7月19日，在2026世界人工智能大会“智启具身论坛——迎接物理AI智能涌现”上，智元合伙人、高级副总裁、具身业务部总裁，觅蜂科技董事长兼CEO姚卯青发表了一场题为《模型与数据飞轮：冲破物理墙，驱动物理AI智能涌现》的主旨演讲。他系统阐述了物理AI从技术演示走向规模化应用所需应对的核心挑战与突破路径。

在姚卯青看来，物理智能要实现规模化落地，必须跨越三道关键障碍。首先是数据墙——真实交互数据极其稀缺，且获取成本高昂，制约了模型训练的基础。其次是表征墙——跨任务、跨场景、跨本体的统一物理表征尚未形成，导致模型泛化能力不足。最后是闭环墙——真实场景试错代价昂贵，反馈周期漫长，难以实现规模化迭代优化。

他强调，物理AI从“能演示”迈向“能干活”的核心，并非单点模型能力的突破，而在于能否构建可泛化、可优化、可进化的通用具身智能系统，从而真正驱动产业应用。

在模型侧，智元打造了“预训练—后训练—持续学习”三阶段训练架构，推动VLA与WAM两条技术路线持续演进，并加速向统一的世界推理动作大模型WRAM迈进。同时，通过GO-2基座模型、Act2Goal世界模型、GE-Sim 2.0仿真平台，以及百台级分布式真机强化学习体系，从算法、仿真到真机训练层面，全面打通了规模化迭代闭环。

在数据侧，觅蜂科技依托MEgo系列采集终端、MEgo Engine治理平台与真机数据集AGIBOT WORLD，构建了覆盖数据采集、治理、训练、部署回流的全链路物理AI数据基础设施，推动真实场景数据持续反哺模型进化，形成数据驱动的智能提升闭环。

目前，这套模型与数据协同迭代体系已在真实产业场景中获得验证。“模型决定起点，数据定义终局。当飞轮转动，智能涌现只是时间问题。”姚卯青表示，智元、觅蜂期待与全球学术界、产业界及开发者社区携手，共同推动物理AI在真实世界中加速演进与规模化落地。