网易首页 > 网易号 > 正文 申请入驻

2026人工智能+大会专访:AI如何穿过数据、物理世界与安全边界

AI如何穿过数据、物理世界与安全边界

0
分享至



“AI产业化的关键,是让产业AI以数据、闭环与安全托底真实生产。

在2026人工智能+大会上,算力、模型、智能体、具身智能、行业应用成为密集出现的关键词。但走出主论坛和分论坛之后,一个更具体的问题浮现出来:

当AI不再只是生成一段文字、回答一个问题,而是要读懂物流单证、进入生产线、连接内网系统,甚至操控现实世界中的设备时,决定它能否真正落地的,究竟是什么?

中数联物流科技(上海)有限公司(以下简称为数联科技)副总经理肖慧彬、光轮智能战略与对外合作副总裁杜习奇、知道创宇联合创始人兼CTO杨冀龙的访谈,分别从行业数据、物理AI和安全治理三个方向,提供了三个观察窗口。

他们共同说明,AI产业化的难题已不再只是“模型够不够强”,而是数据能否进入业务、模型能否理解现实、系统能否在边界内可靠运行。



从碎片化数据到行业智能
物流AI首先要进入业务流程

在大模型快速发展的今天,企业并不缺少接入模型的渠道,真正稀缺的是能够被模型理解、调用并转化为业务结果的数据。

物流行业尤其能够说明这一点。肖慧彬介绍,物流行业参与者众多,业务分布在公路、铁路、水运、航空、枢纽、多式联运和危化运输等不同环节。行业中既有大型国央企,也有数量众多的中小物流企业;不同运输方式之间的单证标准并不统一,部分业务仍然依赖纸质文件和人工处理。



数联科技副总经理肖慧彬

这意味着,物流行业的AI应用并不是把一个通用模型接入系统那么简单。模型首先要面对数据来源分散、格式不一、业务流程差异明显等问题。如果这些数据不能被整理、连接和理解,模型即使拥有较强的通用能力,也很难直接转化为稳定的行业服务。

肖慧彬认为,物流AI需要先“深度地去结合场景”,再把专家经验与高质量数据结合起来形成技能模块,最后通过智能体应用到具体业务中。这个路径的重点不在于单独训练一个模型,而在于把行业经验、业务规则和数据资源组织成能够被系统反复调用的能力。

目前,物流行业可以尝试的场景已经比较具体。比如报关、客服和单证识别等工作,通常包含大量重复性操作,人工处理效率有限;航空货运则涉及运价预测、运力与运输工具匹配、线路调度和多式联运路径规划等任务。这些任务既需要数据支撑,也需要对行业规则和业务背景进行综合判断。

在航空货运运价问题上,肖慧彬举了一个例子:当如国际局势紧张等不稳定因素导致的油价上涨时,人们容易直接判断运输价格也会同步大幅上涨,但模型测算可能会显示,油价并不是决定运价的唯一因素,季节、供需和行业特点同样会产生影响。AI在这里的作用,并不是替代所有人的判断,而是利用数据对经验判断进行补充。

这也解释了为什么行业AI的价值不能只用“模型回答得是否流畅”来衡量。对于物流企业而言,更重要的是模型能否识别单证、理解业务状态、调用相应工具,并将结果放回原有流程中。只有当AI能够处理具体任务,行业数据才不再只是训练材料,而会成为改善运营效率的生产要素。

但智能体并不意味着传统自动化会被全面替代。肖慧彬认为,二者不是替代关系,而是互补关系,各自有适合的场景。



左为数据猿联合创始人、总编辑张艳飞 右为数联科技副总经理肖慧彬

对于标准化程度高、准确率要求高、容错空间小的流程,规则明确的传统自动化仍然具有优势。例如财务等业务通常需要严格按照固定流程执行,任何偏差都可能带来风险。而在半标准化、非标准化或需要处理多模态信息的任务中,智能体可以发挥更大的灵活性。

因此,物流行业的智能化并不是在传统自动化和AI智能体之间进行简单二选一,而是要重新划分任务边界:确定性强的环节交给规则系统,需要综合判断的部分交给智能体,涉及重大责任和例外情况的环节仍由人工参与。

从这个角度看,物流AI首先是一项数据治理和流程重构工作。模型只是其中一个环节,真正决定应用效果的,是企业能否把分散的数据、专业经验和业务系统连接起来,并形成可以持续更新的行业知识体系。

从数据训练到持续学习
物理AI的关键在于闭环

物流AI面对的是复杂的数字业务,物理AI则要进一步进入现实世界。机器人、自动驾驶设备和其他具身智能系统,不仅需要理解语言和图像,还要感知空间、识别物体、执行动作,并承受动作失败带来的现实后果。



光轮智能战略与对外合作副总裁杜习奇

光轮智能战略与对外合作副总裁杜习奇认为,在物理世界中试错的成本比仿真环境中要高。仿真环境中,机器人可以无限试错并带来持续进步;但在现实环境中,机器人一次错误可能碰撞设备、损坏物体,甚至对人员造成伤害。因此,具身智能需要的不只是更强的推理模型,还需要大量能够描述真实世界的学习数据和大规模的仿真训练。

杜习奇将机器人学习所需的数据分为几类。真机数据更接近实际操作,但成本较高、数量有限,而且往往与具体机器人本体和场景绑定难以支撑大规模训练;仿真数据具备规模化、高效率的特点,可以快速扩展任务场景,具有较强的泛化能力并降低试错成本,前提是解决仿真环境与真实环境之间的差异;人类操作数据能够提供丰富的操作示范,可以让机器人更好的学习人的动作方式,但采集设备、动作质量和数据标准仍处于不断探索之中。这三类数据并不存在简单的替代关系。

也正因此,物理AI的核心问题不是“数据越多越好”,而是数据能否被有效使用,能否覆盖不同任务和环境,能否在训练之后通过评测验证,最终能否支持真实部署。



数据猿专访光轮智能战略与对外合作副总裁杜习奇

杜习奇介绍,光轮智能打造“求解、测量、生成”三位一体全栈自研的仿真底座。“求解”用于引入物理规律,“测量”用于获得真实物体的重量、体积、摩擦力、弹性和扭矩等属性,“生成”则用于形成可供模型训练和测试的数据。这个过程可以减少纯粹依赖虚拟环境造成的偏差,让仿真数据更接近真实世界。

需要强调的是,仿真并不是对真实环境的完全替代。它的价值更多体现在部署前的训练和验证:让机器人在成本较低、风险较小的环境中完成反复尝试,先发现问题,再进入真实产线或实际场景。

因此,物理AI真正需要建立的,不是一次性训练流程,而是一条持续学习链路。杜习奇将这一过程概括为机器人“学习-评测-部署”,部署之后再把新经验反馈回来,形成闭环。

这一闭环改变了人们对“仿真评测”的理解。RoboFianls评测不只是给模型一个分数,也不是为了在不同模型之间做简单排名。更重要的是,评测要指出模型在哪些任务上失败、在哪些环境下不稳定,以及下一轮训练应该补充什么数据、如何调整与提升。

如果机器人只是在固定场景中完成一个动作,它还不具备真正的通用能力。只有当系统能够面对不同物体、不同空间和不同任务条件,仍然保持相对稳定,并在出现异常时及时停止或调整,才有可能进入真实生产环境。

物理AI的数据问题还涉及成本和供给方式。杜习奇介绍,光轮智能正在探索数据复售,即让客户购买数据使用权,通过数据复用帮助客户降低使用成本、扩大行业供给。对于仍处于早期阶段的具身智能行业而言,光轮智能的这种举措正在推动数据从一次性交付的定制资源,逐步转向赋能行业发展的基础设施。

无论采用何种商业模式,数据质量、使用边界和效果验证都不能被忽略。数据能否支撑机器人学习,最终仍要回到真实任务中检验。

杜习奇对行业前景的判断是:“路径是曲折的,前景是光明的。”这句话并不是对短期技术成熟度的简单乐观,而是说明物理AI仍处于基础设施建设阶段。未来的竞争重点,除了模型本身,还包括数据生产、仿真训练、评测体系和部署反馈能否形成完整链路。

从能够接入到敢于执行
智能体落地必须把安全内生化

当AI进入物流系统和机器人环境之后,它最终还要面对一个无法回避的问题:企业是否愿意把真实权限交给它。

杨冀龙所在的网络安全行业,首先面对的是政府、央企和关键业务系统的内网场景。在互联网环境中,模型可以调用搜索、数据检索和外部服务;一旦进入内网,系统就需要在相对封闭的环境中运行,模型升级、算力条件和数据资源也可能受到限制。



知道创宇联合创始人兼CTO杨冀龙

同时,内网环境往往存在复杂的软硬件组合,需要适配不同芯片、操作系统、网络架构和权限体系。杨冀龙提到,内网AI还必须满足更高等级的审计、审批和第三方验证要求。一个模型能否运行,只是落地的起点;它能否在既有安全制度和业务流程中运行,才是决定企业是否采用的关键。

这使得AI安全不再只是对模型输出做内容过滤,而是要贯穿数据、模型、工具、权限和操作全过程。

杨冀龙说,智能体最重要的问题是“怎么把它管得住用得好”。这句话对应的是智能体与普通问答工具之间的差异:问答系统出现错误,通常会造成信息误导;智能体一旦拥有调用系统、访问数据和执行任务的权限,错误就可能直接转化为业务风险。

因此,企业需要明确智能体能够访问哪些数据、调用哪些工具、执行哪些操作,以及哪些动作必须经过人工审批。对关键系统而言,权限管理、过程审计、模型调用、数据流转和结果复核,都需要被纳入统一的控制体系。

杨冀龙认为,政府和国央企的AI应用需要一个更长的产业链协同,从芯片、服务器、操作系统,到大模型、智能体和应用落地,都要在安全要求下共同适配。这说明企业级AI并不是某一个模型厂商能够独立完成的产品,而是需要硬件、软件、模型、服务和安全能力一起进入系统。

具身智能又将安全边界进一步推向现实空间。机器人要模仿人的操作,就需要采集人的动作数据;这些数据如何保护、如何界定使用边界,模型学会动作之后如何避免出现变形,机器人遭遇网络攻击后如何阻止异常控制,都需要在系统设计阶段被考虑。

如果机器人在平滑、理想的环境中表现良好,但在异常情况下仍会继续执行错误动作,那么它就不适合直接进入高风险场景。杨冀龙提到,具身智能需要逐步建立安全框架,先从最关键的安全要求做起,再随着应用发展不断补充专业场景。

这也是为什么,智能体落地不能只追求功能数量和自动化程度。一个系统能够完成多少任务固然重要,但它在错误发生前能否被阻止,错误发生后能否被发现,任务失败后能否恢复,同样决定着企业是否敢于使用。

从互联网应用走向政企内网,从数字任务走向机器人动作,AI的安全边界正在不断扩展。数据安全、网络安全、模型安全、权限安全和物理安全,未来将越来越难以被分割处理。

从单点能力到产业系统
AI应用的下一场竞争



这三场访谈分别从物流、物理AI和安全场景出发,但它们并不是三个彼此孤立的案例。

物流行业说明,AI必须建立在真实、持续、可调用的行业数据之上;物理AI说明,数据不能停留在训练阶段,还要经过仿真、评测、部署和反馈,形成持续学习闭环;安全场景则说明,当AI进入企业生产环境之后,能力越强、权限越大,对治理和审计的要求也越高。

这三条线连接起来,构成了AI产业化的基本条件:数据基础、任务闭环和安全边界。

首先,企业需要解决“AI从哪里学习”的问题。行业数据不能只是简单汇总,还要具备明确的来源、结构、语义和使用范围。物流单证、生产记录、设备数据和人类操作数据,都需要经过治理,才能转化为模型可以理解、系统可以调用的知识。

其次,企业需要解决“AI如何证明自己有效”的问题。模型在演示环境中表现良好,并不意味着能够在复杂生产环境中长期稳定运行。对于不同领域,企业需要建立与具体任务对应的评测指标,持续观察模型的准确率、稳定性、异常处理能力和失败恢复能力。

最后,企业需要解决“AI出错时怎么办”的问题。智能体不可能永远正确,物理系统也不可能完全排除异常。因此,企业需要在系统中预先设置权限边界、人工确认、审计记录、风险拦截和恢复机制,让AI的错误能够被及时发现并控制在可承受范围内。

从这个角度看,AI产业化不是把同一个模型复制到更多行业,而是根据不同场景重新组织数据、工具、流程和责任。这也意味着,未来衡量AI应用价值的标准会发生变化。企业不会只看模型在公开榜单上的分数,也不会只看发布会上能够演示多少功能,而会更加关注它是否真正减少了重复劳动,是否缩短了故障处理时间,是否提高了生产稳定性,是否能够在异常情况下及时停止并恢复。

2026人工智能+大会所呈现的产业图景,正从“模型能力展示”转向“产业链协同建设”。数据企业、模型企业、硬件企业、平台企业和安全企业,需要共同完成从训练到部署、从应用到治理的完整链路。

AI已经开始进入真实场景,但这并不意味着产业化已经完成。相反,模型越接近业务流程、物理环境和关键系统,越需要更扎实的数据、更严格的评测和更清晰的责任边界。

从“能用”到“好用”,解决的是应用效率;从“好用”到“敢用”,考验的则是整个产业系统能否稳定、可控地承担结果。AI真正的下一程,也许不在于它还能展示多少新能力,而在于这些能力能否被企业长期信任,并成为日常生产的一部分。

文:月满西楼数据猿
责编:凝视深空数据猿

特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。

Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.

相关推荐
热点推荐
美国谴责乌克兰对俄罗斯的远程打击,称打击“给俄罗斯民众带来痛苦”

美国谴责乌克兰对俄罗斯的远程打击,称打击“给俄罗斯民众带来痛苦”

山河路口
2026-11-18 12:47:12
山东男篮4分险胜广东,徐杰15+4+5焦泊乔15+4,陈林坚15分陶汉林9+3

山东男篮4分险胜广东,徐杰15+4+5焦泊乔15+4,陈林坚15分陶汉林9+3

中国篮坛快讯
2026-11-18 21:56:13
黄仁勋夫人比他大两岁,年轻的时候很有魅力

黄仁勋夫人比他大两岁,年轻的时候很有魅力

微评社
2026-11-18 11:42:53
榜眼摆上货架一天就下架了?没人要,交易杜兰特里外里亏了两次!

榜眼摆上货架一天就下架了?没人要,交易杜兰特里外里亏了两次!

你的篮球频道
2026-11-18 10:31:49
高市早苗拒不道歉,专机飞往中国之前,还提要求希望得到平等待遇

高市早苗拒不道歉,专机飞往中国之前,还提要求希望得到平等待遇

通鉴史智
2026-11-18 09:37:22
阿尔卡拉斯2-0完胜世界第5,迎来ATP年终总决赛2连胜

阿尔卡拉斯2-0完胜世界第5,迎来ATP年终总决赛2连胜

侧身凌空斩
2026-11-18 22:25:18
俄总统特别代表称赞深圳:巨大、美丽且非常现代化,既是“未来之城”也是“自然之城”

俄总统特别代表称赞深圳:巨大、美丽且非常现代化,既是“未来之城”也是“自然之城”

环球网资讯
2026-11-18 11:06:11
英媒:阿森纳本赛季英超已3次被漏判点球,但球队全部取胜

英媒:阿森纳本赛季英超已3次被漏判点球,但球队全部取胜

懂球帝
2026-11-18 20:36:46
新加坡总理黄循财已到中国深圳!APEC4天访华行程曝光

新加坡总理黄循财已到中国深圳!APEC4天访华行程曝光

新加坡万事通
2026-11-18 20:05:06
曝邝球庭审第二天落泪,哭着承认肢解蔡天凤,自称俩儿子毫不知情

曝邝球庭审第二天落泪,哭着承认肢解蔡天凤,自称俩儿子毫不知情

喜欢历史的阿繁
2026-11-18 16:01:18
是击毁、击落,还是干扰?中国如何应对印度可能到手的图-160

是击毁、击落,还是干扰?中国如何应对印度可能到手的图-160

文史道
2025-01-24 20:16:55
失控的信号:中国股市的玩笑这次开大了?

失控的信号:中国股市的玩笑这次开大了?

星语者056
2026-11-12 08:53:16
库里:还没想过退役 这有可能是我的最后一份合同

库里:还没想过退役 这有可能是我的最后一份合同

体坛周报
2026-11-18 07:56:11
“妈妈,我是不是智商不行”,杭州重高男生快急哭:期中连考9门,一门扣掉几十分,落差大到“怀疑人生”

“妈妈,我是不是智商不行”,杭州重高男生快急哭:期中连考9门,一门扣掉几十分,落差大到“怀疑人生”

极目新闻
2026-11-16 11:21:01
炸了!中国影后与女导演澳洲领证结婚!刷上热搜!二人均未敢回应

炸了!中国影后与女导演澳洲领证结婚!刷上热搜!二人均未敢回应

澳洲红领巾
2026-11-17 11:17:20
极其罕见!美俄两国最顶级战略机竟然在深圳公开同框

极其罕见!美俄两国最顶级战略机竟然在深圳公开同框

阿芒娱乐说
2026-11-18 18:01:38
2027年法国总统大选:勒庞向乌克兰确认,若当选将终止法国财政援助,称公共财政状况不允许

2027年法国总统大选:勒庞向乌克兰确认,若当选将终止法国财政援助,称公共财政状况不允许

忧郁天空
2026-11-17 20:00:37
美专家:美国现在只有2个选择,要么跟中国和解,要么接受战败!

美专家:美国现在只有2个选择,要么跟中国和解,要么接受战败!

无心小姐姐
2026-11-18 10:05:20
奥克兰市长从中国回新西兰后,公开宣称“民主已经过时”,“五眼席位可卖给日本”

奥克兰市长从中国回新西兰后,公开宣称“民主已经过时”,“五眼席位可卖给日本”

发现新西兰
2026-11-18 12:11:59
这两天,网友们在围观一个叫玉芬的记者

这两天,网友们在围观一个叫玉芬的记者

清晖有墨
2026-11-17 12:40:13
2026-11-18 23:00:49
数据猿DataYuan incentive-icons
数据猿DataYuan
数据智能产业创新服务媒体
3060文章数 623关注度
往期回顾 全部

科技要闻

离职后首份声明!黄仁勋认错愿回归

头条要闻

追上特朗普专机 马斯克又来了

头条要闻

追上特朗普专机 马斯克又来了

体育要闻

“中超卡里乌斯”,成了大连的夺冠英雄

娱乐要闻

主持人张泉灵被曝猛料,公司成老赖

财经要闻

黄仁勋留下的高分成绩单,能延续吗?

汽车要闻

全新红旗H9最有意思的地方,是它开始有自己的豪华逻辑了

态度原创

数码
房产
健康
教育
时尚

数码要闻

34999元起,华硕RTX Spark迷你主机ProArt GR1X发售

房产要闻

周大生出手!海棠湾又一大商业体来了

医生眼里"很伤腰"的椅子,很多人天天坐

教育要闻

第十五届“挑战杯”中国大学生创业计划竞赛主体赛拟授奖名单,公布!

裤子+靴子,冬天最经典搭配,松弛又时髦

无障碍浏览 进入关怀版