8月21日，2026世界机器人大会（WRC）期间，由亿欧主办的“具身智能商业落地论坛”在北京举行。

作为世界机器人大会的核心分论坛之一，本届论坛汇聚了全球具身智能领域的顶尖学者、产业领袖与投资机构，围绕“技术成熟度领先、商业化落地滞后”的行业核心矛盾，探讨具身智能从实验室走向产业化的关键路径。

江行智能董事长兼CEO庞海天受邀发表题为《一个大脑，多种本体：物理AI的工业落地之路》的主旨演讲，围绕物理AI的工业落地，给出了三个判断。

江行智能董事长兼CEO庞海天发表主题演讲

大模型在数字世界已经证明了价值。但庞海天认为，真正的增量在数字世界之外——让AI走进真实工业现场，理解环境、连接设备、执行任务，并在持续反馈中完成迭代。

这跟数字AI是两套逻辑。

数字AI比拼的是模型参数、训练算力、数据规模。物理AI比拼的是另一件事：能不能把人工智能稳定、可控、低成本地部署到真实物理世界。

“生成式AI主要在数字空间中产生内容，而物理AI需要进入真实工业现场，理解环境、连接设备、执行任务，并在持续反馈中完成迭代。”庞海天说。

在他看来，中国在物理AI这条赛道上有一手独特的牌：高密度的工业场景、完整的产业链基础、以及模型、基础设施、能源等多层要素的协同支撑。这些条件决定了物理AI在国内的落地路径，不会照搬任何国家的模式。

这是演讲中技术含量最高的部分。

庞海天指出，当前行业的主流做法是不断提升模型的能力上限——更大的参数量、更长的上下文、更复杂的推理链。但工业现场更为看重模型运行的稳定性，对故障风险高度敏感。

“工业场景容错率极低，模型概率输出一旦出错，可能引发生产事故。”他说。

江行智能的解法是搭建Harness约束机制。简单来说，就是把工业规程转化为模型的语义约束——相当于给大模型套上一根“缰绳”，划定机器人的执行边界，超出边界的行为不被允许。

这套机制背后有一个判断：物理AI的可靠性，不只能靠模型自身能力来保证，还需要系统级的约束来兜底。

基于Harness实现一脑多体控制、工业规程约束

系统现已支持百余种工业设备接入，实现厂区内多类异构机器人协同作业。脱离实验室概念验证阶段，这套方案已作为成熟系统落地千余座场站。

这是庞海天整场演讲中最反复强调的一句话。

“差距不在于某项算法，在于跑通数据飞轮所消耗的真实年月。”

物理AI所需的数据——接触、摩擦、重力、物体形变、设备老化、环境变化——只有在真实物理环境中交互才能获得。仿真数据可以辅助，但替代不了真实数据的“养分”。

江行智能的积累是千余座工业场站。这些场站分布在电网、新能源等场景，覆盖全国27个省市自治区。每一台在场站运行的机器人，每一次巡检任务产生的工业经验，都被纳入数据底座，成为模型迭代的养料。

支撑这套体系运转的，是位于贵州贵安新区的数采与算力中心。依托“东数西算”枢纽地位，江行智能打通了“现场采集—贵安训练—全国部署”的完整迭代闭环。

江行数采与算力中心（贵安新区）

这套闭环的成果，已经在电力与新能源两大行业得到充分验证。在电力行业，江行智能的方案为大量变电站提供常态化自主巡检支撑，显著提升了运维效率和管理集约化水平。在新能源领域，众多风、光场站依托该方案实现长周期稳定运行，有效降低了驻场人力需求与运维成本，劳动生产率获得大幅提升。

“物理AI的每一步，都需要在真实世界里走实。”他说。

三个判断，对应三个选择：不在数字世界里竞争，而是走进物理世界；不追求模型能力的上限，而是追求系统可靠的闭环；不相信实验室里的Demo，而是相信现场跑出来的数据。

庞海天在演讲结尾说，物理AI的终极目标——真正的通用世界模型还远未到来，整个行业都还在爬坡途中。但“可规模化、可持续迭代的务实路径”，已经在工业现场被验证了。

江行智能董事长兼CEO庞海天现场演讲

这条路没有捷径，但每一步都算数。