上交大张伟楠：物理智能七层技术栈与AI走出屏幕的路径
原标题：上交大张伟楠教授：AI如何走出屏幕，真正改变物理世界？ | CNCC 2026
AI 摘要
上海交通大学教授、上海人工智能实验室物理智能中心负责人张伟楠在CNCC 2026的Tutorial论坛上发表演讲，系统阐述「物理智能」的概念、与具身智能的区别及七层技术栈（硬件与系统、数据与仿真、感知与认知、世界模型、基础模型、物理智能体、应用层）。他指出基础模型、世界模型、强化学习与高吞吐仿真、虚实迁移及硬件成本下降正推动物理智能走向可行实践，但真实交互数据昂贵、局部观测和长时程预测误差累积仍制约能力扩展。同期该团队发布专著《Physical AI: Concepts, Techniques, and Challenges》，为机器人、自动化、仿真和科学智能等方向提供讨论框架。
正文节选
0 作者丨张 驰 编辑丨马晓宁 大语言模型已经得到了长足的发展，但 AI 的许多能力仍然发生在屏幕之内：理解文字、生成内容、编写代码，以及调用数字工具。把这些能力带入工厂、实验室和城市设施，意味着智能系统必须进一步面对物体、空间、力与时间，在持续变化的环境中作出判断，并承担行动的实际后果。 AI 如何从处理数字信息走向可靠地参与物理过程，正是“物理智能”要回答的问题。 这一步跨越的难度，很难仅用模型参数或推理能力来衡量。机器人拿起一只杯子，既要识别位置和形状，也要判断接触、摩擦与受力；实验设备执行一次操作，既要理解任务，还要满足精度、时延和安全约束。 网页操作失误可以刷新，物理世界中的碰撞、损坏却未必能够撤销。感知是否及时、动作是否可控、失败后能否恢复，都会直接影响系统能否真正投入使用。 在今年 CNCC 首日面向博士生、青年学者的 Tutorial 专题论坛环节中，上海交通大学计算机学院教授、上海人工智能实验室物理智能中心负责人张伟楠发表了题为《物理智能及关键技术概述》的演讲。在他看来，基础模型、世界模型、强化学习与高吞吐仿真、虚实迁移，以及硬件成本的下降，正在共同推动物理智能从研究