先来看一项关键发布：7月8日，高德正式推出Phys AI Data数据系统。这是行业内首个面向物理AI训练与应用的一站式空间数据基座，由两款核心产品构成——面向仿真训练的Phys AI Foundry，以及面向实际应用的Phys AI Map。

那么，物理AI要想真正迈入开放世界，首先要跨越哪道门槛？答案就是数据。要训练一台能在真实环境中自主操作的机器人，仅仅拥有开放场景的原始训练素材远远不够，还必须让机器人能够“理解”它所在的空间。Phys AI Data的推出，恰好为这两个痛点提供了一体化解决方案。Phys AI Foundry负责将真实世界“复刻”进模型，利用数百万小时的高保真数据集解决模型“训练不足”的问题；Phys AI Map则把高德的空间记忆“注入”机器人，借助专用的语义地图让机器人“出门不迷路”。

Phys AI Foundry：一体化数据工厂

作为专为物理AI训练打造的数据工厂，Phys AI Foundry融合了真机采集、合成数据与仿真重建三条数据路径，构筑起三位一体的高质量数据供给引擎。事实上，高德此前发布的ABot全栈具身体系，能够拿下全球15项权威评测的SOTA，背后正是这套数据体系的强力支撑。

依托高德在室内外一体化多渠道场景下的真机采集优势，Phys AI Foundry已经沉淀出百万量级、贴合真实任务的场景化机器人动作数据集。这意味着，机器人从首次训练开始，就置身于真实场景中的观测、动作与反馈闭环。高德此前发布的具身操作基座模型ABot-M0，正是基于这个数据集训练而成，并在四项主流具身操作基准（截至2026年4月）中获得了SOTA成绩。

除了真机采集，Phys AI Foundry还搭建了一套全自动数据合成引擎，能够批量生成具备长时序、强因果、高互动特征的多模态视频数据。这套引擎专门用于补齐真机采集难以覆盖的复杂长程任务。高德ABot-World系列世界模型的训练，就大量采用了这类合成数据，这也支撑该模型成为全球首个在物理合规性、动作可控性、零样本泛化三大维度均达到SOTA的模型。

在仿真重建方面，Phys AI Foundry基于高德自有的海量时空数据，能够对任意真实场景进行高保真1:1重建。这意味着，特殊天气、特种场景等长尾训练任务，终于拥有了一个安全、可控、低成本的专属训练场。这项能力与高德ABot-Earth一同，支撑了全球首款开放环境全自主具身机器人——高德途途的仿真训练。

Phys AI Map：空间记忆大脑

物理AI走向开放世界，真正的瓶颈往往不是“能不能动”，而是“不知道自己在哪，下一步该往哪走”。常规导航地图服务于人类，导航信息无需过于精确，人类凭常识就能做出正确判断。但机器人缺乏这种常识，它需要的是能被算法直接读取并应用的空间地图。

Phys AI Map正是高德为解决这一难题而打造的“空间记忆大脑”，目标是让机器人在开放世界中做到“看得懂、记得住、走得对”。

与文字语义不同，空间语义往往以图画、图形等信息标识。如果模型看不懂或看不全，机器人在开放世界中的安全性就会面临风险。Phys AI Map专门构建了一个属于机器人的空间语义库，让模型能够读懂“哪里是施工区、哪里照明不足”这类空间信息，从而将地图从坐标升格为可推理的环境。

为了让机器人“记得住”真实世界，Phys AI Map搭建了精细的空间路网，目前已完成90%高热度室内场景的覆盖，实现了室内外一体化贯通。这样一来，机器人便能在开放区域跨楼层、跨区域连续行动。

“走得对”是支撑机器人在真实环境中执行任务的核心难点。Phys AI Map在路口、扶梯口等关键决策点布设了多模态视觉锚点，机器人通过自带的相机即可完成毫秒级自我定位，从而做出正确的路线推理与规划。

目前，Phys AI Data已面向具身智能行业全面开放，支持标准化API接入与定制化数据服务。这意味着，相关企业不再需要耗费巨资自行采集数据或从头测绘空间地图，直接调用高德沉淀的海量训练数据和“空间记忆大脑”即可。