物理AI“抢跑”下半场：南京大会签约超60亿，世界模型国家标准预研启动

大语言模型让机器学会了“读”和“写”，但还不会“预判一个杯子掉在地上会不会碎”。物理AI要补的，正是这一课。10月20日，2026物理AI与世界模型大会在南京开幕，两轮重大项目签约总金额超60亿元，《人工智能世界模型》国家标准预研同步启动，“物理AI与世界模型”产业联盟宣告成立。三个动作叠在一起，指向同一个判断：物理AI的竞争，正在从“谁先做出演示”进入“谁先立住规则、聚起生态”的下半场。

本文聚焦大会释放的产业信号，解释物理AI与世界模型的关系，并梳理“抢跑”背后的机会与真实挑战。

物理AI是什么，为什么“下半场”属于它

过去几年AI的主战场在数字空间：语言理解、图像生成、代码编写。但这些能力有一个共同边界——它们擅长处理符号和像素，却不天然理解重力、摩擦力、惯性这些支配真实世界的规则。让AI画一个玻璃杯落地，画面可能很漂亮，杯子却经常不碎。

物理AI要解决的正是这个问题。它把感知、决策、行动串成闭环，让机器在真实物理约束下完成任务。而世界模型是物理AI的“推演内核”：在AI内部构建一个可计算的物理仿真器，理解物体如何碰撞、系统如何演化，在行动之前先在“脑海”里预演后果。用中国工程院院士于海斌在会上的话说，世界模型应当具备三项基本能力：先“模拟”再行动、补全“看不到的信息”、预测“未来会发生什么”。

如果说上半场的竞争围绕“模型能不能生成”，下半场的门槛就高了一层：模型能不能在真实世界里可靠地做出判断，并且这个判断可以被验证、被标准化、被规模化部署。

南京大会的三个“卡位”信号

这次大会最值得注意的不是单点金额，而是签约、标准、联盟在同一时间窗口落地，形成了“资本+规则+组织”的组合。

60亿元签约投向哪里。两轮集中签约覆盖具身智能整机与核心零部件、世界模型与机器人大脑、物理AI芯片等赛道，同时全国首个“物理AI与世界模型投资基金”达成战略合作。钱流向的这几个方向有一个共同特征：它们都不是单一算法问题，而是需要硬件、数据、场景和工程能力咬合的系统工程。

国家标准预研启动意味着什么。全国信标委具身智能工作组（SAC/TC28/WG41）在大会上成立，《人工智能世界模型》系列国家标准预研同步启动，研究范围涵盖技术架构、能力要求、评测方法、数据集规范等关键内容。标准预研的直接靶点是“术语不统一、评测体系碎片化”——当一个领域连“什么算世界模型”“怎么测才算过关”都缺少共识时，产业规模化就缺少共同语言。标准工作的启动，是把物理AI从各自表述拉向可比、可验的第一步。

产业联盟的落点。 “物理AI与世界模型”产业联盟秘书处设在南京，由江苏省数据集团、南京大数据集团等单位牵头推动实体化运行。联盟的价值不在名号，而在能否把产学研用的接口真正接上：场景方提需求，技术方给方案，标准方定尺度，资本方做长周期匹配。

物理AI落地：先在“不能试错”的地方用起来

物理AI听起来前沿，但落地逻辑很务实：在真实世界试错成本太高、甚至不允许试错的地方，先在模型里把方案跑熟。

一个典型场景是工业现场。巡检机器人第一次“上岗”如果碰坏设备或误触阀门，损失可能远超机器人本身的价值。南京强思数字科技的做法是先建毫米级精度的虚拟工厂，让机器人在数字模型中跑熟再进入车间；这套工业世界模型已服务巴斯夫、中石油等企业。南京天洑软件则给AI立了三条规矩：物理定律违反直接“不算数”，仿真和实测做尺子，大模型与物理引擎各守边界。其工业世界模型已服务超1000家制造企业，在京能十堰热电的案例中，报警准确率达到98.38%，一年减少现场值守23人、节省人工成本690万元。

这些案例的共同点不是“AI替代人”，而是决策前移：先用世界模型在虚拟空间做推演、比较和优化，再把经过验证的决策放到物理世界执行。南栖仙策负责人对此的概括很直接：“物理AI的价值不在生成内容，而在做出决策”。

“抢跑”的真实含义：起跑阶段的机会与距离

有专家在大会上给了一个清醒的定位：物理AI目前还在“100公里马拉松的起跑阶段”。实验室里机械手抓取、机器狗越障的视频看起来振奋，但进入真实产业场景后，杯子可能被碰歪3厘米，车间粉尘和油污会遮蔽传感器，光线和物体位置都不会按剧本出现。

这恰恰解释了“抢跑”为什么此刻重要。起跑阶段的技术路线尚未锁定，标准正在预研，评测体系还没有定型，场景方也还在寻找可复用的方案——窗口期就在于“共识尚未凝固”。谁在这个阶段把真实场景里的数据、工程经验和标准语言积累起来，谁就更可能在下一阶段成为被对接、被参照的那一端。

南京在这件事上的“家底”是可见的：人工智能相关企业3600余家，产业规模突破3000亿元，41个大模型通过国家备案，数量居全国第六。江苏制造业体系提供的场景密度，加上长三角的数据标注与算力基础，构成了物理AI从模型走向现场的必要条件。

但家底不等于胜势。物理AI的核心难点不在单点技术，而在“物理正确性”的可验证性：模型说出的每一个判断，能不能被实测检验；换一个工厂、换一条产线，同一套方法还能不能成立。标准预研启动解决的正是这个“可验证”的公共基础设施问题。从这个角度看，60亿签约是燃料，国标预研是尺子，产业联盟是接口，三者缺一不可。

总结

物理AI与世界模型的热度，本质上是AI从“数字世界的能力展示”转向“物理世界的可靠决策”的必然一步。南京大会释放的信号清晰：资本在集中，标准在起步，组织在成形。但起跑阶段的机会，只属于那些能把“演示”变成“可验证的现场结果”、把“单点案例”变成“可复用的工程语言”的参与者。下半场的门票，不在参数规模里，在物理世界说“算数”的那一刻。