点击下方卡片，关注【Xbotics具身智能实验室】公众号

你想要的这里都有~~

一、具身智能缺一把物理世界的尺子

数字AI之所以能靠Scaling Law一路狂奔，是因为它在一个极其宽容的环境里成长。文本生成偏了，重新采样一次即可；推荐系统猜错了，损失不过是一个点击率的小数点后几位。数字世界的闭环成本趋近于零，错误本身甚至能变成训练信号。

物理世界没有这份宽容。

2026年7月19日，大晓机器人董事长王晓刚在WAIC世界模型论坛上把这个问题直接摆到了台面上：数字世界里的模型犯错，最多让生成的图文出问题；物理世界里的机器人判断偏差，后果是真实的、不可撤回的损失。过去几年大模型进入具身领域，机器人能听懂指令、识别物体、规划动作路径了，但衡量这些能力的方式，主要还是参数规模和基准测试分数。这套尺子放在物理世界里是失效的——它量不出机器人在真实场景里抓错一次零件、碰倒一次货架要付出多少代价。

一个更根本的问题始终悬在那里：机器人在真实环境里犯错，这个代价怎么量？怎么降？

王晓刚在WAIC上给出了大晓的答案：把行动代价作为物理AI的核心目标函数，从底层重新定义这件事应该怎么做。

二、行动代价是可以计算的

大晓提出的具身世界模型第一性原理，核心是一个公式。

机器人的行动代价记作J，由两个变量共同决定：关键信息（CID）和控制充分状态（CSS）。机器人掌握的关键信息越精准，对自身当前控制能力的判断就越诚实，犯错的概率越低，J值就越小。

王晓刚用驾驶员的例子解释这套逻辑。一个有经验的驾驶员开车时，从不试图记忆路边每棵树的形状，注意力只锚定在车速、车距、道路边界这些真正决定安全性的变量上。这不是能力限制，而是人类在有限认知资源下演化出的代价最优策略——只提取能改变行动结果的信息，其余全部过滤。世界模型的使命正是如此：从海量多模态输入中萃取CID，锚定CSS，让J值在每一次交互中递减。

与行动代价公式互为表里的，是信息密度定律：数据的价值不取决于数量，而取决于它能否改变行动结果。大晓据此将数据分为五级：L1到L2级只能支撑基础预训练，L3到L4级能处理已知任务的拟合，只有L5级数据——深度包含三维力触觉信号、失败恢复轨迹和开放场景变量——才携带着真正能推动J值下降的信息密度。其余的数据，即使规模庞大，本质上只是噪声。

行动代价公式定义了什么是“好系统”，信息密度定律定义了什么是“好数据”。两者共同构成了具身智能第一性原理的完整表达。

这套框架最锋利的地方在于它的彻底性。行业过去习惯谈智能、泛化、理解，这些概念难以直接衡量；J值可以。它不关心你的模型架构是VLA还是WAM，不关心你的数据来自遥操作还是仿真，只追问一件事——这套系统，让机器人在真实场景里少犯了多少错。

这套逻辑也获得了来自第三方的印证。

毕马威中国最新报告将全球世界模型归纳为四大流派，并以世界理解、状态推演、动作预测三个维度构建坐标系：表征式模型抽象化推演世界，生成式模型像素级复现世界，交互式模型三维交互模拟世界，而以Kairos为代表的"理解—生成—预测"一体化流派，目标是让模型理解、预测并自主改变世界，输出可自主进化的世界状态与控制信号。报告同时指出，现阶段全球技术路径正呈现由百花齐放向一体化架构收敛的趋势，这一流派也是当前被判断为最接近物理AI真实落地需求的演进方向。

三、Kairos 3.1：让J值可计算的系统级载体

定义了J值，还需要一个技术载体让它真正可计算、可下降。大晓的答案是Kairos 3.1世界模型。

全球具身世界模型目前沿表征式、生成式、交互式三条路线演进，各有侧重，但有一个共同短板——能力之间相互割裂，很难同时做好环境理解、因果推演和动作执行。产业落地需要的，是一个能把三件事统一完成的系统。

毕马威报告的坐标系中，Kairos是唯一同时在世界理解、状态推演、动作预测三个维度上处于最高点的模型，从第三方视角印证了这条路线的完整性。

Kairos 3.1走的是原生统一架构。生成智能、物理智能、认知智能共享同一套特征表征，底层打通，信息流转时不损耗，系统对当前状态的判断始终完整。

对应到行动代价公式，三类智能各司其职。生成智能负责从多模态输入里提取CID——把环境中真正影响行动结果的那部分信息识别出来；物理智能在平行空间里推演多种可能性，把试错成本提前在虚拟环境里消化，真机执行的是已经筛选过的方案；认知智能负责长程任务的拆解与推理，帮助机器人在复杂任务里持续维持对CSS的准确判断。三者协同运转，指向的就是J值的持续下降。

技术实现上，Kairos 3.1用混合Transformer架构和共享混合注意力机制，把视觉、语言、力触、轨迹等多维数据统一压缩进同一个隐空间，形成高密度表征向量。空间理解底座ACE-BRAIN-0.5累计获得十二项全球SOTA。Kairos-HomeWorld内置30万套中国住宅平面图和8700个标注了六大物理属性的三维资产，为预演提供高保真仿真环境。在RoboTwin 2.0、LIBERO-Plus等四项权威评测中，Kairos 3.1均排名第一，超越Cosmos 3、PI、MotuBrain等全球主流世界模型，已向全行业开源。

其端侧推理性能，也足以让行业震动。自研KairosRT推理引擎在NVIDIA Jetson Thor平台上，把8B模型的推理延迟压到了125毫秒，比同类世界模型Cosmos 3 Nano快52倍。过去很多世界模型只能在云端跑，无法驱动机器人做实时控制。125毫秒意味着世界模型从演示工具变成了能装进机器人脑袋里的东西。WAIC现场完成了真机同步运行演示。

光有好的规划还不够，真实场景里总会出现预演没覆盖到的意外。Kairos 3.1在执行层加了一套自主反思闭环：任务执行过程中，评估器全程跟踪操作状态，一旦某个步骤失败，系统自动定位失败节点，重新调用平行推演能力，生成新的候选轨迹，筛选后再次执行。

WAIC现场演示的开冰箱任务是一个直观的样本。机器人第一次用三指抓握，失败。系统判断是发力不足，生成多组新的操作轨迹，推演对比后切换成四指方案，第二次执行成功。全程无人介入，机器人独立完成了从失败到恢复的完整闭环。每一次这样的循环，都是J值在真实场景中的一次下降。

这套反思机制在规模化商业落地中的意义在于没有哪个客户愿意为每一次任务失败等待人工处理。

自主反思让机器人获得了部署之后持续进化的能力，这也正是毕马威报告所定义的世界模型最高层级L5"自我进化"的现实含义：

基于真实运行经验持续迭代模型与策略，实现自主成长与跨场景快速迁移。表征式流派回答"世界是什么"，生成式流派回答"世界会变成什么"，交互式流派模拟动作如何改变环境——三类流派各自在单一维度寻求突破，而"理解—生成—预测"一体化流派真正要解决的，是机器人在理解、推演、执行之后，还能在真实部署中持续进化。

这是四大流派之间最根本的分野，也是Kairos 3.1反思闭环存在的意义。

四、数据端和商业端的双重检验

信息密度定律定义了L5数据的标准，但把它真正生产出来是另一个工程问题。大晓在采集和标注两个环节重新设计了工具链。

采集端，ACE Ego Kit把头、手、胸三个部位的传感器整合成一套无线方案，同步采集多维感知数据。配套手套ACE Sense Glove力触觉灵敏度达到0.01牛顿，关节角误差小于2度，能把20余种传感器的同步误差控制在1毫秒以内。这个精度的意义在于，采集到的数据里保留了完整的物理因果信息，而不只是动作轨迹的几何坐标。

标注端，ACE-ViDiHand手部动捕范式帧级准确率0.997，动作平滑度提升4.8倍，解决了遮挡和快速移动两个长期难题。数据统一底座ACE Ego Matrix把空间坐标、本体结构、动作时序和数据质量拉齐，让不同设备、不同采集人员产出的数据能进入同一套训练流程。基于这套体系，大晓向行业开源了L5级家居复杂任务数据集ACE-Data-0。

理论讲得再好，最终要看机器人在真实场景里能不能把J值降下来。大晓目前跑通了三个方向的商业验证。

晓满解决即时零售的履约问题。多SKU、窄过道、全天候峰值，是零售仓储一直没解决好的痛点。履约机器人W1能在75厘米过道里作业，力控精度在1牛顿以内，打通机械控制、世界模型和订单仓储三个环节，支持天级快速部署。目前已在烧卖购、快客达、中石油便利店运行，计划一年内覆盖1000个零售场景。

晓新解决酒店洗衣的人力问题。酒店夜间洗衣需求占全天的80%，夜班难招人、节假日积压订单是行业普遍困境。晓新让机器人自主完成收、放、洗、叠、熨烫的全套流程，夜间持续运转，不依赖人工排班。

晓途解决开放场景的作业问题。依托通用智能大脑，晓途能适配多种形态的四足机器人，室内外连续作业，自主处理动态和静态障碍物，多机协同调度，全程无需人工介入。目前已在上海西岸常态化巡逻，在漕河泾园区承担安防巡检，在天津海棠花节完成文旅导览，均保持7×24小时运行。

三套方案共用同一套底座——数采范式、世界模型、部署路径全部统一。同一套逻辑能在不同行业里复制，意味着具身第一性原理的可推广性得到了实际检验。对于关注规模化前景的人来说，这是比技术参数更重要的信号。

五、把J值变成一把公共的尺子

大晓联合上海人工智能行业协会、河套学院、中国信通院华东分院等机构，共同发布Physical IQ物智评测平台，已有20余家高校与产业机构参与共建，上海交大、南洋理工、港中文等高校均在其中。

Physical IQ的价值不只是行业合作。它本质上是要把J值的评估逻辑变成一把公共的尺子，用统一协议贯通零售、工业、家居等真实场景，公平量化不同机器人本体与世界模型的物理智能水平。这件事如果做成了，行业竞争规则将发生根本变化——大家都要在同一标准下接受检验，技术泡沫的空间会大幅收窄。

生态层面，大晓同步发起世界模型云生态共建，百度智能云、阿里云、华为云、腾讯云加入；中科曙光、沐曦股份等国产芯片完成适配；商业落地层面与中国石油、快客达、商汤善惠、新奥集团新智认知达成战略合作。上半年完成数亿美元融资，投资方包括蚂蚁、吉利资本、商汤、启明创投等机构。

王晓刚在媒体沟通会上说，具身智能有四个核心要素——硬件本体、模型、数据和场景，只有把四者串联形成正向反馈，才能驱动持续迭代。大晓用一年时间从提出理论走到了商业闭环。

具身智能这个行业发展至今，不缺讲故事的人，也不缺做演示的公司。只有当行业开始用行动代价衡量智能水平，物理AI这件事，才算站到了实处。

-END-

Ask Me Anything｜提问箱

❝

对文章有疑惑，或想聊更深？欢迎把你的问题丢给我们：技术方案、实操踩坑、课程与资料、项目合作、职业发展，都可以问。

怎么问：在评论区留言，或私信公众号

我们会做什么：每周集中整理高质量问题并公开回复，重点问题邀请作者或嘉宾深度解答；典型问题会加入知识库并持续更新。

提问小提示：尽量说明「你的目标—当前做法—期望产出」，附上必要信息（硬件/软件版本、数据规模等），能更快获得有用答案。

一起把问题变成知识，推动社区进步 🚀