대형 모델이 언어, 수학, 코드의 디지털 세계에서 역량의 도약을 완료하면 다음 단계의 인공 지능의 핵심 제안은 현실 세계로 전환하는 것입니다. 로봇은 어떻게 환경을 인식하고, 작업을 이해하고, 행동을 수행하고, 지속적인 피드백을 통해 스스로 진화합니까? 물리학AI는 언제 ChatGPT 순간을 갖게 될까요?
업계의 가장 뜨거운 이슈에 대해,7월 19일, AGIBOT과 Meifeng Technology는 2026년 세계 인공 지능 회의의 핵심 하위 포럼 "Zhiqi 구체화 포럼 2026 - 물리적 AI 지능의 출현을 환영합니다"를 공동으로 주최했습니다.이 포럼은 Tsinghua University, Georgia Institute of Technology,물리지능, 제네시스 AI, 다이나 로보틱스, 선데이 로보틱스, 텐센트 로보틱스

01/
모델은 시작점을 결정하고 데이터는 끝점을 정의합니다.
일반화, 최적화, 진화가 가능한 보편적 임바디드 AI 시스템 구축
포럼은 AGIBOT 파트너, 수석 부사장, 구현 사업부 사장, MiFeng Technology 회장 겸 CEO와 함께 시작됩니다.CEO Yao Maoqing은 "모델 및 데이터 플라이휠: 물리적 벽을 뚫고 물리적 AI 지능의 출현 추진"이라는 기조 연설을 했습니다.

AGIBOT 파트너, 수석 부사장, 구체화 사업부 사장
Meifeng Technology 회장 겸 CEOCEO Yao Maoqing이 기조 연설을 했습니다.
Yao Maoqing은 물리학을 이해하는 것이 AI, 먼저 인텔리전스의 두 가지 주요 라인인 표현과 폐쇄 루프로 돌아가야 합니다.표현은 세계를 추상적으로 압축한 것입니다. 폐쇄 루프는 에이전트와 환경 간의 지속적인 상호 작용입니다. “인식, 이해, 의사결정, 행동, 피드백” 루프. 디지털 AI의 성공은 본질적으로 디지털 환경에서 지식 표현의 성공입니다. 물리적 AI의 어려움은 경험 표현과 현실 세계 사이의 폐쇄 루프를 동시에 열어야 한다는 것입니다.
Yao Maoqing의 관점에서 규모를 달성하려면 물리적 지능이 세 개의 벽을 돌파해야 합니다. 첫 번째는 실제 상호 작용 데이터가 극도로 부족하고 획득하는 데 비용이 많이 드는 데이터 벽입니다. 두 번째는 작업, 시나리오 및 교차 온톨로지 전반에 걸쳐 통일된 물리적 표현이 아직 형성되지 않은 표현 벽입니다. 세 번째는 실제 시행착오 비용이 많이 들고 피드백이 느려 확장이 어려운 폐쇄 루프 벽입니다. 그 사람은 다음을 의미합니다.물리학 AI가 "시연 가능"에서 "작동 가능"으로 이동하는 핵심은 단일 포인트 모델의 능력이 아니라 일반화, 최적화 및 진화할 수 있는 보편적으로 임바디드 AI 시스템을 형성하는 능력입니다.

이 목표를 중심으로 AGIBOT은"사전-교육-사후-지속 학습"의 3단계 교육 아키텍처, 따라 VLA와 WAM의 두 가지 경로는 계속 진화하고 통합된 WRAM(World Reasoning Action Model)을 향해 두 가지를 촉진하여 자체 개발한 GO-2 기본 모델, Act2Goal 세계 모델, GE-Sim 2.0을 SOP 및 Genie Evolver 100 수준 분산 실제 기계 강화 학습 시스템과 결합하여 출시하고 알고리즘, 시뮬레이션 및 실제 기계 훈련 수준에서 대규모 반복 폐쇄 루프를 엽니다.
데이터 수준에서 Yao Maoqing은 Meifeng Technology가 풀 링크 물리적 AI 데이터 인프라는 MEgo 시리즈 수집 터미널, MEgo 엔진 관리 플랫폼 및 실제 기계 데이터 세트 AGIBOT WORLD를 기반으로 계층적 데이터 공급 피라미드를 구축하고 반환 데이터 플라이휠을 배포하여 소스로부터 산업 데이터 부족 문제를 해결합니다. 야오마오칭(Yao Maoqing)은 다음과 같이 강조했다.실행, 리플로우, 마이닝 및 업데이트가 자동화된 폐쇄 루프를 형성할 때 모델 기능은 현실 세계에서 계속 반복될 수 있습니다.
이 기술 플라이휠은 실제 시나리오에서 검증되었습니다.장시성 난창의 전통3C 평판 양산라인은 99.99%의 생산라인 가동 성공률로 대규모 구현 검증을 완료했습니다. "모델이 시작점을 결정하고 데이터가 끝을 정의합니다. 플라이휠이 회전하면 지능이 나타나는 것은 시간문제일 뿐입니다." Yao Maoqing은 AGIBOT과 Meifeng이 글로벌 학계, 업계, 개발자 커뮤니티와 협력하여 실제 세계에서 물리적 AI의 가속화된 발전을 촉진하기를 희망한다고 말했습니다.
02/
통합 표현에서 온톨로지 간 전송까지: 물리학 AI는 어떻게 일반화되나요?
이후 포럼은 물리학에 더욱 초점을 맞췄습니다. AI가 어떻게 표현, 일반화, 폐쇄 루프의 문제를 해결할 수 있는지 논의합니다.

청화대학교 컴퓨터과학과 부연구원Su Hang이 테마를 공유했습니다.
Tsinghua University 컴퓨터 과학과 부연구원인 Su Hang은 "데이터 기반 구현 기본 모델"에서 임바디드 AI가 단일 로봇 및 특정 작업에 대한 행동 모방에서 개방형 세계에 대한 일반적인 기능 사전 훈련에 이르기까지 사전 훈련 패러다임의 근본적인 진화를 겪고 있음을 지적했습니다.미래 구현형 기본 모델의 목표는 더 이상 학습이 아닙니다. "무엇을 보고 어떻게 행동할지"이지만 환경 상태, 물리적 법칙, 행동 결과 및 작업 프로세스에 대한 통일된 이해를 형성합니다.
그는 이 패러다임이 단일 온톨로지에서 다중 소스 혼합으로의 데이터, 행동 모방에서 세계 모델링으로의 모델, 오프라인 교육에서 실제 배포의 지속적인 진화로의 학습이라는 세 가지 주요 라인을 따라 진화를 가속화할 것이라고 믿습니다. 로봇 궤적, 원격 조작 데이터, 최초 보기 비디오 및 인간 행동 비디오가 통합 사전 훈련 시스템에 포함됩니다. 다양한 로봇 팔, 휴머노이드 로봇 및 적용 시나리오에서의 경험도 별도의 데이터에서 전송 가능하고 재사용 가능한 일반 기능으로 변환됩니다.
Su Hang은 구체화된 사전 훈련의 핵심 로직이 "더 많이 보고, 더 많이 모방하라"에서 "세상을 이해하고, 결과를 예측하며, 계속 진화하라"로 업그레이드되었습니다.이러한 추세에 따라 미래 산업 경쟁의 초점은 개별 작업의 성공률과 시연 효과에서 기본 모델의 다양성, 이전 가능성 및 지속적인 학습 기능으로 옮겨갈 것입니다. 수동적인 세계 이해와 통일된 세계 모델링에서 폐쇄 루프 자기 개선으로의 패러다임 전환을 완료해야만 임바디드 AI가 진정으로 진화할 수 있습니다. "사전 프로그래밍된 작업 실행기"는 개방형 환경에 적응할 수 있는 범용 에이전트로 이동합니다.

물리지능 연구 과학자Ren Zhiyi가 테마를 공유합니다.
물리 지능 연구 과학자 Ren Zhiyi는 대규모 실제 데이터에서 시작하여 로봇 전략 모델이 다중 작업 및 다중 시나리오 교육에서 어떻게 교차 온톨로지 일반화 기능을 형성할 수 있는지 보여주었습니다.예를 들어 최신 모델은 ARX 로봇 팔에서 학습된 의류 접기 기능은 유사한 작업을 완료하기 위해 UR5 이중 팔 로봇으로 마이그레이션되어 새로운 온톨로지 배포 및 적응 비용을 크게 줄입니다. 로봇은 이전에 볼 수 없었던 캐비닛, 침실 정리, 액체 용기 작업 등 롱테일 시나리오를 처리할 수 있으며 일반 지능을 위한 다중 실제 상호 작용 데이터의 핵심 구동 가치를 검증합니다.
최신 Ren Zhiyi가 소개함 π0.7 모델은 획기적인 온톨로지 간 출현 및 마이그레이션 기능을 달성합니다.:에서만 ARX 로봇 팔 훈련 접이식 의류 데이터를 적용하면 새 몸체에 대한 미세 조정 없이 UR5 이중 팔 로봇에서 동일한 정밀 작업을 완료할 수 있으므로 로봇 배포 및 적응 비용이 크게 절감됩니다.

Genesis AI 공동 창립자 Wang Zunxuan이 주제를 공유했습니다.
업계가 직면한 다음 질문은 로봇이 실험실 시연에서 안정적이고 신뢰할 수 있는 실제 배포로 어떻게 이동할 수 있는가입니다.
Genesis AI 공동 창립자 Wang Zunxuan은 "일반 능숙한 작업을 위한 인간 데이터 및 시뮬레이션 확장"을 가져와 로봇의 능숙한 작업을 위한 Genesis AI의 풀 스택 접근 방식을 공유했습니다.:와 함께 1:1 인간 손 데이터 전략을 기반으로 Genesis World 시뮬레이션 환경, 다중 모드 대형 모델 GENE 및 배포 데이터 플라이휠이 결합된 로봇은 데이터, 시뮬레이션, 모델 및 실제 배포를 지속적으로 반복하도록 승격됩니다.
Wang Zunxuan은 보편적인 스마트 운영의 돌파구는 모델 아키텍처의 문제일 뿐만 아니라 고품질 데이터의 대규모 공급에 달려 있다고 지적했습니다. 사전 훈련 데이터의 규모가 커질수록 작업 수준 미세 조정 후 모델의 성능과 효율성도 향상됩니다.제네시스 AI는 인간 크기의 로봇 손과 비침습적 장갑에 가까운 데이터 수집 방식을 통해 인간 손과 로봇 손 사이의 데이터 격차를 줄인다.;동시에,Genesis World 시뮬레이션 환경은 훈련 후 강화 학습뿐만 아니라 모델 반복을 가속화하기 위한 모델 평가에도 사용됩니다.

Dyna Robotics 공동 창립자 겸 수석 과학자
마 예청주제를 공유하려면
로봇이 실제로 산업 시나리오에 진입할 때 장기간 무인 및 높은 일관성 요구 사항 하에서 어떻게 안정성과 신뢰성을 유지할 수 있습니까?
Dyna Robotics의 공동 창립자이자 수석 과학자인 Yecheng Ma는 최첨단 연구, 제품 배포 및 실제 데이터 피드백을 통해 기술 반복의 자체 강화 주기를 형성하는 "연구 및 배포 플라이휠" 전략을 공유했습니다.플라이휠을 지원하려면,Dyna는 오프라인 데이터, 온라인 로봇 데이터 및 고품질 배포 데이터를 통합하는 "사전 교육 데이터 피라미드"를 구축했으며 200,000시간 이상의 사전 교육 데이터를 축적했습니다. 모델 아키텍처 측면에서, 낮은 빈도의 "추론 모델"과 높은 빈도의 "세계 행동 모델"이 함께 작동하여 높은 수준의 인지와 낮은 수준의 실행 효율성을 고려합니다.
Ma Yecheng이 소개함,Dyna Robotics의 상용 기본 모델 DYNA-1은 어려운 냅킨 접기 작업에서 99.4%의 성공률을 보이며, 24시간 동안 사람의 개입 없이 850개 이상의 냅킨을 자율적으로 접을 수 있어 '실험실 시연'에서 '산업 수준 신뢰성'으로 도약했습니다.동시에 이 모델은 탁월한 데이터 효율성을 보여주며 1시간의 훈련 후 데이터.
여러 게스트의 공유는 하나의 판단, 즉 물리학을 가리키는 것으로 볼 수 있습니다. AI의 일반적인 구현은 단일 모델 기능의 획기적인 발전이 아니라 데이터, 표현, 시뮬레이션, 사후 교육 및 실제 시나리오 피드백을 통해 형성된 체계적인 진화입니다. 범용 기능은 멀티 소스 경험의 대규모 재사용에서 비롯되는 반면, 안정성은 실제 폐쇄 루프의 지속적인 반복에서 비롯됩니다.
03/
피크 라운드테이블:
거물 논쟁스케일링 법칙 "물리적 벽"
기조 연설 후 포럼에서는 최종 라운드 테이블 대화가 시작되었습니다. 야오마오칭, 런즈이, 마예청,Sunday Robotics의 공동 창립자이자 CEO인 Zhao Zihao와 Tencent의 수석 과학자이자 Tencent Robotics의 이사인 Zhang Zhengyou 원탁 대화는 AGIBOT AI Algorithm의 이사 Ren Guanghui가 주최했습니다.
지난 몇 년 동안 디지털 대형 모델은 데이터, 모델 및 컴퓨팅 성능의 지속적인 확장을 통해 상당한 기능 출현을 달성했습니다. 그러나 물리적 세계에서 지능은 정보를 이해하고 생성하는 것뿐만 아니라 복잡한 상호 작용, 불확실성 및 하드웨어 제약에 직면한 실제 환경에서 안정적인 동작으로 변환되어야 합니다.

원탁 대화 장면(왼쪽부터: Ren Guanghui, Yao Maoqing, Ren Zhiyi)
원탁회의에서는 먼저 다음 사항에 대해 논의했습니다."ChatGPT 순간"에 필요한 데이터의 양.Yao Maoqing은 이 순간이 로봇이 물리적 세계에서 움직일 수 있는 시점으로 정의된다면 믿습니다. "기본적으로" 일상 작업을 완료하고 개방형 자연어 지침을 따르더라도 구현된 데이터의 규모와 언어 모델 사전 훈련 코퍼스 사이에는 여전히 10,000배 이상의 간격이 있습니다. 물리적 세계는 더 시끄럽고 정보 중복성이 더 높습니다. 일반 물리 법칙의 암묵적인 숙달, 개방형 지침 이해 및 작업 계획 기능을 달성하려면 일반적인 작업에 대해 70%-80%의 기본 성공률을 달성하는 데 수억 시간의 데이터가 필요합니다.
데이터 소스에 대해 게스트들은 중요한 합의를 이루었습니다: 물리학 AI 데이터는 단일 소스에만 의존할 수 없으며 인터넷 데이터, 1인칭 데이터, UMI/Ego 데이터, 실제 머신 데이터, 시뮬레이션 데이터 및 배포 리플로우 데이터로 구성된 "데이터 레시피"를 형성합니다.

Sunday Robotics 공동 창립자 겸 CEO Zhao Zihao가 원탁 대화에서 연설했습니다.
Zhao Zihao는 단기적으로 저비용, 저편향 데이터 수집 방법이 사전 훈련 효율성을 향상시키는 데 도움이 될 것이라고 제안했습니다. 장기적으로 시스템의 지속적인 발전을 진정으로 결정하는 것은 다양한 배포 환경에서 로봇이 형성하는 실제 반환 데이터가 될 것입니다. Ma Yecheng은 또한 배포 데이터가 다음 사전 훈련 단계에 들어간 후 후속 배포가 점점 더 효율적이 되어 궁극적으로 새로운 시나리오의 구현 주기가 단축될 것이라고 지적했습니다. 그러나 이 플라이휠을 설정하기 위한 전제 조건은 여전히 하단에 있는 방대하고 매우 다양한 사전 훈련 데이터입니다. Zhang Zhengyou는 임바디드 AI의 데이터 플라이휠이 물리적 상호 작용 자체로 돌아가야 한다고 덧붙였습니다. 성공 또는 실패에 관계없이 현실 세계와 상호 작용하는 로봇이 생성한 데이터, 특히 모델 기능을 지속적으로 개선하기 위해 학습할 실패 데이터를 수집해야 합니다.

원탁 대화 장면(왼쪽부터: Ma Yecheng, Zhang Zhengyou)
모델 루트로는 손님들이 모여들었습니다. "물리적 AI의 최종 목표가 엔드 투 엔드 VLA인지, 월드 모델/WAM인지, 아니면 더 복잡한 에이전트 시스템인지"는 열띤 논쟁입니다.Ren Zhiyi는 다음과 같이 믿습니다.VLA는 WAM과 충돌하지 않으며 향후 점진적으로 통합될 가능성이 더 높습니다. 모델은 컨텍스트를 이해할 뿐만 아니라 미래 상태를 예측하고 미래 모델링을 통해 표현 능력을 향상시킬 수 있어야 합니다. Ma Yecheng은 또한 다양한 아키텍처에는 고유한 장점이 있으며 언어 명령 이해, 미래 예측, 강력한 실행과 같은 기능은 상호 배타적이지 않다고 믿습니다. 높은 성공률과 낮은 데이터 효율성을 강조하는 일부 작업에서는 WAM이 VLA보다 더 효율적일 수 있습니다. Zhang Zhengyou는 임바디드 AI가 아직 초기 단계에 있으며 대규모 언어 모델 Transformer와 같은 수렴 통합 프레임워크가 없다고 지적했습니다. 미래에는 인지 시스템, 지각 행동 시스템, 기본 반응 시스템이 서로 계층적으로 조정되고 폐쇄 루프를 이룰 가능성이 더 높습니다.

물리지능 연구 과학자
Ren Zhiyi가 원탁 대화에서 연설했습니다.
논의는 로봇 본체의 설계까지 확장됩니다. 많은 손님들은 온톨로지가 복잡할수록 더 좋다고 믿었습니다. 핵심은 특정 시나리오의 작업 요구 사항, 비용 제약 및 배포 리듬을 일치시킬 수 있는지 여부에 있습니다. 존재론에 대한 자체 조사가 필요한지에 대해 Ren Zhiyi는 다음과 같이 말했습니다.PI는 현재 일반 전략 모델 기능의 출현에 더 많은 관심을 기울이고 있으므로 상대적으로 간단하고 유지 관리가 적은 로봇 온톨로지를 사용하여 데이터 및 모델 R&D 인프라를 구축하여 모델 반복 속도를 높이는 데 우선순위를 둘 것입니다. Yao Maoqing은 상용화를 위해서는 로봇이 신뢰성, 비용, 성공률 및 일관성에 대한 고객 요구 사항을 충족해야 한다고 믿습니다. 풀 스택 경로의 가치는 온톨로지, 하드웨어, 모델, 제어 및 배포를 연결하고 시스템 수준에서 최적의 솔루션을 찾는 능력에 있습니다.
라운드 테이블이 끝난 후 손님들은 로봇에 대한 의견을 표명했습니다."ChatGPT 순간"의 도착 시간을 판단합니다.구체적인 시간 예측은 2년에서 5년까지였지만 손님들은 공통된 판단을 내렸습니다. 물리학 AI 인텔리전스의 출현은 단일 모델, 단일 데이터 소스 또는 단일 경로에서 나오는 것이 아니라 데이터 규모, 모델 아키텍처, 시뮬레이션 평가, 실제 기계 피드백, 배포 시나리오 및 하드웨어 시스템으로 구성된 지속적으로 진화하는 플라이휠에 따라 달라집니다.
04/
기술 비전에서 로드맵까지
데이터 플라이휠, 기본 모델, 가상 및 실제 학습부터 대규모 상용 구현까지,2026 Zhiqi Embodied Forum은 기술적 원리부터 산업적 구현까지 물리적 AI에 대한 사고의 전체 링크를 완벽하게 연결합니다. Scaling Law의 "물리적 벽"은 극복할 수 없는 것이 아닙니다. 데이터, 표현 및 폐쇄 루프 시스템이 공동으로 대규모 확장을 달성할 때, 학계와 업계가 통합 표현, 가상 및 실제 통합, 실제 기계 진화 및 기타 방향에 대한 노력을 계속 심화할 때 물리적 AI의 출현은 비전에서 로드맵으로 이동하고 있습니다.
글로벌로 AI의 최고 행사인 WAIC는 글로벌 지혜를 모으는 중요한 플랫폼일 뿐만 아니라 중국의 기술 혁신이 글로벌화되기 위한 장대한 무대이기도 합니다. 중국의 '신생산력'을 대표하는 임바디드 AI는 세계와 함께 탐험하는 지능적인 개척지입니다. "Zhiqi 구체화 포럼"은 중국과 미국의 산업계, 학계, 연구 분야의 최고 세력을 모아 같은 무대에서 주제를 논의합니다. 2년 연속 성공적으로 개최되어 AGIBOT과 Mifen으로 대표되는 중국 하드 기술 기업이 참가자에서 글로벌 첨단 기술 분야의 리더로 변모하고 있음을 보여줍니다.

