从会动到能用，物理AI峰会聚焦具身智能大规模应用

5月30日，BEYOND Expo 2026物理AI峰会在澳门举行。作为收官日的重要议程之一，峰会延续展区中持续升温的机器人热度，将讨论进一步带向技术路径、产业部署和商业化应用。

本届BEYOND Expo以“AI：数实共生”为方向。在这一大会方向下，Physical AI把人工智能的讨论进一步带向真实环境中的感知、行动和反馈能力。围绕这一方向，来自智元机器人、TimeKettle、Matrix Robotics矩阵超智、Intbot、Butlr、Looki、Ling.ai、Traini、NoeMatrix、清智资本、动易科技等企业和机构的嘉宾，分别从机器人数据、基础模型、本体硬件、感知系统、交互智能和产业应用等角度，分享物理AI进入现实世界所需补齐的关键能力。

在主题演讲环节，智元机器人合伙人、研究院执行院长、具身业务部总裁姚卯青以“通向具身智能大规模突破之路”为题，介绍了具身智能从本体、数据、模型到应用闭环的全栈路径。

他从机器人规模化应用的前提切入，谈到机器人要真正被用起来，首先需要稳定、可靠、经济且具备一致性的本体。与汽车制造类似，大规模机器人产品需要在硬件一致性上达到较高水平，才能让软件和模型能力稳定部署。同时，机器人还需要具备足够强的Physical Intelligence，这也使模型、数据和应用之间的飞轮变得尤为关键。

在数据层面，姚卯青介绍了智元机器人开源的AGI Bot World机器人学习数据集，以及面向VLA模型、世界模型和仿真评测的相关进展。他提到，机器人学习所需数据无法像语言模型一样直接从互联网获得，真实世界任务也比语言系统更复杂。围绕这一挑战，智元机器人通过真机数据、超视距遥操作、工业级数据治理和仿真平台等方式，推动机器人数据从采集、标注、训练到评测形成更完整的链路。

仿真也是这一链路中的重要部分。姚卯青在分享中介绍，仿真并不只服务于训练，更重要的作用在于评测。对于机器人算法而言，直接在真实世界中测试成本高、风险大、迭代慢。通过数字孪生、真实资产重建和语言生成环境等能力，仿真平台可以帮助机器人在进入工厂、3C、半导体等应用环境前，先完成指令理解、操作精度、环境扰动和空间认知等方面的测试。

在“Intelligence Without Borders: Localizing AI for Global Users 无界智能：为全球用户本地化人工智能”环节，TimeKettle创始人田力结合AI翻译硬件的全球化实践，讨论AI原生硬件如何适配不同市场的语言习惯、用户行为和使用环境。