作者： Gartner 高级研究总监 李彬
Gartner 研究总监 李晶
Gartner 研究副总裁 李贵权
Gartner 研究副总裁 陈勇
当前，具身智能，尤其是人形机器人，正成为资本和媒体追捧和炒作的热点领域。尽管初创企业获得的投资大幅增长，但企业对相关技术的实际采用明显滞后。如果缺乏相应的基础技术与运营框架，企业机构可能将资本消耗在华而不实、主要用于展示技术效果的项目上，从而错失物理人工智能（AI）领域更具实质意义的创新机会。
对此，Gartner指出，首席信息官（CIO）应重点建设世界模型和SimOps等基础能力（而非将重点放在短期硬件试点上），以控制物理人工智能的应用风险、增强组织韧性，并为未来采用代理型人工智能（Agentic AI）做好准备。企业机构应采取务实、理性的策略，合理应对市场炒作所造成的过高预期，并正视技术应用过程中不可避免的挑战。
形成对物理人工智能的准确、全面判断
机器人，包括当前受到广泛关注的人形机器人，只是物理人工智能的一个分支。物理人工智能涵盖更为广泛的生态系统，包括自主无人机、自动驾驶车辆、多功能工业智能体以及智能基础设施等多种物理智能体，并对应于图1所示的不同应用场景。
图1：物理智能体应用全景
技术进步迅速、投资热情高涨且媒体关注度不断提升，可能促使企业机构仓促采购硬件解决方案；但需要注意的是，物理人工智能各分支的发展并不同步，其商业模式也未必适用于所有企业。
因此，CIO应建立对物理人工智能的整体认知，帮助高管团队形成客观、准确的判断。企业机构应避免因市场炒作而仓促作出决策，例如盲目推进机器人应用，或采购彼此孤立、缺乏协同的机器设备。同时，应建立全面的分析视角，分析未来在人工智能转型方面的机遇，或构建用于识别和跟踪技术趋势的技术组合，从而避免过度聚焦于单一技术热点。
认识并重视世界模型的泛化能力
世界模型的本质在于学习环境的抽象表征，使系统能够理解环境的运行机制、持续维护状态信息、预测给定行动可能导致的后续状态，并通过多步推理支持复杂任务规划。
这些特性使世界模型能够与仿真方法及技术形成天然的协同关系。CIO应认识到，世界模型是适用于物理环境和虚拟环境的一项基础能力，可用于支持人工智能规划、预测和仿真。但同时也必须了解，世界模型目前仍处于发展早期。因此，无论企业机构近期是否计划部署物理人工智能，CIO都应提前布局，审慎评估世界模型与SimOps之间的协同效应，以及供应商能力与实际业务需求之间的匹配度。
新挑战需要新方法：SimOps
物理人工智能正在模糊虚拟世界与现实世界之间的边界，使人工智能能够以更加持续、深入和即时的方式与人类互动，同时也带来了更高的安全风险。这要求业务运营和产品具备更高的自主运行能力与环境适应能力，从而确保运行结果安全、透明，并具备较强的韧性。传统的敏捷开发和瀑布式开发方法难以满足高度自主系统对准实时响应的要求。这些方法主要着眼于技术交付的优化，对于系统上线运行后持续开展的人机协作支持不足。
SimOps以用户意图和现实世界反馈为输入，借助人工智能在沙箱环境中动态生成多个候选方案，并对这些方案进行仿真测试和评估，从中筛选出最优方案。方案部署到生产环境后，SimOps会持续收集反馈，以实现准实时的适应性优化。借助SimOps，企业机构可以在相对安全的环境中探索多种可能性，并验证用户意图背后容易被忽视的因素，例如治理、合规、韧性和生命周期管理等，从而降低运营风险，提高业务模式创新和客户体验改进的成功率。此外，SimOps也有助于增强企业机构采用物理人工智能的信心。
SimOps能够显著缩短从现实世界反馈到方案优化的周期，使企业机构能够更快响应用户需求和新出现的问题，及时处理潜在风险，并帮助用户更好地与物理人工智能共存。这种方法不仅有助于推动物理人工智能的应用，也为进一步整合更广泛的代理型人工智能能力奠定基础。CIO应主动探索在企业内部建立“意图—仿真—运营—反馈”的闭环能力，同时持续完善IT运营模式，强化业务与IT协同，并推动人工智能驱动的IT交付。
SimOps与世界模型的协同：准实时分支推演与最优选择
仿真不应仅被视为部署前的阶段性活动。对于需要适应环境变化或需要根据与客户、用户及其他实体的交互情况进行动态调整的复杂任务，仿真应成为支撑持续、准实时决策的核心能力。企业机构必须认识到，仿真、评估和优化是贯穿业务运行全过程的动态、持续性能力，是推动业务实现更高水平自主性的关键要素。世界模型在训练和推理阶段所具备的向前推演能力，在本质上是相同的，即基于当前状态和候选行动序列，对未来若干步骤的结果进行预测。
需要指出的是，世界模型为运行阶段实现准实时推理提供了可能，但是否将这一能力真正纳入实际运营中，则属于工程设计和管理决策范畴。在SimOps模式下，仿真应成为运行时工程闭环的一部分，并延伸至业务运营环节。企业机构可以借助代理型人工智能开展准实时仿真与最优方案选择，动态驱动决策和执行链路，减少人工干预，缩短反馈与优化周期，实现及时响应，并降低物理人工智能在实际应用中的风险。
为使物理人工智能能够在运行阶段针对外部扰动作出最优响应，必须采用SimOps方法，形成由以下七个环节组成的动态交互闭环：
表1：在物理人工智能中应用SimOps方法——七步动态交互模型
来源：Gartner
重新定义SimOps中的“运营”概念：对CIO的行动要求
CIO应重新界定SimOps中“运营”（Ops）的内涵，将其扩展至业务运营领域。在SimOps中，运行时方案的生成与持续演进是业务运营不可分割的组成部分；这不同于传统DevOps或MLOps通常所采用的相对狭窄的关注范围。二者的区分标准如下：
如果关闭仿真环境会降低服务在与用户或客户交互过程中的动态响应能力，则该仿真环境属于业务运营的一部分。
如果关闭仿真环境仅影响下一版本方案的质量，则该仿真环境仍属于工程资产。
因此，仿真的责任归属、服务等级协议（SLA）的制定、可用性要求和责任追溯，不应再由IT部门单独承担，而应纳入业务与IT共同运营、共同治理的责任范围。 
