拐点来临：“人工智能+”七成价值源自物联网，AI回归物理世界
过去一周，AI领域热点不断。8月6号，Google发布世界模型最新版本Genie 3，该模型首次实现可实时互动的3D环境生成，效果惊人。紧接着8月8号，OpenAI正式推出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。当时这一判断被不少人认为大胆甚至激进，但随着AI产业化进程加快，这一观点正被越来越多的事实验证。
在AI产业化浪潮下，物联网不仅未被边缘化，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。更重要的是，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印证。以GPT - 5、Genie 3为代表的新一代人工智能系统，正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。
在这些技术更新背后，物联网的价值愈发凸显。它不仅是数据采集器，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，还是能自主行动的智能体，都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，大模型的极限已初现。靠单纯扩充参数和算力堆叠出的智能，正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，必须回归更真实复杂的物理世界。
拐点已至。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成为推动人工智能发展的信条。如上图所示，自GPT - 3以来，大模型发展遵循“暴力美学”逻辑：参数越大、数据越多、算力越强，智能就越接近通用。
从GPT - 4、GPT - 4o到刚发布的GPT - 5，每次迭代都刷新规模与能力上限。从文本生成到多模态理解，这些模型带来能力跃升。然而，更大更强的模型背后，也暴露出极限与瓶颈。
随着数据红利耗尽、算力成本指数级增长，模型在精度和泛化能力上的提升愈发缓慢，甚至出现边际效益递减。
OpenAI备受关注的新一代模型GPT - 5发布后，部分早期用户抱怨其表现“笨拙”，不如前代产品。
OpenAI首席执行官Sam Altman周五迅速回应，允许Plus用户选择继续使用前代版本的GPT - 4o。
更需警惕的是，大模型在虚拟世界中的幻觉现象难以克制，很多事实表明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，真正理解和应对复杂现实场景。
事实证明，靠单纯堆叠数据和算力，AI难以逾越虚拟智能的天花板。这让“人工智能+物联网”不再是附庸，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。
在此背景下，物理世界的数据成为AI进化的新金矿。当文本和图像数据价值接近极限，物联网终端采集的真实世界数据，成为推动AI能力跃迁的“生命之泉”。
如上面视频所示，Genie 3的推出，让世界模型首次能在3D物理环境中实时交互，具身智能体的研究与落地，都强调AI主动感知、操作和反馈物理世界的能力。这些案例本质上是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。这类数据量大质优，蕴含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、标注和泛化面临巨大技术与成本挑战，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，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发展中，“大数据”曾被视为智能进化的万能钥匙。无数模型依靠海量文本、图片、音频等数据堆砌，获得强大表达与理解能力。然而，随着AI能力逼近虚拟世界极限，这种“以量取胜”范式逐渐失效。取而代之的是对“好数据”的极致渴望与竞争。未来，推动AI落地和进化的，不再是数据规模，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。“好数据”需具备物理真实性，即数据源于真实环境、操作和反馈，能准确反映物理规律和动态；要有语义可理解性，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，能覆盖多样场景、复杂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”是AI进化的燃料和技术突破的基础。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。
很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、网络化形态，渗透到物理世界各个角落。
世界模型的演进，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，是对物理世界规律的深刻理解和泛化应用。而这一切的实现，离不开AIoT智能体网络支撑的主动感知、分布式决策、实时反馈。每个具身智能体，都是物理世界的“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技术快速发展，产业格局迎来拐点。
过去两年，AI在“百模大战”中迅速扩张，无数大模型、应用和平台涌现，试图在算法和规模上领先。然而，技术和流量红利窗口正在关闭。真正的竞争焦点，正从模型能力比拼，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，谁能在产业场景中实现“智能体即生态”，谁就能主导新一轮智能革命。
这种AI重心的转移，标志着AI商业模式从“模型即服务”向“智能体即生态”演化。在工厂、物流、城市、医疗等复杂场景中，单一AI模型API无法满足全流程需求。企业与城市客户更需要一体化软硬件平台，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能力的重要性。
在此过程中，AIoT的使命被重新定义。它不再是单纯的联网工具或数据中转站，而是让物理设备进化为能感知、决策、行动的主动智能体，并持续产出高价值数据。
AIoT的价值，从数字化转型底座跃升为智能体时代的新基建。在智能工厂、智慧城市、数字医疗等领域，AIoT已成为AI与实体经济融合的超级连接器。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。
这一趋势推动产业生态变化。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、通信和执行底座，具身模型为智能体赋予自主学习和推理能力，各类智能Agent在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
回顾AI产业发展，我们正站在历史拐点。
大模型热潮将回归理性，AI价值正加速向物理世界迁移。“人工智能+”的70%价值来自物联网，这一判断被现实验证，成为未来十年的战略共识。随着AIoT基础设施成熟，智能体的未来由物联网定义和主导。
对于产业决策者、开发者和学界研究者来说，现在是拥抱“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，还是打造新型基础设施，AIoT都是关键基石。
展望未来，只有深度拥抱物理世界，智能体才能觉醒。当AI与万物感知、互联、智能深度融合，社会和产业或将迎来智能体引领的黄金十年。下一个产业奇迹，将在AIoT的星火中点燃。
参考资料：
1.Genie 3: A new frontier for world models，作者：Jack Parker - Holder and Shlomi Fruchter，来源：deepmind.google
2.预期管理失败的奥特曼、无法实现AGI的GPT - 5，来源：腾讯科技
本文来自微信公众号 “物联网智库”（ID：iot101），作者：彭昭，36氪经授权发布。
本文仅代表作者观点，版权归原创者所有，如需转载请在文中注明来源及作者名字。
免责声明：本文系转载编辑文章，仅作分享之用。如分享内容、图片侵犯到您的版权或非授权发布，请及时与我们联系进行审核处理或删除，您可以发送材料至邮箱：service@tojoy.com