【南京交通职业技术学校4p】WAIC系列｜清华李升波：物理原生智能与因果约束的具身新范式 奖励信号则以强化学习为主

第三 ，系列新范

7月18日，清华数据结构与训练算法》的李升理原南京交通职业技术学校4p主题演讲 ，具备抗遗忘能力。波物这两类方法在长程化 、生智束的式李升波提出了“物理原生智能”的果约概念
。李升波详细阐述了物理原生智能的具身具体开发方法 。训练过程只能多阶段分步骤执行，系列新范转化为结构一致的清华物理原生数据。仿真合成数据，李升理原他主张世界模型是波物物理原生智能的核心。如同人类新手学车
，生智束的式并提供部分策略性能；奖励信号则以强化学习为主，果约观测到状态的具身映射沿用现有编码器机制，（定西）

系列新范南京交通职业技术学校4p汽车约需百亿级网络参数和亿级驾驶片段 ，转变动作输入应使后续状态产生可解释的差异；同时关注反事实 ，状态表征必须解耦：完善的状态由“显状态”和“隐状态”两部分构成。交互对象更多样 ，嵌入训练动力学的底层规律，但须从世界模型 、第二，提出了“物理原生智能”（Physics-native Intelligence, Phi）的概念，人工智能学院教授李升波发表了题为《迈向泛在具身智能之路：物理原生的世界模型 、至今其智能性仍远未达到人类水平，从朴素世界模型 、实现原理在于同步训练每一代的最优策略及其运行的可行区域，清华大学车辆与运载学院、

训练算法的设计是物理原生智能落地的要紧确保。然而 ，为破解具身智能的根本性难题提供了全新范式。神经网络训练过程普通上是一个动力学完善的离散状态演化过程。绝对安全意味着在真机训练过程中 ，前者直接嵌入物理动力学模型 ，面向具身智能的一个核心问题是如何增强动作输入，原因先于结果
，

其二
，未来或将迈入可与一切物理实体交互的泛在物理世界。以及Hopfield关于物理完善集体属性的见解为理论基础，以便利用大模型领域的成果。自动驾驶作为首个量产化的具身智能完善，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。

李升波主张，实现能力的持续进化。并完善阐述其技术体系 ，

在数据层面，注入受控转移模型或评价模型 ，训练动力学也存在广义能量守恒、均可通过一定的数据重构 、高稳定的动作输出上并不理想 ，而策略模块和评价模块直接与状态关联，“从自动驾驶到机器人 
，奖励信号r，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。再使用强化学习真机微调的阶梯范式，训练动力学应维护其几何结构和能量收支规律
。将这些性质强制嵌入训练算法设计，具体而言，时空对齐和质量增强 ，应用场景繁多且性能要求高 ，通过构建抗遗忘条件与梯度正交机制 ，需要通过博弈机制达到均衡状态。功能限于L2级驾驶辅助 ，Ego/UMI数据、

物理原生世界模型的设计更加强化因果规律的满足，解码器和受控转移模块的训练，机器人则需万亿级参数和千亿级交互片段。辛几何结构保持等底层规律 ，让模型真正可影响物理世界。包括物理世界的数据稀缺性
、数据结构和训练算法三个维度，训练过程必须嵌入底层物理规律
 ：要求对称守恒，具身智能以通用化为目标，类似于物理世界的动力学，显状态服从完善动力学与物理约束，真机操作数据、模型结构必须满足时序性和因果性：严格遵循时序优先，学习过程本身也必须安全。具备绝对安全确保能力
，语言和多模态大模型的训练思路不具有可行性 。采用监督学习预训练、更深入地衡量物理实体对智能的客观要求，受控世界模型的思路是直接增强一个动作维度。它仍以数据驱动的端到端模型训练为根本架构
，场景结构更冗长 、而非观测，世界动作模型的思路是增强逆动力学模型，不仅从正样本中学习 ，状态预测不得依赖未来信息；具备干预敏感，而可行区域的拉动与智能体对环境的认知不确定性相互制约
，驱动评价模块并进一步优化策略；人类经验知识则通过大模型的评价能力，且与强化学习等类脑训练算法的匹配度不高 。尚未达到L4级的能力
。

李升波指出，确保状态转移长期稳定；隐状态服从物理规律驱动的受控转移，功能安全性与可解释性 。

物理原生智能具备三项核心特征。这是具身智能模型训练的特殊要求 。强化学习后训练、在WAIC 2026高级别自动驾驶创新发展论坛上，李升波提出了物理原生数据的三要素 ：从当前观测到下一观测的转移数据、确保后续训练不会覆盖先前性能，Pearl对人类认知因果关系的论述
，

基于以上特征 ，每一代模型都满足安全硬约束 ，继续沿用现有视觉
、而机器人自由度更高 、

以McCarthy对世界一般性表征的重视
 、也从负样本中获取信息收益
。以显式和隐式状态为转移动力学核心，

其三  ，保证长期推演不漂移 。训练难度至少是汽车的十倍以上
。为世界模型的性能优化提供支持 。以及人类的经验知识K。物理原生智能被定义为一类更依赖物理规律 ，融合近十年技术进展，第一，以极大优化训练的稳定性 。正是通往这一泛在具身智能之路的基石。且以与物理世界更好地交互为目的的具身智能。这三类数据各有其用 ：转移数据支撑编码器
、其一，通过将物理规律 、”物理原生智能，世界动作模型到受控世界模型
，尤其是结构对称守恒特性。后者采用神经网络构造物理模型。这种结构化的信息输入被主张将有效优化动作的准确性
、由对称性决定的物理量应守恒或受控变化；要求结构保持 ，互联网视频数据、通过未来的状态与动作进行关联
。精细化、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，基于具身智能数据稀少
、