專題：2026世界機器人博覽會（WRC）AI大模型賦能機器人與具身智能產業新範式交流活動
2026世界機器人博覽會（WRC）於8月19-23日在北京亦創國際會展中心舉行。「AI大模型賦能機器人與具身智能產業新範式專題活動」在博覽會同期舉辦。知躍空間智能董事長兼CEO錢琳瑞出席並演講。
以下為演講實錄：
各位朋友，大家好。
過去十幾年，我們見證了人工智能一次又一次令人驚歎的突破：圖像識別，語言交互，生成代碼和視頻。今天，我們已經可以和一個 AI 談論幾乎任何事情。但有一個問題始終擺在我們面前。當 AI 離開螢幕，真正進入這個世界，會發生什麼？真實世界有空間，有時間，有重量，有延遲，也有無數無法提前預知的變化。一個杯子從桌邊滑落，不會等待模型完成下一次推理。一個機器人失去平衡，也沒有「重新生成一次答案」的機會。所以今天，AI 正在跨越一道非常重要的邊界——從理解數字世界，走向進入物理世界。這就是我們理解的 Physical AI。讓智能真正進入世界，感受世界，並且作用於世界。
而當智能進入物理世界以後，第一件發生變化的事情，就是——數據變了。過去我們談數據，是 Text、Image、Video。但對於一台真正生活在世界裏的智能體，這些是遠遠不夠的。物理AI的數據需要同時具備：空間、時間、語義，以及物理信息。更重要的是，這些數據不會停在那裏。智能體每做一個動作，世界都發生一次變化；世界的變化，又成為下一時刻的新數據。所以，未來最大的訓練集，就是我們生活的這個，實時變化的真實世界，那麼怎麼樣去構建一個實時數據集是我今天提出的第一個問題。
數據變了，模型需要改變麼？今天的大模型極其強大。但真實世界對智能提出了完全不同的要求。它要低功耗，因為機器人無法揹着一個數據中心行動。它要持續學習，因為世界每天都在變化。它要處理連續時間，因為運動、接觸和平衡都發生在毫秒之間。它還必須真正參與物理交互。那麼現在AI是否有能力處理這些問題呢？在2026年6月美國國家基金委大會上，數百個科學家都給認為現在AI框架在走入新的物理世界中，出現了瓶頸。那麼怎麼解決呢？我們知道，哪怕最高等的生物 - 人類的大腦，也長期保持20W的極低功耗，去持續感知、快速的決策，並在一個充滿噪聲和不確定性的世界裏穩定工作。所以我們開始思考：如果可以重構一個生物大腦，並找到與大腦計算方式一致的算法，我們是不是就可以形成一套 非大數據、大算力驅動的新的智能計算方式？
與此同時，智能承載的身體也正在發生變化。未來的智能會存在於不同的載體中。它可以生活在數字世界——成為數字生物 、數字孿生和 Virtual Agent。它也可以賦能現實世界——成為機械臂、四足機器人、人形機器人、無人機和無人艇 。它甚至可以重新連接生命科學——幫助我們研究數字腦、模式生物、腦疾病，以及腦機接口 。所以：未來的智能，不會只屬於一種身體。那麼智能能否進入不同的身體，理解新的身體，適應新的身體，然後繼續學習，也是關鍵需要解決的問題。所以，當數據改變、模型改變、身體也改變時——
Intelligence Must Change．新的 Physical AI 技術棧正在形成。
過去十年的 AI 技術棧非常清晰：Internet Data → Neural Network → Digital Application。互聯網數據進入神經網絡，最終產生數字世界中的應用。而Physical AI 正在形成另一套技術棧：Environment → Brain → Agent。當數據、模型和智能體這三個核心要素同時發生變化時，也意味着我們需要一套新的基礎設施來推動發展。就像過去 PyTorch 讓開發者可以方便地定義、訓練和運行神經網絡一樣，Physical AI 同樣需要一套工具，去構建世界、運行大腦，並把智能放進不同的身體。
過去幾年，我們一直在做這件事情。今天，我非常高興，可以第一次完整地把它介紹給大家。它的名字叫——DeepSoma。中文名字：知躍靈物。我們希望通過 DeepSoma 完成三件事情：讓世界可計算。讓大腦可運行。讓智能可遷移。接下來，我想讓大家直接看看，我們把這件事情，真正做成了什麼。
剛纔大家看到的，就是我們今天正式發布的——DeepSoma。接下來，我先給大家說明下視頻裏一個非常重要的細節。剛纔大家看到的果蠅飛行環境、大腦仿真，以及神經元不斷變化的放電狀態，都來自 DeepSoma 的真實工程輸出。這些畫面沒有用生成式 AI 去僞造仿真結果。環境由我們的工程師通過 DeepSoma 完成高精度的實時建模與物理仿真；果蠅大腦依據真實果蠅生物數據構建精細神經模型；螢幕上不斷變化的真實放電狀態，則是我們 DeepSoma求解器運行過程中通過對數字大腦的計算，記錄下來的神經元放電狀態。
DeepSoma 的整個體系，可以濃縮成三個動作 Build Worlds． Run Brains． Embody Intelligence．：在同一個系統裏，環境、大腦和身體已經能夠一起運行，形成閉環。
第一步，Build Worlds。這部分很多大家都不陌生啊，從數字孿生、到現在非常多公司在做的可微物理引擎，大家都在Build Worlds這個大板塊上努力着。DeepSoma 的核心工作是R2S+物理約束。通過多模態數據的輸入， 實時恢復幾何、語義、位姿和接觸關係，進一步估計材質、摩擦、動力學以及不確定性，最終形成：Space × Time × Semantics × Physics共同構成的 4D 世界數據。另外我們團隊核心突破的另一個工作是，數據結構問題，也就是如何把如此多維度、多種類的數據通過有效的數據庫設計，存儲下來。那麼最終，這部分通過 感知- 重建- 物理數據嵌入 - 仿真- 更新 形成的是一個閉環：Sense → Reconstruct → Embed Physics → Simulate → Update。我們想做的，是讓現實世界真正成為一種可以調用、可以重複實驗的數據基礎設施。
第二步，是我們投入最多時間的一件事情。Run Brains。大家看 PPT 右側，這是一張真實顯微鏡下的神經元。一個神經元包括樹突、胞體、軸突和大量分支，它遠比人工神經網絡裏的一個簡單節點複雜。越來越多的腦科學研究正在告訴我們：簡化的神經元丟失了大量的存算信息和高階智能，那麼，顯微鏡下這樣一個真實的「生物結構」，怎樣變成計算機能夠運行的模型，從而形成更高階智能？DeepSoma 封裝了我們自研的精細神經元建模工具和神經動力學求解器，可以讓大家快速的進行單神經元的建模，並從單神經元逐步擴展到神經迴路、connectome 和全腦動力學。這裏也引出了我們真正感興趣的問題：智能的能力，有多少來自數據，又有多少來自結構本身？同樣的知識，不同的人學習吸收效果完全不一樣。同樣的數據，進入不同的大腦連接結構，會產生完全不同的效果。
所以，DeepSoma 希望通過對生物大腦的精細仿真，讓更多研究者可以真正運行、比較和探索這些結構，推動智能模型從數據驅動，進一步走向結構與動力學驅動。
那麼，第三步叫：Embody Intelligence。DeepSoma 提供統一的 Agent 接口。
模型輸出可以被映射成機械臂的動作、無人機的飛行控制，或者一個數字智能體的行為。
大家可以通過DeepSoma ，快速做模型遷移、動作解碼和任務的部署，讓 Brain 與新的 Body 重新建立關係。所以回過頭來看，DeepSoma 實際上把真實世界轉化成 4D 數據，模型轉化成隨時間持續運行的動力系統，把智能通過身體回到世界。Agent 行動，世界改變，新的數據產生，大腦再次計算。於是：這個環真正閉合了。我們認為智能最值得探索的東西，正發生在這個閉環之中。
為什麼知躍要做這樣一個看起來非常大的系統？原因其實很簡單。因為從第一天開始，我們研究的就一直是同一個問題：正如老話常說，人類聰明，是因為會使用工具。那麼，智能究竟是怎樣在與真實世界交互中逐步產生的？
今天發布 DeepSoma，對我們來說只是一個開始。我們希望它成為一套真正開放的基礎設施。如果你是一名神經科學家，你可以在這裏驗證神經迴路，研究全腦動力學。如果你是一名 AI 研究者，你可以探索 Transformer 之外新的基礎模型。如果你是一名機器人開發者，你可以讓一個 Brain 進入不同的身體，並在真實世界裏不斷驗證它。如果你來自生命科學，這裏也可以成為數字生命、腦疾病研究以及 BCI 的實驗空間。我們希望未來，開發者不需要重新搭建所有這些複雜基礎設施。你只需要專注於一個問題：你想創造怎樣的智能？
最後，我想講一講，為什麼我們把這個平台叫作 DeepSoma。Soma 是一個很古老的詞。它源自古希臘語，意思是 Body，身體；而在今天的神經科學裏，Soma 還有一個更具體的含義——神經元的胞體。這恰好對應了我們理解智能的兩個尺度。向微觀走，是一個神經元、一棵樹突，以及億萬神經元之間形成的複雜連接。向宏觀走，是身體，是環境，是一個生命如何在真實世界中感知、學習和行動。所以我們在 Soma 前面加了一個詞：Deep。DeepSoma，代表我們希望從生命最真實、最深層的結構出發，一層一層去理解智能——但 Deep 還有另一層含義。我們並不知道智能的邊界究竟在哪裏。
今天我們復刻一個神經元，運行一顆果蠅的大腦；未來，知躍也會逐步復刻更復雜的腦、探索今天還無法想象的智能形態。所以 DeepSoma 也是一個邀請。我們希望把這套工具交給全世界的研究者和開發者，一起去探索智能更深的邊界。從理解一個神經元，到理解一顆大腦，從理解生命——到創造新的智能。知躍空間智能。DeepSoma，知躍靈物。
歡迎大家與我們一起進入物理AI新範式，探索更多可能，謝謝大家。