更高效的机载计算，支撑模型在真实任务中发挥能力；预测与实验的闭环，也将让更多想法获得现实验证。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
