【导语】当前AI在数字领域表现卓越，但在物理世界应用仍存显著短板。复旦大学教授苏昊指出，大模型学习的是语言描述而非物理本质，导致机器人无法完成如帮老人翻身等复杂任务。这一现象揭示了具身智能从展示到实际落地的核心障碍。 近日，复旦大学浩清特聘教授、通用物理智能研究院院长苏昊在论坛中指出，AI虽能写诗、编程，却无法协助老人翻身，凸显了物理智能发展的滞后。苏昊认为，根本原因在于大模型基于语言学习，仅触及世界表象，缺乏对重力、材质等物理规律的直观理解。例如，模型可描述“杯子落地会碎”，却无法感知其重量。 过去一年，具身智能成为AI产业热点，人形机器人（如A股机器人概念股）在展会中展示行走、搬运等技能，但距离实际应用仍有鸿沟。在工厂等结构化环境中，机器人可通过数据训练完成任务；但在家庭、养老院等开放场景，动作需动态调整，如拿杯子需判断材质和力量，帮老人翻身需适应人体状态。 从资金面看，市场对机器人板块关注度持续升温，但技术面显示，模型泛化能力不足。智元合伙人姚卯青指出，当前模型基于视频生成，缺乏对质量、摩擦等物理参数的感知。它石智航CEO陈亦伦强调，机器人需通过交互不断调整行为，而非仅依赖预训练数据。 【总结展望】具身智能的突破需从语言模型转向物理模型，融合多模态感知与强化学习。短期看，机器人应用仍以工业场景为主；长期看，随着技术迭代，养老护理等家庭场景有望成为新增长点，但需跨越数据与算法瓶颈。