这是我的第383篇专栏文章。
过去一周，人工智能领域备受关注。，谷歌发布了世界最新版本Genie 该模型首次实现了可实时互动的环境生成，效果震撼人心。紧接着，OpenAI正式推出了GPT-再度引发行业热议。
人工智能（AI）与物联网（IoT）结合是未来发展的新趋势，我早前便预测其产业价值将达到归于物联网。此观点虽一度被认为是大胆或激进，但随着AI产业化步伐加快，越来越多的证据证明这一判断的正确性。
在AI产业化浪潮下，物联网不仅没有边缘化，反而日益成为推动AI真正落地、赋能千行百业的核心驱动力。预计到2025年，全球物联网终端连接数将突破270亿大关。更重要的是，正是这些分布在生产、交通、医疗、城市等场景的海量物联网终端，为AI应用提供了高达67%-72%的原始数据来源。可以说，物联网已成为AI进化与应用最坚实、最广阔的数据基础。
这一趋势在AI新系统的最新进展中得到证实。以GPT-Genie 代表的最新人工智能系统，正逐渐从单一依赖于互联网上的虚拟数据，转变成能够主动感知、理解和操控现实世界的智能体。
随着技术的不断进步，物联网的价值日益显现。它不仅仅是收集数据的设备，还是连接人工智能与现实世界的沟通者和知识宝库。
无论是更先进的人工智能模型还是能够自主行动的智能体，都离不开物联网终端收集的海量实时多模态具身数据。这些数据不仅数量庞大，还包含了丰富的物理特性、环境特征和动作语义，是实现AI向真实智能迈进的重要基石。
事实上，大模型的极限已显现端倪。依靠单纯扩充参数和算力堆叠出来的智能正在遭遇虚拟世界的天花板：推理能力不足、物理常识缺失、泛化困难、幻觉频发……AI想要突破这些瓶颈，必须回归更加真实和复杂的物理世界。
机遇已来临！下一次的智能变革，战场不再局限于数据丛林和编程展示，而是物联网主导下的智能设备向下扎根，实现在真实世界的感知、理解和执行能力。AIoT的崛起，正引领着更高级别的智慧走进我们的生活。
虚拟智能的极限VS物理智能的起点
AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型
在过去几年中，Scaling Law成为了推动人工智能快速发展的主要动力。如图所示，自从GPT-世以来，大模型的进化通常遵循一种极端简洁的法则：参数越多、训练的数据量越大、计算能力更强，机器学习的能力就越接近于通用智能。
尽管GPT系列模型不断进化，每次更新都挑战着技术边界，但在追求更大的规模和更强大的功能时，它们也面临着诸多限制和潜在的缺点。从文本生成到多模态理解和推理能力提升方面，这些模型确实展示了令人瞩目的进步。然而，随着模型的不断升级，我们也应该注意到其背后存在的挑战与瓶颈。这意味着，在继续推动技术发展的同时，我们还需要更加谨慎地审视技术和实际应用之间的平衡，并探索如何在保持创新的基础上解决现实问题。
面对数据红利枯竭与算力成本飙升的双重挑战，模型的精度与泛化能力提升明显放缓，出现了边际效益递减的现象。
OpenAI最新研发的GPT-型因其表现不尽如人意而引发了用户的一系列负面反馈，与上一代产品相比显得更为笨拙。
OpenAI首席执行官Sam Altman于周五迅速做出回应：将允许Plus用户选择继续使用前代版本的GPT-4o。
随着大模型技术的发展，我们需要更加警惕其在虚拟世界中的幻觉现象难以得到有效控制。尽管这些模型能出色地完成现有数据集中的任务，例如填补空缺和模拟行为，但在处理复杂多变的实际问题时却显得力不从心。因此，在利用大模型进行应用时，我们应格外小心，避免它们仅满足于表面的模仿而忽视了对真实世界的理解和应对能力。
事实表明，单纯依赖数据和算力提升并不能跨越虚拟智能的边界。这使得“人工智能+物联网”不再仅仅作为附加价值存在，而是成为智能体时代不可或缺的基础支撑。AIoT不仅连接万物，更赋予了它们智慧的能力，是实现AI突破的关键路径。
在这个关键时刻，物理世界的数据正逐渐转变为推动AI进步的全新资源库。随着文本和图像等传统数据的潜力接近饱和，物联网设备捕捉到的实时、真实世界的各类信息，已成为加速AI技术飞跃的关键要素。这一转变不仅为解决复杂问题提供了新途径，也为未来的发展开辟了广阔的前景。
Genie 发布标志着人类模型首次能够在三维物理环境中进行实时互动，并且具身智能体的研究与应用也突显了AI在感知、操控和反馈现实世界的潜力。这些创新的本质是将人工智能的能力从虚拟世界拓展至真实世界的转变，为未来技术发展提供了新的方向和可能性。
只依赖于物理世界中的感知、交互与反馈信息，才是赋予人工智能真正泛化能力和因果推理能力的基础。这种数据不仅体量庞大且品质优良，包含丰富多样的场景和动态的环境特征，是智能体应对复杂情况不可或缺的信息来源。
虽然在采集、标注和泛化方面，物理世界数据面临巨大挑战，但其带来的真实场景泛化价值超过虚拟世界数据的堆积。AI的未来道路，已经无法避免地需要深入探索物理世界。
世界模型×AIoT：智能体新物种的崛起
在AI发展的历程中，“大数据”曾经是智能进化的关键推手。无数模型依靠大量文本、图片、音频等信息堆砌，获得了前所未有的表达与理解能力。然而，随着AI能力逼近虚拟世界极限，“以量取胜”的范式正在逐渐失效。未来，真正推动AI落地和进化的不再是数据的绝对规模，而是“好数据”的质量和结构。在新的研究中，科学家们发现，高质量的数据不仅需要涵盖多样性和深度信息，还需要包含丰富的上下文关系和细致的细节特征。例如，在自然语言处理领域，好的数据会提供准确的信息解析、情感分析以及跨模态理解能力；在计算机视觉方面，则需要大量的训练图片覆盖广泛的场景与对象，并且保留丰富的语义信息。因此，“好数据”不仅仅是数据的数量，更在于其质量和结构的独特性。这种“好数据”的竞争将引领AI技术的下一个重大突破，推动技术从理论应用向实际应用的转化，最终实现智能化世界的更广泛部署和使用。
在物理世界中，“好数据”是AI感知、理解与决策的关键因素。“好数据”不仅需要真实性和准确性，还必须能够被模型理解和应用。首先，这些数据应该来源于真实的环境、操作和反馈，精确地反映物理世界的规律和动态。其次，它需要包含明确标签、结构化的信息以及丰富的语义，以促进高层次认知。最重要的是，数据应能覆盖广泛的场景、复杂的环境变化及边界情况，确保模型具备迁移学习的能力，从而在不同的环境中保持性能稳定。
在智能体时代，真正的“火种”是优质的数据，它成为技术革新的基石。由于智能体的意识觉醒，需借助具身智能和环境建模来推动其发展，通过AIoT智能体网络实现全面进化。
许多人误以为具身智能等同于人形机器人，实际上，具身智能的本质是赋予AI主动感知、物理交互与自我学习的能力。AIoT智能体，正是这种能力的最佳承载体。无论是工厂自动化、智慧城市，还是无人配送、智能家居，AIoT智能体正以分布式、网络化的形态，悄然渗透到物理世界的每一个角落。
随着世界模型的不断进化，人工智能从“能说”转变为“能做”，并从传统的“像素/文本”处理能力升级到具备物理因果关系和抽象推理能力。例如，计算机科学家Yann LeCun提出的新一代世界模型，让AI不仅依赖于数据重构，还能主动预测环境变化、推算自身行为的后果，并进行反事实推理与零样本规划。这标志着AI技术迈入了一个全新的发展阶段。
这种能力的核心在于对物理世界规律的深刻理解和广泛运用。在这一过程中，离不开AIoT智能体网络所支持的主动感知、分布式决策和实时反馈机制。每个具身智能体是物理世界的“眼睛”和“手”，通过IoT网络形成协同合作、共享信息和进化的超级智能生态体系。
归根结底，智能体的泛化能力和自适应性需依托于AIoT的物理世界闭环系统。有了这个闭环，世界模型成为认知的基础，而AIoT则提供执行的动能，两者相辅相成，才能让智能体在现实环境中觉醒和学习。
从百模大战到智能体经济
随着AI技术的快速演进，产业格局正迎来前所未有的拐点。
过去两年间，AI行业在激烈竞争下迅速扩张，众多大型模型、应用与平台纷纷涌现，试图在算法和规模上占据优势地位。然而，技术红利和流量红利的窗口逐渐关闭。真正的竞争焦点正在从模型能力的比拼转移至平台化、软硬件一体化以及数据闭环的掌控。当大模型成为基础设施时，谁能在此更广泛的产业场景中实现“智能体即生态”，谁才有可能主导新一轮的智能革命？
这种AI重心的迁移，标志着AI商业模式从“模型即服务”向“智能体即生态”的深度演化。在工厂、物流、城市、医疗等物理世界的复杂场景中，单一的AI模型API已无法满足从感知、决策到执行的全流程需求。企业与城市客户更渴望一体化软硬件平台，实现端到端的数据处理和智能化应用。这种模式下，人工智能不再是独立的工具，而是作为生态系统的一部分，能够更好地协同工作，共同为客户提供全方位的服务解决方案。
以上就是拐点已现:"人工智能+"的价值70%来自物联网,AI归位物理世界的详细内容，更多请关注其它相关文章！
