这是我的第383篇专栏文章。
过去一周，AI领域热点频出。8月6号，Google发布了世界模型的最新版本Genie 3，该模型首次实现了可实时互动的3D环境生成，效果令人惊艳。紧接着8月8号，OpenAI正式推出了GPT-5，再度引发行业热议。
其实，早在这些突破之前，我就曾在文章中预判，“人工智能+”的产业价值有70%最终将归属于物联网。彼时这一判断被不少人视为大胆甚至激进，但随着AI产业化进程的加速，这一观点正被越来越多的事实所验证。
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基础模型的最新突破中得到了印证。以GPT-5、Genie 3为代表的新一代人工智能系统，正在从单纯依赖互联网文本、图片等虚拟数据，逐步转向主动感知、理解乃至操作物理世界。
在这些技术更新的背后，物联网的价值愈发凸显。它不仅是数据的采集器，更是AI与现实世界交互、反馈、持续学习不可或缺的桥梁。
无论是更强的世界模型，还是能够自主行动的智能体，都在依赖物联网终端产生的大量实时、多模态、具身数据。这些数据不仅数量巨大，更蕴含着丰富的物理属性、场景特征和行为语义，成为AI模型突破幻觉、迈向真实智能的关键。
事实上，大模型的极限已经初现端倪。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。
拐点已来。下一轮智能革命，主场不再是虚拟世界的数据堆砌和算法炫技，而是物联网主导下的智能体下沉，是真实世界中的感知、理解与行动。AIoT的觉醒，将让更高阶的智能真正走向现实。
虚拟智能的极限VS物理智能的起点过去几年，Scaling Law成为推动人工智能突飞猛进的信条。如上图所示，自GPT-3以来，大模型的发展几乎遵循着一个“暴力美学”的简单逻辑：参数越大、数据越多、算力越强，智能就越接近通用。
GPT-4、GPT-4o，再到刚刚发布的GPT-5，每一次迭代都在刷新规模与能力的上限。从文本生成到多模态理解，这些模型确实带来了令人惊叹的能力跃升。然而，更大更强的模型背后，也不可避免地暴露出极限与瓶颈。
随着数据红利的消耗殆尽、算力成本的指数级增长，模型在精度和泛化能力上的提升变得愈发缓慢，甚至呈现出边际效益递减的趋势。
OpenAI备受瞩目的新一代模型GPT-5在发布后就遭遇了意想不到的初步反应，部分早期用户抱怨其表现“笨拙”，甚至不如前代产品。
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。
更值得警惕的是，大模型在虚拟世界中的幻觉现象难以克制，很多事实都说明AI依然“会说不会做”。它们擅长在已有数据分布中填空或模仿，却难以跳出虚拟世界的沙箱，真正理解和应对复杂多变的现实场景。
事实证明，靠单纯堆叠数据和算力，AI较难逾越虚拟智能的天花板。这也让所谓“人工智能+物联网”不再是锦上添花的附庸，而成为智能体时代的基石。AIoT不仅联接万物，更让万物生出智能，成为AI突破边界的必由之路。
正是在这样的背景下，物理世界的数据开始成为AI进化的新金矿。当文本和图像数据的价值已近极限，物联网终端所采集的真实世界数据，成为推动AI能力跃迁的“生命之泉”。
Genie 3的推出，让世界模型第一次能够在3D物理环境中实现实时交互，具身智能体的研究与落地，也无一不是在强调AI主动感知、操作和反馈物理世界的能力。这些最新案例的本质，就是AI能力从虚拟走向物理的范式转变。
只有物理世界的感知、交互和反馈数据，才能为AI提供真正的泛化能力和因果推理能力。这类数据不仅量大质优，还蕴含着丰富的场景多样性和动态变化，是支撑智能体适应复杂环境的关键。
虽然物理世界的数据采集、标注和泛化面临着巨大的技术与成本挑战，但它带来的“场景泛化性”价值远超虚拟世界的数据堆积。AI的进化之路，已无法回避对物理世界的深度拥抱。
世界模型×AIoT：智能体新物种的崛起在AI发展的进程中，“大数据”曾一度被视为智能进化的万能钥匙。无数模型依靠海量文本、图片、音频等数据的堆砌，获得了前所未有的表达与理解能力。然而，随着AI能力逼近虚拟世界的极限，这种“以量取胜”的范式正在逐步失效。取而代之的，是对“好数据”的极致渴望与竞争。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。
在物理世界中，“好数据”成为AI感知、理解、决策的核心瓶颈。什么才算“好数据”？首先，必须具备物理真实性，即数据来源于真实环境、真实操作、真实反馈，能够准确反映物理世界的规律和动态。其次，要有语义可理解性，不仅仅是低层次的传感器信号，而是带有明确标签、结构和语义信息的数据，利于模型高层认知。更重要的是，场景泛化性，即数据能覆盖多样化的场景、复杂的环境变化和边界情况，确保模型具备迁移和泛化能力。
在智能体时代，“好数据”才是AI进化的真正燃料，是所有技术突破的基础。因为智能体的觉醒，需要以具身智能与世界模型为支点，依托AIoT智能体网络实现协同进化。
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。
世界模型的演进，正让AI从“会说”到“会做”，从“像素/文本”处理能力进化出物理因果与抽象推理能力。以计算机科学家Yann LeCun（中文名杨立昆）主张的新一代世界模型为例，AI不再只是被动重构数据，而是主动预测环境演变、推演自身行为后果，实现反事实推理与零样本规划。
这种能力的本质，正是对物理世界规律的深刻理解和泛化应用。而这一切的成真，离不开AIoT智能体网络所支撑的主动感知、分布式决策、实时反馈。每一个具身智能体，都是物理世界的一只“眼睛”和“手”，通过IoT网络形成协同、共享、进化的超级智能体生态。
归根结底，智能体的泛化能力和自适应性，必须依赖AIoT的物理世界闭环。世界模型是认知的地基，AIoT是行动的筋骨，二者协同，才有智能体在物理世界的觉醒。
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，AI在“百模大战”的硝烟中迅速膨胀，无数大模型、应用和平台争相登场，试图在算法和规模上跑出领先者。然而，技术红利和流量红利的窗口正在关闭。真正的竞争焦点，正在从模型能力的比拼，转移到平台化、软硬件一体化和数据闭环的掌控。大模型已是基础设施，谁能在更广阔的产业场景中实现“智能体即生态”，谁才有可能主导新一轮智能革命。
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”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，实现端到端的数据闭环和持续进化。
以自动化工厂为例，只有打通设备、传感、AI决策、机器人执行全链路，才能形成自学习、自优化、自管理的智能生产系统；物流行业对智能体的主动协作和动态调度需求，也决定了平台级AI能力的不可替代性。
在这个过程中值得注意的是，AIoT的使命正在被重新定义。它不再是单纯的联网工具，也不只是数据采集的中转站，而是让每一个物理设备都进化为能感知、能决策、能行动的主动智能体，并持续成为高价值数据的产出者。
AIoT的价值，正在从数字化转型的底座，跃升为智能体时代的新基建。在智能工厂、智慧城市、数字医疗等前沿领域，AIoT已经成为AI与实体经济深度融合的超级连接器。未来的实体智能经济，本质上是AIoT推动下的全局协同、数据驱动与智能涌现。
这一趋势也推动了产业生态的变化。AIoT平台、具身智能模型、Agent生态正在形成三位一体的共振发展。AIoT平台提供统一感知、通信和执行的底座，具身模型为每个智能体赋予自主学习和推理能力，各类智能Agent在具体场景中持续演化与协作，形成自组织、自适应的智能体网络。
写在最后回望AI产业的演进轨迹，我们正站在一个前所未有的历史拐点。
大模型的热潮终将回归理性，AI的真正价值正在加速向物理世界迁移。“人工智能+”的70%价值来自物联网，这一判断不仅被越来越多的现实案例所验证，更成为未来十年最值得坚信的战略共识。随着AIoT基础设施的觉醒与成熟，智能体的未来正在被物联网所定义和主导。
对于所有的产业决策者、开发者以及学界研究者而言，现在正是拥抱“AI+物理世界”融合的最佳时机。无论是推动实体经济智能化升级，还是打造面向未来的新型基础设施，AIoT都已成为不可或缺的关键基石。
展望未来，只有深度拥抱物理世界，智能体才能真正觉醒。当AI不再局限于虚拟空间，而是与万物感知、万物互联、万物智能深度融合，整个社会和产业或将迎来智能体引领的下一个黄金十年。下一个产业奇迹，将在AIoT的星火中点燃。
参考资料：
Genie 3: A new frontier for world models，作者：Jack Parker-Holder and Shlomi Fruchter，来源：deepmind.google预期管理失败的奥特曼、无法实现AGI的GPT-5，来源：腾讯科技永华配资提示：文章来自网络，不代表本站观点。
