"

物理AI终极形态，相当于从培养只会读书的天才，变成培养一个“能跑能跳、会犯错会学习的人类孩子”，就算它开始是个“学渣”，也必须是具备行动能力的“全能学渣”。

"

搅翻AI界的DeepSeek，团队140人，创始人梁文锋是中国80后。

机器人上春晚的宇树科技，研究通用机器人G1时只有3名专员，参与者不过10个，创始人王兴兴是90后。

当DeepSeek把语言大模型顶流OpenAI拉下神坛，一个合理推测，DeepSeek如果同宇树科技联手，有可能研发出真正的物理AI通用大模型，也就是机器人大模型。

用美国AI教父黄仁勋的话，叫做“宇宙大模型”。埃隆马斯克xAI想干，他不久前发布Grok3，目标也是这个。

谁更快呢？中国90后和80后显然效率更高。梁文锋和王兴兴，能把70后马斯克干退休吗？

1.AI研发不神秘，别让大神们带歪了

现在搞AI都有光环，黄仁勋、奥特曼、马斯克们，这些硅谷精英名字如雷贯耳，被神话了。

高智商、大志向、巨额资本追捧，指明人类文明前进方向……但2025很骨感，中国出来一群年轻人，嘁哩喀喳一顿神操作，把神话人物们的高大上项目，打出了原形。

AI到底是什么？理解AI产业，先弄懂基础知识。基础知识不需要专业术语，需要退休的咱爸咱妈都明白的简单道理。

AI是人工智能（Artificial Intelligence）英文缩写，就是“人造的智能”。直白一点，人想造出来跟自己一样聪明的机器。那么，你就必须明白，人的智能怎么来的？人为什么聪明？

有一篇目前为止最棒的理解人类思维与智慧的文章——《人的正确思想是从哪里来的？》，是这么解释人类智慧源头的。摘录如下：

●人的正确思想是从哪里来的？是从天上掉下来的吗？不是。是自己头脑里固有的吗？不是。人的正确思想，只能从社会实践中来。

●无数客观外界的现象通过人的眼、耳、鼻、舌、身这五个官能反映到自己的头脑中来，开始是感性认识。这种感性认识的材料积累多了，就会产生一个飞跃，变成了理性认识，这就是思想。这是整个认识过程的第一个阶段，即由客观物质到主观精神的阶段，由存在到思想的阶段。

●然后又有认识过程的第二个阶段，即由精神到物质的阶段，由思想到存在的阶段，这就是把第一个阶段得到的认识放到社会实践中去，看这些理论、政策、计划、办法等等，是否能得到预期的成功。一般的说来，成功了的就是正确的，失败了的就是错误的。这是第二次飞跃。

●一个正确的认识，往往需要经过由物质到精神，由精神到物质，即由实践到认识，由认识到实践这样多次的反复，才能够完成。对于物质可以变成精神，精神可以变成物质这样日常生活中常见的飞跃现象，有很多人觉得不可理解，但这就是人类认识论的道理。

好，感性认识、理性认识、认知飞跃、实践检验、多次反复，抓住这几个关键词，今天AI大神们讲的技术天书，其实就没什么稀奇了。

有个细节要清楚，与人的学习和思维养成不同，AI是从语言学习开始的，也就是从理性认知起步。

因为它是机器，不是人类小孩。小孩子的学习，是从叫爸爸妈妈、吃奶吃饭、走路摔跟头开始的，这些基本是感性认识。

但AI从一开始就被装入人类的语言和知识，它是从“书本学霸”的理性认知开始变聪明的。所谓“语言大模型”就这个意思

2.从“书本学霸”到“全能学渣”

学会说话，人有了思维力。学会走路，人就有行动力。

AI也一样，只会说不会跑，只会想不会干，“语言大模型”再牛掰都是残疾人。“机器人大模型”研发出来，AI才能真正长大。陆游有一句诗，“纸上得来终觉浅，绝知此事要躬行”。

当下ChatGPT们就像一个“超级学霸”，它读完了世界上所有的书，能通过文字理解知识、写文章、解题，甚至模仿人类的逻辑推理。但它只是一个瘫坐在图书馆里的学霸，知识渊博却无法走出房间。

这样的“学霸”，比那些会玩会闹、会跑跳投、会干坏事儿的“学渣”们差远了！

物理AI，也就是具身智能，或者叫“机器人大模型”，大目标是让学霸变成一个“全能运动员”，既能读书思考，又能跑步、打球、做实验，甚至通过亲身体验总结物理规律。

需要做些什么呢？

从纸上谈兵到动手实践。物理AI需要像人类一样，通过眼睛看苹果的颜色、用手感受苹果的重量和质地，甚至咬一口知道它是脆的甜的。

从静态知识到动态适应。机器人能否“吃一堑长一智”？被门夹了一次手，下次开门时会主动放慢动作、试探空间，物理AI必须要给它赋能高效学习反馈的算法。

从虚拟世界到“物理肉身”。需要开发像人类皮肤一样敏感的电子触觉传感器、像肌肉一样柔韧的驱动装置，甚至设计接近人脑能效比的超级AI芯片。（千万别以为英伟达芯片有多牛，眼下最棒的AI芯片，能耗比与人脑差距也在万倍以上。）

从单一任务到通用智能。物理AI需要成为“通才”，既能拧螺丝修车，又能照顾老人，还能在陌生环境中探险。

以上这些，就类似黄仁勋说的“宇宙大模型”，它需要像人类一样，掌握一套理解世界的基础规律，比如重力、摩擦力、材料特性，并灵活组合这些知识，应对新场景。

火爆的语言大模型只会“理性思考”，物理AI却要“感性实践”，既要读万卷书，也要行万里路。

通俗说，物理AI终极形态，相当于从培养一个只会读书的天才，变成培养一个“能跑能跳、会犯错会学习的人类孩子”，就算它开始是个“学渣”，也必须是一个具备行动能力的“全能学渣”。

3.王兴兴+梁文锋=超越马斯克

马斯克自始至终都明白，他布局特斯拉自动驾驶FSD，下注Optimus机器人，尤其是xAI快速升级Grok3大模型，目标都是物理AI。

但显然，距离理想效果差太远了。

梁文锋DeepSeek展现了更高效的算法。王兴兴机器人G1迭代速度更快、成本更低。中国80后和90后如果联手，加上中国为最丰富的工业和产业应用场景，通过数据“饱和式喂养”，会怎么样？

首先，宇树机器人采用“端到端AI控制”，抛弃传统机器人分层的“大脑-小脑”架构，直接通过强化学习训练整体运动模型，算法迭代周期缩短至周级别。

成本方面，自研电机、3D激光雷达等核心部件，G1售价9.9万元人民币，而马斯克Optimus预估价格60万美元。如果量产，“中国速度”不是产业空心化的美国能比的。

DeepSeek纯强化学习方法（GRPO算法）属于“自生长”模型，这与物理AI所需的“自主探索物理规律”的特性高度契合——正如人类通过试错理解世界，DeepSeek的算法框架，天然适配物理交互中的动态反馈机制。

更重要的是，DeepSeek算法已成功迁移至多模态领域，具备“文本-视觉-物理参数”（VLA）的贯通性，它在复杂场景下的泛化学习能力远超传统方法，这是构建世界大模型的关键基础。

其次，两者如果结合，宇树机器人G1支撑多场景动态物理数据采集反馈，能让DeepSeek获取多场景物理耦合数据，形成“感知-决策-执行”全链路训练集。

而中国各类软硬件企业都在部署DeepSeek，像拼多多之类的大型电商网站数据、大疆无人机群实测数据、长三角电网调控数据、宁波港物流数据等，还有各类线下线上的应用场景产生的数据，都可能给DeepSeek创建物理AI提供“跨域验证场景”。

第三，有人预测，未来两年如果宇树机器人G1在100家工厂规模化部署，通过数亿小时物理交互数据训练，有可能率先突破“具身智能”模型搭建。

中国特色“国家算力基建+市场化敏捷研发”协同模式，给DeepSeek训练物理AI大模型喂养“高精度+高速度”数据，DeepSeek有70%概率2026年前完成物理AI算法重构。

这样，王兴兴+梁文锋组合，极有可能用“真实物理世界倒逼算法进化”策略，以“开源模型+工业场景”组合拳，在物理AI赛道撕开突破口。

某种意义上说，中国80后和90后不需要理解所有物理定律，只需让机器人AI在真实世界中“暴力试错”，物理大模型就能自己浮现。

从中美AI竞赛角度看，谁能更快建立“物理规律-AI模型-产业落地”三位一体循环体系，谁就能主导“世界大模型”的话语权。黄仁勋的预言早晚“理想照进现实”，大概率会以东经120度为坐标原点。

70后马斯克足够聪明，不可能不了解这样的现实，用“第一性原理”就能推导出来。

他当然不想被干退休，要么xAI招聘那么多华人程序员干啥？！

本文仅为作者个人观点，不代表水滴汽车立场。