五个核心问题与回答
空间智能、具身智能和物理智能有什么区别？
这些概念是不是同一件事的不同包装？
报告把空间智能理解为感知空间关系的能力，具身智能强调身体与行为产生的智能，物理智能则要求系统理解物理规律并在现实环境中行动。制造系统需要三者结合：看见空间、借身体执行、按物理约束判断。
为什么具身场景天然非平稳？
训练集做大以后，机器人不能像视觉模型一样泛化吗？
机器人要跨任务、跨场景、跨本体，身体状态也会磨损和发育变化。输入分布持续移动，动作还会反过来改变环境。静态数据集上的准确率无法完整代表现场能力。
世界模型与高保真仿真器有什么不同？
两者不都是在计算机里模拟现实吗？
高保真仿真器试图显式复现现实物理；世界模型是智能体从交互中形成的内部表征，用于预测行动后果和支持决策。二者可以协同，但训练来源、可解释程度和误差边界不同。
大模型在系统里负责什么？
是否由大模型直接控制机器人？
报告更强调大模型做任务编排，知识库和仿真器提供环境，小模型、传感器与边端控制完成实时执行。云、边、端各自承担不同延迟与安全要求，不能让语言模型越级替代底层控制。
应用案例真正验证了什么？
装洗衣机、电视机和比赛成绩能证明通用具身智能吗？
它们证明了灵巧操作、装配和闭环系统在具体场景的进展，但不等于跨本体泛化已经解决。更值得跟踪的是新场景部署需要多少数据、调试时间和人工介入。
沿着对话，回到问题如何展开
孙富春：人工智能的发展需要身体，身体的发展也需要人工智能，两者叠加形成具身智能。
纪要：身体不是一个输出设备。传感器位置、关节能力和材料特性共同决定系统能学到什么、能安全做什么。
孙富春：物理智能更重要的是让智能体在物理世界理解规律，形成面向现实的能力感知。
纪要：这把产品评价从动作相似度提高到后果预测：机器人是否知道物体会滑落、碰撞会造成什么、力的边界在哪里。
孙富春：具身智能面对跨任务、跨场景、跨本体以及发育过程，是完整的非平稳过程。
纪要：系统需要持续学习，但持续学习又可能破坏已验证能力。更新、回归测试和安全冻结因此属于核心工程。
孙富春：物理仿真器是对现实世界建模，世界模型则通过内部表征进行模拟和预测。
纪要：仿真器可以提供训练与验证环境，世界模型帮助智能体快速决策。二者误差来源不同，需要分别校准。
孙富春：智能制造的核心，是空间智能、具身智能和物理智能三者结合。
纪要：这套组合在装配案例中体现为看见零件关系、规划身体动作、理解接触和力学结果，再由质量反馈修正。
孙富春：系统需要强知识库和高保真物理仿真器，由大模型做任务编排，并把云边端与智能体连接起来。
纪要：真正的架构判断不是所有计算都放哪里，而是根据实时性、隐私、算力和失效后果分配任务。
现场画面
