当前，人为智能正从数字世界加快走向物理世界。大说话模型使AI具备了理解说话、天生内容、辅助决策的能力；“物理AI”则进一步要求AI理解空间、物体、作为和工作，并通过机械人、智能终端、自动化设备等载体在真实世界中实现工作。

天娱数科首席数据官吴国毅博士在接受记者采访时暗示，全球领域内，英伟达、Google DeepMind、Figure、Physical Intelligence等科技企业都在推动AI从“说话模型”向“视觉—说话—作为模型”演进。国内政策层面，“人为智能+”行动、“人为智能+造作”专项行动、人形机械人与具身智能尺度系统等有关政策密集出台，也标志取AI正从模型较量进入产业落地、场景利用和物理执行的新阶段。

据悉，全球物理AI目前还处在早期发作阶段，但方向已经极度清澈：竞争在从单纯比拼模型参数，转向比拼“模型、数据、仿真、硬件、本体和场景”的系统能力。

第一是“视觉—说话—作为模型”，也就是VLA模型。它让机械人不只是“看懂”和“理解语音指令”，还要可能将天然说话指令转化为作为。

第二是仿真训练和世界模型。真实世界训练成本高、风险高，所以行业在通过数字孪生、仿真环境和合成数据，让机械人先在虚构环境中进建，再迁徙到现实场景。

第三是高质量数据资产。大说话模型必要文本语料，物理AI更必要三维数据、作为数据、轨迹数据、物体交互数据和工作反馈数据。未来谁把握更多懂空间、懂作为、懂场景的数据，谁就更有可能成立优势。

“大模型时期，数据是燃料；物理AI时期，懂物理的数据才是高标号燃料。”吴国毅说。

吴国毅通知记者，目前，天娱数科在这一方向上的主题布局，是BehavisionPro空间智能MaaS平台，可将其视为面向具身智能和物理AI的空间智能基座。天娱数科切入这个领域，是但愿萦绕这些痛点做基础设施：用数据资产解决训练燃料问题，用行为模型解决工作规划问题，用统一接口解决跨本体适配问题。

天娱数科在物理AI领域的指标是：让机械真正懂世界，让AI真正能行动。“这句话背后是一项持久工程”，吴国毅分析说，机械要懂世界，必要高质量数据；机械要会行动，必要行为模型；机械要进入产业，必要统一接口和场景验证；机械要规；，必要安全、尺度和生态。

物理AI不是短跑，而是一场长跑。它不会只属于某一家机械人企业，也不会只靠某一个大模型实现。它必要数据公司、模型公司、机械人公司、造作企业和场景方共同协同。

天娱数科但愿成为其中的基础设施建设者。公司“高质量纹理3D铰接数据”“多模态VLA具身机械人抓取数据”等已经入选《北京市行业高质量数据集典型案例》及《北京市高质量数据集服务商》，并参加中国信通院MaaS尺度、中国人为智能产业发展联盟多模态MaaS尺度造订。