# 机器人终局：一份物理 AGI 路线图，用大语言模型的成功逻辑来推演

> 原标题：机器人终局：物理AGI路线图与LLM类比

- 来源：AI HOT 精选
- 发布时间：2026-05-08T14:32:53.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/16427
- 原文：https://x.com/DrJimFan/status/2052758642781487237

## 摘要

演讲者把机器人做成人形通用智能拆成六块：视频世界模型当第二预训练范式，世界行动模型（WAM）负责把感知转成动作，数据收集策略对标特斯拉 FSD 的物理数据飞轮，EgoScale 和灵巧性缩放定律试图量化训练规模与手部操作能力的关系，物理强化学习用来跑通最后一公里，DreamDojo 则是一个端到端的神经物理引擎。

## 推荐理由

演讲者把物理 AGI 拆成六个模块，并用大语言模型的发展阶段类比机器人训练路径，为讨论人形通用智能提供了一套可对齐的框架。

## 锐评

六块模块里我只看好数据飞轮那一块，对标 FSD 的物理数据收集是唯一被特斯拉验证过的路径，其余五块现在都还是概念。EgoScale 和灵巧性缩放定律听着像 scaling law，手部操作的数据量和视频差着好几个量级，能不能 scale 起来没人知道。这种路线图主要是给投资人讲故事用的，工程师照着排 roadmap 会踩空。做机器人的扫一眼对齐下词汇就行。
