AI领域创新实践获国际学术组织关注。10月21日，中科摇橹船创始人郑道勤受邀出席2026世界科技与发展论坛，并参与大会核心讨论，与国内外专家共话AI技术的可信验证。 本次论坛由中国科协主办，汇集了近40个国家和地区的院士专家及企业代表。会上，郑道勤与来自经济合作组织科学基金会、长安汽车工程研究总院等机构的嘉宾，围绕“从智能走向可信”这一主题展开深入探讨。
        作为长期致力于智能感知技术产业化的企业家，郑道勤结合中科摇橹船推动AI技术在智能制造等关键领域落地的多年实践，阐述了人工智能走向"可信"必须直面的课题。他指出，当前虚拟仿真主要依赖图像、视频等二维数据，这一数据形态本身就框定了它的能力瓶颈与物理极限。中科摇橹船提出，以7D时空张量信息（XYZ三维坐标＋RGB外观语义＋T时间动态）作为虚拟仿真的数据基底，在源头实现空间、外观与时间的统一。这将从根本上重构虚拟仿真的技术路径，进而决定物理AI感知底座该如何构建。围绕这一路径，中科摇橹船正加快构建从感知终端、数据底座到训练平台的完整基础设施。         那该如何打破数据瓶颈，筑牢物理AI“可信”之基？郑道勤向与会嘉宾分享了中科摇橹船的破局之道。
把握大势：语言模型领先，不等于物理AI自然领先。 语言模型、图像视频模型发展迅速，一个重要原因在于人类已积累海量文字、图片和视频数据。但具身智能、物理AI面对的是三维空间乃至时间维度的真实物理世界，仅靠二维图像“看图说话”远远不够。物理AI要落地，需要的正是空间位置、外观语义、光的角度等更丰富的空间物理信息，而这恰恰是当前数据积累中最薄弱的一环，也成为物理AI规模化落地的关键约束。
        直面瓶颈：仿真不可或缺，但不能替代真实数据验证。 仿真数据在训练环节具有重要价值，可以显著降低训练成本，是模型训练的重要手段。但仿真也有短板：时空信息易丢失，长尾场景难以复现，物理场景难以真实还原。特别是基于一维、二维数据做空间仿真，失真率和“孔洞幻觉”较高，故而越难获取的数据，越难以通过仿真高保真复现。
        创新破题：以空间计算智能成像获取空间张量真值数据。 中科摇橹船提出空间计算智能成像路径，改变传统“先感知、再计算”的逻辑，探索“先空间计算、再成像感知”。公司自研的空间张量传感器通过一条光路、一个物理信号、一台传感器，解析全光七维信息，形成天然对齐的空间张量数据，省去传统2D视觉、深度相机、激光雷达、毫米波雷达等多源异构数据对齐、标定、融合、判定等环节。可大规模、低成本、高效率获取宝贵的空间张量真值数据，降低训练门槛，提升仿真世界重构的有效性、准确性和模型可信度，为物理AI、具身大模型和机器人本体部署提供感知底座。         作为国家级专精特新重点“小巨人”企业，中科摇橹船依托“高时间分辨的空间计算智能成像”技术，构建起“硬件—数据—平台”的三层增长引擎。
目前，公司的工业AI视觉装备、复合机器人及特种感知产品已深入汽车制造、半导体等核心场景，仅汽车制造全工艺累计落地达300万+台。这些真实、高频的产业现场，成为了中科摇橹船最具价值的真值数据来源。
        按照中科摇橹船的战略规划，公司正稳步推进“三步走”：建设分布式数据基地，降低感知成本；依托采集的真实数据与仿真技术，建设物理AI训练场，将真实数据转化为仿真、训练、验证与评测能力；最终实现“7D传感器+轻量化时空模型”的软硬一体形态。         从硬件感知到数据资产，再到物理AI底座，中科摇橹船始终致力于解决最底层的“数据从哪来、怎么用、如何信”的问题。
        未来，公司将继续以物理世界感知为起点，与全球伙伴共建可信、高效的物理AI新生态。
        物理AI要落地，真实数据更不可缺。以空间张量感知夯实数据底座，以真实真值守住验证底线，才能推动具身智能和物理AI从“看起来很美”走向“用起来可靠”，为产业高质量发展提供坚实支撑。