复旦大学苏昊：物理智能或使新材料、新药发现快上几个数量级

2026-07-20 02:30:39

7次

21世纪经济报道记者邓浩

AI下一个突破方向，很可能是物理智能。

在2026世界人工智能大会（WAIC）主论坛上，复旦大学浩清特聘教授、复旦大学通用物理智能研究院首任院长苏昊以一只会摔碎的杯子举例，说明大模型幻觉的根本原因是没有“身体”。

在苏昊看来，语言只是世界的投影。语言模型可以流利地描述“杯子掉在地上会碎”，却从未感受过杯子的重量。它学习的是人类对世界的描述，而不是世界本身。知识缺乏现实的锚点，模型即使说错，也无从自知。

苏昊认为，要走出幻觉，必须让AI走出“数字世界”的边界，去亲身体验，把自己交给“物理世界”去裁判——做出预测，采取行动，被现实修正。这个古老的过程叫作实验，也是物理智能的关键。

但是，物理智能并不只是给大模型装上一具机器人躯体。真正困难的，是让机器获得一套关于现实世界的完整知识体系。

苏昊将这种知识划分为六个层次。下三层属于客观世界：识别世界中有哪些物体，理解物体当前的状态，掌握物体在力的作用下如何变化。上三层则与行动主体有关：物体有什么功能，主体希望世界变成什么样，以及如何通过具体行为实现目标。

越往上，知识越难依靠观看和语言获得。互联网视频能够记录物体外观和运动，却缺少力觉和触感；教科书方程足够精确，却通常描述理想条件；真机数据有力觉、有操作示范，但规模有限；工人、医生和实验人员的大量经验，又属于难以被完整表达的隐性知识。

因此，苏昊判断，物理智能的突破口未必是模型架构，而是知识聚合。让视频、方程、力觉数据和人的操作经验等进入同一个模型并相互校准。

而物理智能更深远的影响，可能出现在科学发现领域。

今天的AI可以阅读论文、检索数据库，却基本仍是知识的“读者”。而新材料和新药发现的关键在实验：提出假设、设计条件、合成样品、观察反应，再根据结果调整方案。

在某种程度上，当AI能够连接实验仪器和机器人系统时，它就可能转变为知识的“创造者”：自动提出候选方案，控制变量，执行实验，记录成功与失败，再把结果反馈给模型。多个实验流程还可以并行运行，持续迭代。

苏昊判断，当AI拥有能够感知、操作和验证真实世界的“双手”时，新材料和新药的发现速度可能提升几个数量级。

此外，苏昊认为行业的重心将从“演示做得多惊艳”，转向“运行得有多可靠”。工程上有个说法叫“几个九”：从99%到99.9%，每多一个“9”，难度都指数级上升；演示与产品的差距，就卡在最后那几个“9”里。通用性是终点，而可靠性才是起点——愿意在“9”上下笨功夫的团队，会走得最远。

苏昊预计，物理智能不会在某场发布会上突然实现，而将像电气化一样逐步扩散：先进入边界清晰的工厂和仓库，再进入商店、医院，最后走进家庭。

不过，在苏昊看来，物理智能不是人的替代者，而是人的协作者——填补的是人手的缺口，把翻身、搬运这样的体力活交给机器，把照护者的时间还给陪伴与关怀；把危险的作业交给机器，让人退到安全线之后，承担判断与创造。

“物理智能的使命，是把人还给人。”苏昊说。

官方网站-首页