人工智能的终极追求是让智能变得“通用化”。在视觉智能、语言智能、多模态智能相继取得突破之后，能够与物理世界直接交互的具身智能，正成为迈向通用智能的关键战场。然而，开发通用化的具身智能体，其挑战远胜于处理图像和文本。在日前举行的WAIC 2026高级别自动驾驶创新发展论坛上，清华大学车辆与运载学院、人工智能学院教授李升波提出“物理原生智能”概念，为破解具身智能的难题提供了新范式。

李升波提出，具身智能以通用化为目标，自动驾驶作为首个量产化的具身智能系统，至今其智能性仍远未达到人类水平，功能限于L2级驾驶辅助，尚未达到L4级的能力。而机器人自由度更高、场景结构更复杂、交互对象更多样，训练难度至少是汽车的十倍以上。具体而言，汽车大约需要百亿级网络参数和亿级驾驶片段，机器人则需要万亿级参数和千亿级交互片段。“继续沿用现有视觉、语言和多模态大模型的训练思路不具有可行性。”李升波说。

结合近十年技术进展，李升波提出了“物理原生智能”的概念。简单来说，它是一种更依赖物理规律，并以与物理世界更好地交互为目的的具身智能。它仍以数据驱动的端到端模型训练为基本架构，但须从世界模型、数据结构和训练算法三个维度，更深入地考虑物理实体对智能的客观要求，包括物理世界的数据稀缺性、要求极高的功能安全性以及模型训练必须追求稳定性和长期性。

训练算法的设计是物理原生智能能否落地的关键。李升波提出，一方面要把物理动力学的底层规律嵌入训练过程，还要具备“绝对安全”的保障能力。他解释，“绝对安全”意味着在真机训练过程中，每一代模型都满足安全硬约束——就像人类新手学车，学习过程本身也必须安全。

“从自动驾驶到机器人，未来或将迈入能够与一切物理实体交互的泛在物理世界。”李升波认为，物理原生智能，正是通往这一泛在具身智能之路的基石。通过将物理规律、因果逻辑与安全机制深度嵌入数据驱动的端到端学习全流程，这套体系为攻克具身智能的通用化难题提供了可行的技术路径。