作者 |   谭云

当人工智能从屏幕里的问答走向道路上的驾驶、家庭中的照护，衡量它的标准也随之改变：不仅要看它能完成多少任务，还要看它能否预判行动的后果，在陌生环境和意外情况面前，作出安全、可靠的判断。

清华大学人工智能研究院视觉智能研究中心主任、计算机科学与技术系博士生导师邓志东，对这一转变保持着审慎的判断。在他看来，数字 AI 已经取得长足进展，但物理 AI 整体上仍处于早期探索阶段。" 物理 AI 还没有迎来自己的 ChatGPT 时刻。" 机器人会跑步、会跳舞，展现了运动控制的进步，却不意味着它已经能够走进家庭，放心地接过照顾老人的任务。

这种审慎，来自他对真实任务的具体追问。拿起一个杯子，看似简单，但换一种形状、换一个位置，机器人还能不能完成？一次演示成功之后，能否在不同环境中持续成功？从展示能力到承担工作，中间隔着任务成功率、泛化能力与安全性的考验。自动驾驶已经是物理 AI 中相对成功的赛道，但在舒适性、效率和成本之外，最难、也最重要的一关，仍然是安全。

邓志东将突破的关键指向世界模型：让 AI 在执行动作之前，先预演可能产生的后果与代价。人站在楼顶边缘，会因为知道跌落的危险而后退；面对沸水，不必亲手试过才知道不能触碰。机器人同样需要这样的判断能力。它推着轮椅走向哪里、递出的水温度如何，都不能等伤害发生之后再纠正。

" 画面逼真并不等于理解世界。" 在邓志东看来，世界模型不仅要遵从物理规律，还要结合任务和人的意图，帮助 AI 决定下一步如何行动。真正的进步，最终要在实际任务中检验，而不能只由生成的视频或一次成功的演示来证明。

让 AI 可靠地干活，也不只是模型的问题，更强的智能需要更多算力，但把大量计算能力放进汽车或机器人，又会推高成本、增加功耗、影响续航。

邓志东提出，通过移动通信连接云、边、端，在边缘部署可共享的算力，同时让终端保留运动控制、局部自主和安全保障能力，是值得探索的路径。网络与算力的协同，由此成为物理 AI 走向规模化应用的重要支撑。

2026 移动网络大会召开前，邓志东做客由中国移动联合呈现的网易科技《态度人物》访谈节目《网算共生 · 智联纪元》，围绕 " 共创智能经济新形态 "，探讨 AI 走进真实世界的关键挑战。

以下为邓志东参加网易科技态度人物系列节目对话实录，经编辑整理。

自动驾驶最难的仍是安全

主持人： 今年 9 月，特斯拉发布了没有方向盘、油门和刹车踏板的 Cybercab。您怎么看它采用的纯视觉端到端自动驾驶技术？纯视觉和激光雷达，哪条路线更有前景？

邓志东：  不必过于纠结纯视觉还是激光雷达。摄像头、激光雷达、毫米波雷达都属于感知手段，未来可能走向融合。

过去主要采用后融合，需要对不同传感器的信息进行时间对齐、空间标定，处理过程复杂，也需要大量算力。现在出现彩色激光雷达、激光相机等前融合方案，能够同时获取颜色、纹理以及距离、几何信息。随着相关设备逐步量产，感知方案可能走向融合。

主持人：您曾提出，如果要让自动驾驶的安全性超越人类，采用世界模型智能体，训练里程可能需要达到人类司机的上千倍。为什么？

邓志东：  一名司机在北京开了 100 万公里，可能非常熟悉当地道路，但到了其他城市就不一定了。自动驾驶要面对不同国家、不同城市的交通场景，即使里程达到人类司机的上千倍，分散到每个场景也未必足够。

自动驾驶正从分段式走向端到端，再走向世界模型智能体。这是很大的范式变化，不仅需要世界模型理解物理世界，还要通过智能体框架形成闭环，持续迭代、自我改进，就像人开车一样，越开越好。

物理 AI 的关键

是预判行动的后果

主持人：  现在 AI 生成的视频越来越逼真，但场景和空间控制仍存在问题。AI 怎样才能真正理解物理世界？

邓志东：  目前的视频生成模型，本质上仍是像素序列预测，并不真正理解物理世界的规律。

数字 AI 的成功，关键是找到了语言建模这个切口，但物理世界有自己的规律，不能简单沿用语言建模的方法。我认为，物理 AI 还没有迎来自己的 ChatGPT 时刻，需要在物理世界建模上实现根本性突破。

主持人：  视频生成公司、机器人公司、游戏公司都在谈世界模型。什么才是真正的世界模型？

邓志东：  真正的世界模型，首先要理解物理世界的因果演化规律，在动作执行之前预演后果。比如站在楼顶边缘，知道继续向前可能跌落，就会调整行动。机器人照顾老人、端水，也必须提前判断动作是否安全，不能等伤害发生后再纠正。

其次，还要理解任务和人的意图。比如拿起杯子和放下杯子，任务不同，动作规划也不同。世界模型既要遵从客观物理规律，也要把任务的语义和目标结合进来。

主持人：  如何评价世界模型的能力？

邓志东：  要看通用性、任务成功率和泛化能力。杯子的大小、形状、种类变了，机器人还能不能拿起来？任务成功率是 30%、50%，还是接近 100%？换到从未见过的环境，已有技能能不能迁移过去？这些都是重要的评价标准。

机器人会跳舞之后

还要能干活

主持人：  自动驾驶公司是否更有基础进入具身智能？机器人真正干活，又有哪些不同的难题？

邓志东：  两者有很多共性技术，模型、端侧芯片等能力也有复用空间，但任务特点不同。

自动驾驶主要是从 A 点安全到达 B 点，任务相对单一。机器人面对的场景相对简单、移动速度较慢，但任务非常多样。除了移动，还要操作物体，尤其是精细、灵巧的操作，这是自动驾驶没有涉及的难题。

目前不少人形机器人主要用于科教、表演和展示。要真正承担实际工作，还需要发展具身大脑、具身小脑和灵巧手。大脑负责环境理解、决策规划，小脑负责运动控制，灵巧手承担精细操作。只有这些能力共同提升，才能提高真实任务的成功率和泛化能力。

主持人：  机器人进入家庭，隐私问题如何解决？

邓志东：  可以探索联邦学习、群体学习。家庭数据留在本地，只上传训练得到的模型参数，云端汇聚、更新后，再将新模型下发到各个家庭。这样既能通过集体学习提升模型能力，又能减少原始数据上传带来的隐私暴露。

云边端协同

为物理 AI 规模化落地

提供支撑

主持人：  中国移动的智能网络底座，能够为具身智能的发展提供哪些支持？

邓志东：  更强的 AI 能力需要更大算力，但如果把大量算力放到机器人端侧，芯片成本和功耗都会大幅上升，影响规模化商业应用。通过以移动通信为底座的云边端协同基础设施，有望缓解这一矛盾。

一种思路是，把大量 AI 算力部署在基站附近的边缘计算中心、边缘服务器上，为覆盖范围内的机器人提供共享服务，分摊算力成本。机器人通过高带宽、低时延、大连接的移动通信，与边缘算力保持连接。移动通信把终端和分布式算力连接起来，能够为具身智能提供重要的基础设施支撑。

共创智能经济

让 AI 进入日常生活

主持人：  2026 移动网络大会以 " 共创智能经济新形态 " 为主题。智能经济给普通人带来的最直接变化是什么？

邓志东：  首先是智能出行，智能辅助驾驶能够减轻驾驶负担，改善出行体验；其次是办公效率提升，AI 智能体可以帮助完成更多日常工作；还有自然人机交互——通过语音就能搜索信息、完成操作，让人们更方便地使用 AI，降低技术使用门槛。

主持人：  智能经济的新形态，需要什么样的伙伴共同创造？中国移动能发挥什么作用？

邓志东：  可以围绕算力、数据、模型和场景建立生态。在算力方面，通过通信网络连接异地算力中心，支撑算力共享和协同计算；在模型和数据应用方面，结合基础设施建设，探索隐私计算、联邦学习等方式，为模型训练和应用提供支持；在场景方面，通过合作让 AI 进入千行百业、千家万户，推动 " 人工智能 +" 规模化落地。

中国移动的重要作用是建设好通信与 AI 基础设施底座。

（2026 移动网络大会将于 11 月 5 日 -7 日在广州保利世贸博览馆召开，更多重磅观点与前沿成果将在大会现场呈现，欢迎持续关注。）

——社群推荐——

与前沿大脑同步在线，让思维时刻领先。

欢迎扫描下方二维码，加入你的科技同行圈。

▲欢迎加入粉丝群▲

——   END   ——

排版 | 张金禹     审核 | 北辰