例如，在演示机器人叠衣服的操作场景时，由于现实世界中衣服的纹理、颜色、款式种类繁多且不断更 新，相关数据根本无法完全采集。 朱政认为，世界模型有望解决这一困境——通过生成式数据填补真实数据的不足，从而让物理世界的数 据在体量与泛化性上，达到与数字世界互联网数据相媲美的效果。 王业全则认为物理AI发展的最大难点在于建模方法，包括数据、训练流程等，目前尚未有明确的方 向。他建议第一步可利用大规模自监督数据、高质量数据得到一个基础模型，这需要耗费大量资源，第 二步通过对齐、强化等工作，将模型能力释放到具身智能等相关物理世界相关场景中，"这条路线或许 是可行的，但客观来讲难度依然很大，因为我们目前还未找到合适的建模方法与合理的数据组织形 式"。 智源研究院FLM团队负责人、"新一代人工智能"国家科技重大专项负责人王业全则通过对比ChatGPT的 发展历程，给出了更长期的预估。他指出，从GPT-1到GPT-2，再到GPT-3乃至ChatGPT，期间经历了多 年的技术积累与迭代。目前，具身智能AGI发展水平大致处于潜在的GPT-1.6、1.7阶段，按照线性时间 估计，在一两年内达到ChatGPT级别难度还是很大。王业全认 ...