2026世界机器人博览会（WRC）于8月19-23日在北京亦创国际会展中心举行。“AI大模型赋能机器人与具身智能产业新范式专题活动”在博览会同期举办。知跃空间智能董事长兼CEO钱琳瑞出席并演讲。
以下为演讲实录：
各位朋友，大家好。
过去十几年，我们见证了人工智能一次又一次令人惊叹的突破：图像识别，语言交互，生成代码和视频。今天，我们已经可以和一个 AI 谈论几乎任何事情。但有一个问题始终摆在我们面前。当 AI 离开屏幕，真正进入这个世界，会发生什么？真实世界有空间，有时间，有重量，有延迟，也有无数无法提前预知的变化。一个杯子从桌边滑落，不会等待模型完成下一次推理。一个机器人失去平衡，也没有“重新生成一次答案”的机会。所以今天，AI 正在跨越一道非常重要的边界——从理解数字世界，走向进入物理世界。这就是我们理解的 Physical AI。让智能真正进入世界，感受世界，并且作用于世界。
而当智能进入物理世界以后，第一件发生变化的事情，就是——数据变了。过去我们谈数据，是 Text、Image、Video。但对于一台真正生活在世界里的智能体，这些是远远不够的。物理AI的数据需要同时具备：空间、时间、语义，以及物理信息。更重要的是，这些数据不会停在那里。智能体每做一个动作，世界都发生一次变化；世界的变化，又成为下一时刻的新数据。所以，未来最大的训练集，就是我们生活的这个，实时变化的真实世界，那么怎么样去构建一个实时数据集是我今天提出的第一个问题。
数据变了，模型需要改变么？今天的大模型极其强大。但真实世界对智能提出了完全不同的要求。它要低功耗，因为机器人无法背着一个数据中心行动。它要持续学习，因为世界每天都在变化。它要处理连续时间，因为运动、接触和平衡都发生在毫秒之间。它还必须真正参与物理交互。那么现在AI是否有能力处理这些问题呢？在2026年6月美国国家基金委大会上，数百个科学家都给认为现在AI框架在走入新的物理世界中，出现了瓶颈。那么怎么解决呢？我们知道，哪怕最高等的生物 - 人类的大脑，也长期保持20W的极低功耗，去持续感知、快速的决策，并在一个充满噪声和不确定性的世界里稳定工作。所以我们开始思考：如果可以重构一个生物大脑，并找到与大脑计算方式一致的算法，我们是不是就可以形成一套 非大数据、大算力驱动的新的智能计算方式？
与此同时，智能承载的身体也正在发生变化。未来的智能会存在于不同的载体中。它可以生活在数字世界——成为数字生物 、数字孪生和 Virtual Agent。它也可以赋能现实世界——成为机械臂、四足机器人、人形机器人、无人机和无人艇 。它甚至可以重新连接生命科学——帮助我们研究数字脑、模式生物、脑疾病，以及脑机接口 。所以：未来的智能，不会只属于一种身体。那么智能能否进入不同的身体，理解新的身体，适应新的身体，然后继续学习，也是关键需要解决的问题。所以，当数据改变、模型改变、身体也改变时——
Intelligence Must Change．新的 Physical AI 技术栈正在形成。
过去十年的 AI 技术栈非常清晰：Internet Data → Neural Network → Digital Application。互联网数据进入神经网络，最终产生数字世界中的应用。而Physical AI 正在形成另一套技术栈：Environment → Brain → Agent。当数据、模型和智能体这三个核心要素同时发生变化时，也意味着我们需要一套新的基础设施来推动发展。就像过去 PyTorch 让开发者可以方便地定义、训练和运行神经网络一样，Physical AI 同样需要一套工具，去构建世界、运行大脑，并把智能放进不同的身体。
过去几年，我们一直在做这件事情。今天，我非常高兴，可以第一次完整地把它介绍给大家。它的名字叫——DeepSoma。中文名字：知跃灵物。我们希望通过 DeepSoma 完成三件事情：让世界可计算。让大脑可运行。让智能可迁移。接下来，我想让大家直接看看，我们把这件事情，真正做成了什么。
刚才大家看到的，就是我们今天正式发布的——DeepSoma。接下来，我先给大家说明下视频里一个非常重要的细节。刚才大家看到的果蝇飞行环境、大脑仿真，以及神经元不断变化的放电状态，都来自 DeepSoma 的真实工程输出。这些画面没有用生成式 AI 去伪造仿真结果。环境由我们的工程师通过 DeepSoma 完成高精度的实时建模与物理仿真；果蝇大脑依据真实果蝇生物数据构建精细神经模型；屏幕上不断变化的真实放电状态，则是我们 DeepSoma求解器运行过程中通过对数字大脑的计算，记录下来的神经元放电状态。
DeepSoma 的整个体系，可以浓缩成三个动作 Build Worlds． Run Brains． Embody Intelligence．：在同一个系统里，环境、大脑和身体已经能够一起运行，形成闭环。
第一步，Build Worlds。这部分很多大家都不陌生啊，从数字孪生、到现在非常多公司在做的可微物理引擎，大家都在Build Worlds这个大板块上努力着。DeepSoma 的核心工作是R2S+物理约束。通过多模态数据的输入， 实时恢复几何、语义、位姿和接触关系，进一步估计材质、摩擦、动力学以及不确定性，最终形成：Space × Time × Semantics × Physics共同构成的 4D 世界数据。另外我们团队核心突破的另一个工作是，数据结构问题，也就是如何把如此多维度、多种类的数据通过有效的数据库设计，存储下来。那么最终，这部分通过 感知- 重建- 物理数据嵌入 - 仿真- 更新 形成的是一个闭环：Sense → Reconstruct → Embed Physics → Simulate → Update。我们想做的，是让现实世界真正成为一种可以调用、可以重复实验的数据基础设施。
第二步，是我们投入最多时间的一件事情。Run Brains。大家看 PPT 右侧，这是一张真实显微镜下的神经元。一个神经元包括树突、胞体、轴突和大量分支，它远比人工神经网络里的一个简单节点复杂。越来越多的脑科学研究正在告诉我们：简化的神经元丢失了大量的存算信息和高阶智能，那么，显微镜下这样一个真实的“生物结构”，怎样变成计算机能够运行的模型，从而形成更高阶智能？DeepSoma 封装了我们自研的精细神经元建模工具和神经动力学求解器，可以让大家快速的进行单神经元的建模，并从单神经元逐步扩展到神经回路、connectome 和全脑动力学。这里也引出了我们真正感兴趣的问题：智能的能力，有多少来自数据，又有多少来自结构本身？同样的知识，不同的人学习吸收效果完全不一样。同样的数据，进入不同的大脑连接结构，会产生完全不同的效果。
所以，DeepSoma 希望通过对生物大脑的精细仿真，让更多研究者可以真正运行、比较和探索这些结构，推动智能模型从数据驱动，进一步走向结构与动力学驱动。
那么，第三步叫：Embody Intelligence。DeepSoma 提供统一的 Agent 接口。
模型输出可以被映射成机械臂的动作、无人机的飞行控制，或者一个数字智能体的行为。
大家可以通过DeepSoma ，快速做模型迁移、动作解码和任务的部署，让 Brain 与新的 Body 重新建立关系。所以回过头来看，DeepSoma 实际上把真实世界转化成 4D 数据，模型转化成随时间持续运行的动力系统，把智能通过身体回到世界。Agent 行动，世界改变，新的数据产生，大脑再次计算。于是：这个环真正闭合了。我们认为智能最值得探索的东西，正发生在这个闭环之中。
为什么知跃要做这样一个看起来非常大的系统？原因其实很简单。因为从第一天开始，我们研究的就一直是同一个问题：正如老话常说，人类聪明，是因为会使用工具。那么，智能究竟是怎样在与真实世界交互中逐步产生的？
今天发布 DeepSoma，对我们来说只是一个开始。我们希望它成为一套真正开放的基础设施。如果你是一名神经科学家，你可以在这里验证神经回路，研究全脑动力学。如果你是一名 AI 研究者，你可以探索 Transformer 之外新的基础模型。如果你是一名机器人开发者，你可以让一个 Brain 进入不同的身体，并在真实世界里不断验证它。如果你来自生命科学，这里也可以成为数字生命、脑疾病研究以及 BCI 的实验空间。我们希望未来，开发者不需要重新搭建所有这些复杂基础设施。你只需要专注于一个问题：你想创造怎样的智能？
最后，我想讲一讲，为什么我们把这个平台叫作 DeepSoma。Soma 是一个很古老的词。它源自古希腊语，意思是 Body，身体；而在今天的神经科学里，Soma 还有一个更具体的含义——神经元的胞体。这恰好对应了我们理解智能的两个尺度。向微观走，是一个神经元、一棵树突，以及亿万神经元之间形成的复杂连接。向宏观走，是身体，是环境，是一个生命如何在真实世界中感知、学习和行动。所以我们在 Soma 前面加了一个词：Deep。DeepSoma，代表我们希望从生命最真实、最深层的结构出发，一层一层去理解智能——但 Deep 还有另一层含义。我们并不知道智能的边界究竟在哪里。
今天我们复刻一个神经元，运行一颗果蝇的大脑；未来，知跃也会逐步复刻更复杂的脑、探索今天还无法想象的智能形态。所以 DeepSoma 也是一个邀请。我们希望把这套工具交给全世界的研究者和开发者，一起去探索智能更深的边界。从理解一个神经元，到理解一颗大脑，从理解生命——到创造新的智能。知跃空间智能。DeepSoma，知跃灵物。
欢迎大家与我们一起进入物理AI新范式，探索更多可能，谢谢大家。