拐點已現:"人工智能+"的價值70%來自物聯網,AI歸位物理世界

作者 | 物聯網  2025-08-13

過去一周，AI領域熱點頻出。8月6號，Google發布了世界模型的最新版本Genie 3，該模型首次實現了可實時互動的3D環境生成，效果令人驚艷。緊接著8月8號，OpenAI正式推出了GPT-5，再度引發行業熱議。

其實，早在這些突破之前，我就曾在文章中預判，“人工智能+”的產業價值有70%最終將歸屬于物聯網。彼時這一判斷被不少人視為大膽甚至激進，但隨著AI產業化進程的加速，這一觀點正被越來越多的事實所驗證。

在AI產業化浪潮下，物聯網不僅沒有邊緣化，反而日益成為推動AI真正落地、賦能千行百業的核心驅動力。預計到2025年，全球物聯網終端連接數將突破270億大關。更重要的是，正是這些分布在生產、交通、醫療、城市等場景的海量物聯網終端，為AI應用提供了高達67%-72%的原始數據來源。可以說，物聯網已成為AI進化與應用最堅實、最廣闊的數據基礎。

這一趨勢在AI基礎模型的最新突破中得到了印證。以GPT-5、Genie 3為代表的新一代人工智能系統，正在從單純依賴互聯網文本、圖片等虛擬數據，逐步轉向主動感知、理解乃至操作物理世界。

在這些技術更新的背后，物聯網的價值愈發凸顯。它不僅是數據的采集器，更是AI與現實世界交互、反饋、持續學習不可或缺的橋梁。

無論是更強的世界模型，還是能夠自主行動的智能體，都在依賴物聯網終端產生的大量實時、多模態、具身數據。這些數據不僅數量巨大，更蘊含著豐富的物理屬性、場景特征和行為語義，成為AI模型突破幻覺、邁向真實智能的關鍵。

事實上，大模型的極限已經初現端倪。靠單純擴充參數和算力堆疊出來的智能，正在遭遇虛擬世界天花板：推理能力不足、物理常識缺失、泛化困難、幻覺頻發...AI想要突破這些瓶頸，必須回歸更加真實和復雜的物理世界。

拐點已來。下一輪智能革命，主場不再是虛擬世界的數據堆砌和算法炫技，而是物聯網主導下的智能體下沉，是真實世界中的感知、理解與行動。AIoT的覺醒，將讓更高階的智能真正走向現實。

虛擬智能的極限VS物理智能的起點

過去幾年，

過去幾年，Scaling Law成為推動人工智能突飛猛進的信條。如上圖所示，自GPT-3以來，大模型的發展幾乎遵循著一個“暴力美學”的簡單邏輯：參數越大、數據越多、算力越強，智能就越接近通用。

GPT-4、GPT-4o，再到剛剛發布的GPT-5，每一次迭代都在刷新規模與能力的上限。從文本生成到多模態理解，這些模型確實帶來了令人驚嘆的能力躍升。然而，更大更強的模型背后，也不可避免地暴露出極限與瓶頸。

隨著數據紅利的消耗殆盡、算力成本的指數級增長，模型在精度和泛化能力上的提升變得愈發緩慢，甚至呈現出邊際效益遞減的趨勢。

OpenAI備受矚目的新一代模型GPT-5在發布后就遭遇了意想不到的初步反應，部分早期用戶抱怨其表現“笨拙”，甚至不如前代產品。

OpenAI首席執行官Sam Altman于周五迅速做出回應：將允許Plus用戶選擇繼續使用前代版本的GPT-4o。

更值得警惕的是，大模型在虛擬世界中的幻覺現象難以克制，很多事實都說明AI依然“會說不會做”。它們擅長在已有數據分布中填空或模仿，卻難以跳出虛擬世界的沙箱，真正理解和應對復雜多變的現實場景。

事實證明，靠單純堆疊數據和算力，AI較難逾越虛擬智能的天花板。這也讓所謂“人工智能+物聯網”不再是錦上添花的附庸，而成為智能體時代的基石。AIoT不僅聯接萬物，更讓萬物生出智能，成為AI突破邊界的必由之路。

正是在這樣的背景下，物理世界的數據開始成為AI進化的新金礦。當文本和圖像數據的價值已近極限，物聯網終端所采集的真實世界數據，成為推動AI能力躍遷的“生命之泉”。

最新案例的本質，就是AI能力從虛擬走向物理的范式轉變。

只有物理世界的感知、交互和反饋數據，才能為AI提供真正的泛化能力和因果推理能力。這類數據不僅量大質優，還蘊含著豐富的場景多樣性和動態變化，是支撐智能體適應復雜環境的關鍵。

雖然物理世界的數據采集、標注和泛化面臨著巨大的技術與成本挑戰，但它帶來的“場景泛化性”價值遠超虛擬世界的數據堆積。AI的進化之路，已無法回避對物理世界的深度擁抱。

在AI發展的進程中，“大數據”曾一度被視為智能進化的萬能鑰匙。無數模型依靠海量文本、圖片、音頻等數據的堆砌，獲得了前所未有的表達與理解能力。然而，隨著AI能力逼近虛擬世界的極限，這種“以量取勝”的范式正在逐步失效。取而代之的，是對“好數據”的極致渴望與競爭。未來，真正推動AI落地和進化的，不再是數據的絕對規模，而是“好數據”的質量和結構。  

在物理世界中，“好數據”成為AI感知、理解、決策的核心瓶頸。什么才算“好數據”？首先，必須具備物理真實性，即數據來源于真實環境、真實操作、真實反饋，能夠準確反映物理世界的規律和動態。其次，要有語義可理解性，不僅僅是低層次的傳感器信號，而是帶有明確標簽、結構和語義信息的數據，利于模型高層認知。更重要的是，場景泛化性，即數據能覆蓋多樣化的場景、復雜的環境變化和邊界情況，確保模型具備遷移和泛化能力。

在智能體時代，“好數據”才是AI進化的真正燃料，是所有技術突破的基礎。因為智能體的覺醒，需要以具身智能與世界模型為支點，依托AIoT智能體網絡實現協同進化。

許多人誤以為具身智能等同于人形機器人，實際上，具身智能的本質是賦予AI主動感知、物理交互與自我學習的能力。AIoT智能體，正是這種能力的最佳承載體。無論是工廠自動化、智慧城市，還是無人配送、智能家居，AIoT智能體正以分布式、網絡化的形態，悄然滲透到物理世界的每一個角落。

世界模型的演進，正讓AI從“會說”到“會做”，從“像素/文本”處理能力進化出物理因果與抽象推理能力。以計算機科學家Yann LeCun（中文名楊立昆）主張的新一代世界模型為例，AI不再只是被動重構數據，而是主動預測環境演變、推演自身行為后果，實現反事實推理與零樣本規劃。

這種能力的本質，正是對物理世界規律的深刻理解和泛化應用。而這一切的成真，離不開AIoT智能體網絡所支撐的主動感知、分布式決策、實時反饋。每一個具身智能體，都是物理世界的一只“眼睛”和“手”，通過IoT網絡形成協同、共享、進化的超級智能體生態。

歸根結底，智能體的泛化能力和自適應性，必須依賴AIoT的物理世界閉環。世界模型是認知的地基，AIoT是行動的筋骨，二者協同，才有智能體在物理世界的覺醒。

從百模大戰到智能體經濟

隨著AI技術的快速演進，產業格局正迎來前所未有的拐點。

過去兩年，AI在“百模大戰”的硝煙中迅速膨脹，無數大模型、應用和平臺爭相登場，試圖在算法和規模上跑出領先者。然而，技術紅利和流量紅利的窗口正在關閉。真正的競爭焦點，正在從模型能力的比拼，轉移到平臺化、軟硬件一體化和數據閉環的掌控。大模型已是基礎設施，誰能在更廣闊的產業場景中實現“智能體即生態”，誰才有可能主導新一輪智能革命。

這種AI重心的遷移，標志著AI商業模式從“模型即服務”向“智能體即生態”深度演化。在工廠、物流、城市、醫療等物理世界的復雜場景中，單一的AI模型API已無法滿足從感知、決策到執行的全流程需求。企業與城市客戶更渴望一體化軟硬件平臺，實現端到端的數據閉環和持續進化。

以自動化工廠為例，只有打通設備、傳感、AI決策、機器人執行全鏈路，才能形成自學習、自優化、自管理的智能生產系統；物流行業對智能體的主動協作和動態調度需求，也決定了平臺級AI能力的不可替代性。

在這個過程中值得注意的是，AIoT的使命正在被重新定義。它不再是單純的聯網工具，也不只是數據采集的中轉站，而是讓每一個物理設備都進化為能感知、能決策、能行動的主動智能體，并持續成為高價值數據的產出者。

AIoT的價值，正在從數字化轉型的底座，躍升為智能體時代的新基建。在智能工廠、智慧城市、數字醫療等前沿領域，AIoT已經成為AI與實體經濟深度融合的超級連接器。未來的實體智能經濟，本質上是AIoT推動下的全局協同、數據驅動與智能涌現。

這一趨勢也推動了產業生態的變化。AIoT平臺、具身智能模型、Agent生態正在形成三位一體的共振發展。AIoT平臺提供統一感知、通信和執行的底座，具身模型為每個智能體賦予自主學習和推理能力，各類智能Agent在具體場景中持續演化與協作，形成自組織、自適應的智能體網絡。

寫在最后

回望AI產業的演進軌跡，我們正站在一個前所未有的歷史拐點。

大模型的熱潮終將回歸理性，AI的真正價值正在加速向物理世界遷移。“人工智能+”的70%價值來自物聯網，這一判斷不僅被越來越多的現實案例所驗證，更成為未來十年最值得堅信的戰略共識。隨著AIoT基礎設施的覺醒與成熟，智能體的未來正在被物聯網所定義和主導。

對于所有的產業決策者、開發者以及學界研究者而言，現在正是擁抱“AI+物理世界”融合的最佳時機。無論是推動實體經濟智能化升級，還是打造面向未來的新型基礎設施，AIoT都已成為不可或缺的關鍵基石。

展望未來，只有深度擁抱物理世界，智能體才能真正覺醒。當AI不再局限于虛擬空間，而是與萬物感知、萬物互聯、萬物智能深度融合，整個社會和產業或將迎來智能體引領的下一個黃金十年。下一個產業奇跡，將在AIoT的星火中點燃。

參考資料：

Genie 3: A new frontier for world models，作者：Jack Parker-Holder and Shlomi Fruchter，來源：deepmind.google

預期管理失敗的奧特曼、無法實現AGI的GPT-5，來源：騰訊科技