中国工业报记者  左宗鑫

2026世界机器人大会（WRC）期间，一台机械臂面对随机抛入视野的运动物体，自主完成环境观察、轨迹预判与抓取执行。“它展示的不是一条被背下来的轨迹，而是对物体运动的理解——换一个物体、换一种抛法，系统照样能够完成。”清雁科技（北京）有限公司首席技术官王凡博士的话音刚落，现场响起一阵掌声。

这场演示的背后，是清雁科技系统性提出的"几何物理驱动的物理AI框架"——一个底座、两大范式。在王凡看来，物理AI（PhysicalAI）从实验室Demo走向规模化部署，中间隔着三道门槛：泛化性、可靠性、持续学习。而跨越这三道门槛的关键，不在于更大的模型和更多的数据，而在于回到基础——重建物理AI的基础设施。

物理AI落地的三道门槛

“机器人行业从来不缺令人惊艳的演示，缺的是能在真实世界长期可靠工作的系统。”王凡在分享中一针见血地指出。当前物理AI尚未大规模落地，从实验室Demo到规模化部署，中间隔着三道门槛。

第一道门槛是泛化性不足。王凡解释，现在机器人的大脑，认知能力和行为能力不是不能做，但是非常脆弱，没办法举一反三。“比如说现在的机器人，它的认知能力跟行为能力不是说不能做，但是非常脆弱，他也没有办法做一些举一反三的事儿。”

第二道门槛是可靠性不足。在王凡看来，这主要源于对物理规律实质上缺乏理解，对后果也不会真正做预判。当前大量技术路线仅依靠数据和参数规模的堆叠，忽略了理解世界几何物理规律的复杂性。更为甚的是，作业时间越长，往往因为本体的老化或者硬件的变化，效果反倒变差。

第三道门槛是不能持续学习。王凡用一个生动的对比说明问题：“当我们人类被安排在某一个工作岗位上的时候，我们做的事儿越久，我们一定会对这个事儿越熟练。但是机器人当前绝大部分的模型部署上去之后，它基本上就不会变了，它做得再久它也不会变得对这个工作更熟练。”此外，在信息不充足的动态环境中，机器人也极容易失败。

三道门槛并非孤立——它们分别指向物理AI架构必须同时回答的三个问题：如何理解世界（泛化）、如何验证判断（可靠）、如何持续进化（学习）。王凡给出的答卷，是一个完整的架构。

几何物理驱动的世界建模

“如何解决这些问题？现在很多人的说法是更大的模型，更大的数据。但是我们认为仅有这些规模的扩展还远远不够，具身智能的真正发展还是要回到基础，特别是学习范式跟建模模式上的一些改变。”王凡说。清雁科技最关注的三个点是：几何物理理论、可验证学习、持续学习。

其中，几何物理理论是清雁的特色之一，也是背靠北京雁栖湖应用数学研究院的重要积累。王凡指出，当前主流的世界模型和视频生成模型，都是在原始观测的基础上进行建模。“原始观测中直接学习物理规律，就好比我们让一个小孩看几万个小时的电影，然后让他去参悟所谓的牛顿三定律——当然是可以的，但是显然它的效率是相对比较低的。”

清雁提出的几何物理建模与表征，主要是希望内嵌几个不变性与物理约束来提升训练效率和规模效率。“所谓规模效率不是说数据规模不再起作用，而是说同等数据量下，我们能起到更好的作用。”王凡强调，清雁的几何物理表征不是完全替代原始表征，而是建立在原始表征的基础之上。

在具体技术路径上，清雁以微分几何为底座，对3D/4D物理世界进行高效建模与表征——“一个物体等于一个函数”。相比主流3D高斯泼溅与点云方案用数万离散点或高斯基元表达一个物体，几何表征依赖更少参数，且能够跨视角、光照、背景与纹理保持稳定，以极少参数刻画物体的静态形状与动态形变。现场演示显示，一个球体经由一个可微映射函数即可映射为房屋、航天飞机、兔子等复杂形体，并实现了材料域的跨运动与形变的一致对应。

王凡进一步解释，3D表征是打通物理世界到模型的一个通路，也是可验证性的基础。“非常多的生物神经学证据证明，我们认知推理决策的过程往往会忽略一些视觉的细节，而关注到某些关键的物体。”基于微分几何的表征，仅需要少量参数去修饰一个可微函数，更复杂的4D物体运动也可以通过一个3D表征再加上一个时变的可微映射函数实现。“在建模上，我们几乎就是两个token去表征这些非常复杂的运动的3D物体。”

基于上述几何建模和表征能力，清雁构建了以“可验证学习”和“持续学习”两大学习范式为支柱的世界模型。这个世界模型除了能够在原始观测空间进行推演，也可以在几何物理空间进行推演。“这种推演的一个优势是它可以借助于规律验证来大幅提升我们在所谓的单轮决策的思维链中的准确性。”

从"会演示"到"长期可靠地作业"

围绕“使物理AI从会演示走向长期、可靠地作业”这一目标，王凡表示公司将沿框架的三个层次推进：基础设施与模型层——物理AI基础设施与模型及其数据体系的研发；验证层——可验证学习范式与面向世界模型学习的高效物理引擎；演化层——持续学习方向的深化，真正支撑机器人在真实世界的长期部署。

在论坛现场，王凡通过六个演示系统呈现了清雁科技从几何物理基础、世界模型，到可验证学习与持续学习的完整技术链路。在几何物理基础层面，展示了基于微分几何的新型三维物体建模方式，以及建立在新型建模之上的运动物体的新型高维语义潜空间表达；在世界模型环节，面对随机进入视野的运动物体，清雁世界模型驱动的机械臂自主完成环境观察、轨迹预判与抓取执行；在可验证学习环节，演示了几何物理引擎在复杂动态场景中的实时距离与碰撞解算，以及柔性体的大形变仿真的优异性能；在持续学习环节，四足机器人面对地形突变和肢体损伤，能够在线调整运动策略并更新认知地图。

这些演示共同展示了清雁科技的几何物理驱动的物理AI框架，及其推动物理AI迈向“长期、可靠作业”的技术能力。王凡表示，未来公司将持续投入物理AI基础设施和基础模型研发与数据商业化双飞轮建设，加速具身智能与PhysicalAI的产业化落地。

“清雁科技的技术使命，就是让世界可计算，让机器更智能，以及让人类更美好。”王凡用这句话为整场分享画上句号。