在北京市海淀区两会期间，海淀区政协委员、光轮智能（北京）科技有限公司联合创始人兼总裁杨海波表示，应以仿真技术构建物理AI基础设施，抢抓具身智能发展机遇，为我国培育新质生产力、实现高水平科技自立自强注入动力。

　　作为深耕物理AI与仿真技术领域的从业者，杨海波带领企业专注于生成式AI与仿真技术深度融合，为具身智能领域提供高质量、规模化数据生成、工业级仿真评测等解决方案，超过80%的国际主流具身智能团队的仿真资产与合成数据来源于光轮智能。

　　杨海波指出，当前大语言模型的飞速发展推动人工智能浪潮转向更具挑战性的物理AI领域，人工智能正步入以“具身智能”为标志的深刻变革期。这场变革将重新定义机器与环境的交互方式，为千行百业带来前所未有的自动化与智能化机遇，成为培育新质生产力的关键引擎。

　　在他看来，迈向物理AI的核心关卡在于数据。与互联网上海量的文字、图片数据不同，物理世界三维的、具有精准物理交互的数据极度匮乏且获取成本高昂。“让机器人学会像人一样开门、操作工具，不仅需要视觉识别，更要精准感知力、摩擦、形变等物理参数。”杨海波表示，构建高度逼真的“仿真训练场”，成为支撑这场智能革命的重要物理AI基础设施。

　　针对仿真技术的价值，杨海波强调，仿真合成数据并非真实数据的简单替代，而是驱动具身智能模型规模化成长的核心支撑。他以行业实践为例，自动驾驶主要基于视觉处理车辆防碰撞，而具身智能需与物理世界进行深度复杂交互，其数据需求是前者的千倍以上。无论是工业场景中线缆的柔性插拔，还是家庭环境中冰箱门的磁吸阻尼，都需要在仿真环境中进行毫秒级精度、符合真实物理规律的模拟训练。这就要求仿真技术实现从“视觉渲染”到“物理计算”的本质飞跃，核心难点在于力、形变、接触等物理参数的高度保真。

　　杨海波结合光轮智能的技术探索进一步说明，传统仿真常因物理不真实、交互不准确等问题导致与真实世界存在差距，为此其团队自研“求解、测量、生成”三位一体的全栈自研仿真技术，通过自动化物理测量打造虚实对标仿真工厂，确保仿真数据与真实世界100%对齐。他认为，物理AI的进步不再仅依赖海量现存数据挖掘，更得益于主动构建可无限扩展的高质量仿真数据的能力。

　　“构建安全、可靠、可验证的仿真数据体系，是夯实人工智能安全底座的关键。”杨海波表示，仿真技术让AI在进入物理世界前，能在受控的“数字孪生”环境中充分试错、积累经验。这种发展模式为我国人工智能产业参与全球竞争开辟了差异化路径，中国丰富的产业场景与前沿仿真技术深度结合，有望打造更智能、更可靠的机器人“大脑”与“身体”，赋能制造业升级、养老服务、危险作业等广阔领域。

　　杨海波还关注到政策层面的利好导向。他指出，国家数据局近期发布的《关于加强数据科技创新的实施意见》，明确要求加快攻关高质量数据集构建等关键技术，助力人工智能、具身智能发展；工业和信息化部在《人形机器人创新发展指导意见》中也强调，需构建仿真系统和训练环境，加快技术迭代、降低创新成本。这些政策指引充分表明，以高质量仿真数据驱动人工智能与具身智能发展，已成为我国的重要战略路径。

　　杨海波表示，从大语言模型到具身智能，人工智能的下半场革命已拉开帷幕，这不仅呼唤算法创新，更需要对物理世界的深度理解与数字化重建能力。

　　“谁能持续为物理AI规模化发展提供稳定、高质量的数据供给，谁就掌握了开启智能未来新篇章的钥匙。”杨海波强调，专注于物理AI基础设施的科技企业，正通过仿真技术连接虚拟与现实，加速智能体走进工厂、家庭和人们生活的每一个角落。这场变革将为中国人工智能产业在全球格局中实现换道超车，提供新的可能与底气。

　　记者：刘志国

　　文字编辑：王菡娟

　　新媒体编辑：米宁（实习）

　　新媒体审核：杨岚

作者：人民政协报