WAIC现场：智元姚卯青指出物理AI规模化需攻克三大障碍
2026世界人工智能大会（WAIC）专题报道新浪科技讯 7月19日上午，在2026世界人工智能大会上，智元合伙人、高级副总裁、具身业务部总裁，同时也是觅蜂科技董事长兼CEO的姚卯青，详细阐述了物理AI从演示阶段迈向规模化应用所遇到的核心难题。姚卯青认为，物理智能要实现大规模应用，必须跨越三道障碍：第一是数据障碍，真实交互数据非常稀缺且获取成本高昂；第二是表征障碍，目前还缺乏跨任务、跨场景、跨本体的统一物理表征；第三是闭环障碍，真实环境中的试错成本高、反馈慢，难以实现规模化。他指出，物理AI从“能展示”到“
AI数据告急：训练素材快用光了怎么办？
你每天用来聊天、写方案、生成图片的AI，知识到底从哪来？答案很简单：来自人类过去几十年留在互联网上的所有文字、图片和视频。大模型就像一头食量惊人的巨兽，把百科、书籍、论文、帖子、开源代码统统“吃”进肚子里，才练就了如今的能力。但一个越来越现实的问题正在摆在整个行业面前：这份“免费的数据午餐”，快吃完了。从2024年“数据枯竭论”首次引发争议，到2026年成为行业共识，短短两年时间，“数据会不会不够用”已经从学术猜想，变成了巨头们必须直面的产业瓶颈。中国信通院总工程师何宝宏直言：当前大模型已经撞上了“数据墙
AI 瓶颈论：是终结还是赛道切换？
引言：近两年，"AI 将取代万物"的论调铺天盖地。然而近期硅谷却在热议一个反向话题——AI 的发展速度是否正在放缓？本文将为您厘清"缩放定律"、"数据墙"及"撞墙论"等核心概念，助您分辨哪些是真实困境，哪些仅是喧嚣之争。你是否察觉，过去一年中，AI 新模型发布时的惊艳感已大不如前？往昔并非如此。2023 年，新模型问世常令人瞠目结舌：既能编程、解题，又能绘图，迭代速度极快。那种体验，宛如目睹孩童从爬行到行走再到奔跑，令人应接不暇。然而进入 2025 至 2026 年，局面生变。尽管新模型仍在涌现，参数更庞