全球AI产业链中，物理AI（具身智能）的技术路线与产业化瓶颈是什么？

物理模型的核心任务是在物理世界中感知、推理和行动，行业主要沿着VLA模型和世界模型两条路线推进。VLA模型解决如何根据感知和指令生成动作，世界模型解决环境将如何变化的问题。当前VLA模型正从模块化拼接走向端到端统一，开发重心转向大规模数据训练与空间推理能力提升，以及多机器人和多任务数据训练增强跨场景泛化能力。世界模型则承担物理推演职能，弥补VLA模型预判不足，为机器人和自动驾驶系统补充可控场景，降低对大规模真实采集的依赖。

两条路线的共同瓶颈在于高质量物理交互数据仍然稀缺。与语言模型可使用互联网大规模文本训练不同，机器人数据必须依赖真实硬件或高质量仿真环境采集，成本明显更高。目前行业同时依赖三类数据：仿真数据与视频数据用于大规模预训练，真实数据用于强化学习以覆盖长尾场景。真实数据具备高保真优势但采集成本高昂；仿真数据可大规模获取但存在仿真到现实的迁移损耗；视频数据兼具来源广泛优势但存在物理交互缺失、噪音干扰大等问题。三类方案各有利弊，技术路线尚未收敛，仿真、视频数据与真实数据相结合的路径或是未来主流方向。

从产业化进度看，VLA模型要从实验室进入真实环境，需要适应不同机器人本体、不同任务流程和不同操作场景，单一企业难以覆盖全场景，目前主要依赖行业联盟共建数据集来整合多方异构数据、分摊成本并降低单一数据源的分布偏差风险。世界模型方面，NVIDIA Cosmos通过生成和增强合成数据为机器人和自动驾驶系统补充更多可控场景，从中长期看有望作为VLA动作回路外的近似推演层，用于候选动作预筛、离线策略评估等场景，降低实机试错开销。