构建具身智能开放生态：基础设施、数据、模型与商业化路径

具身智能正在推动 AI 从数字世界走向真实物理世界，但其发展仍面临封闭的软件生态、高成本数据和碎片化工具链等挑战。本次演讲将围绕基础设施、数据与模型，探讨如何构建开放、可移植且具有商业可持续性的具身智能生态。

结合 Motphys 在仿真训练平台、仿真评测体系，以及主导建设GS-Playground、UniLab 等开源学术合作项目的实践经验，讨论如何通过开放共建与跨平台协作，降低具身智能对单一硬件架构和专有软件生态的依赖，使仿真、训练与推理任务能够更灵活地运行在 NVIDIA、AMD、Intel，以及欧洲、中国不同算力供应商的平台之上。

演讲将介绍如何以仿真基础设施为核心，融合互联网视频、人类示范、真机数据和仿真合成数据，建设服务于具身训练的多模态数据中枢，推动数据在不同任务、模型和机器人本体之间持续积累、复用与闭环迭代。

面对生成式 AI 对软件产业和传统开源模式带来的冲击，演讲还将重新审视开源的边界：哪些基础能力适合开放共享，哪些数据、模型和行业能力需要保留商业差异化。开源需要在技术自主、生态协作、商业回报和长期维护之间建立新的平衡。 具身智能的规模化发展，需要一个连接基础设施、数据、模型、算力厂商、机器人企业、研究机构与开发者的开放生态。

讲师:

孙家琦，谋先飞（Motphys）联合创始人，北京大学计算力学博士。长期从事物理仿真、几何与图形学算法、CPU/GPU 异构并行计算，以及 AI 与科学计算融合方向的研究和产业实践。十余年来，他一直深耕工业级物理求解器开发前沿，主导开发了几何处理与多物理场求解一体化软件，相关技术与产品已应用于汽车、航空航天、数据中心、新能源和半导体等工业物理仿真领域。

近年来，他在Motphys致力于将物理仿真与具身智能融合，推动Motrix系列仿真训练平台与MotrixBench开放仿真评测体系研发，并支持学术合作项目。他的工作正在建设面向 Real2Sim2Real流程、机器人学习和多元异构算力平台的开放基础设施。同时探索如何构建一个在技术自主、协同创新与长期商业可持续性之间取得平衡的开源具身智能生态。