江行智能：从感知环境到改变世界：物理AI的机遇、路径与实践

中国五层产业基础为物理AI打造全球最佳“试验场”

物理AI的竞争已从数字世界的模型参数之争，转向真实物理世界的系统能力之争。江行智能认为，中国拥有独特的五层产业基础，正成为全球工业物理AI落地的最佳土壤：

• 应用层：中国工业机器人安装量约为美国的8.6倍，过去十年增长约12倍，超高密度的工业场景为“数据-模型-具身智能机器人”闭环提供了天然优势。
• 能源层：中国发电量约为美国的两倍，发电机组装机量达美国三倍，充足的能源供给为AI从云端训练到大规模现场部署提供了底层支撑。
• 供给侧底座机会：能源、网络、基础设施及边缘节点的持续完善，为AI进入工业现场提供长期可靠支撑。
• 现场侧闭环机会：高密度工业场景、大规模机器人部署和多模态传感设备，让物理AI能形成“部署-采集-训练-迭代-再部署”的完整数据飞轮。
• 效率侧路线机会：高端芯片的约束倒逼行业走向更高效的模型、更强的边缘智能和更深的软硬协同，使工业物理AI更注重低成本、可控性和可部署性。

双引擎底座与三层模型架构，攻克工业AI落地核心难题

江行智能打造的全栈工业物理AI模型架构，以“双引擎底座+三层模型”为核心，解决训练更快、落地更稳、成本更低的问题：

• 底座层：JX-Phi World 采用AutoEdge与AutoWorld双轮驱动。AutoEdge负责边缘AI的快速部署与优化，AutoWorld则是世界模型仿真和数据引擎，通过生成式AI与3D重建技术模拟极端天气、突发事件等罕见场景，支持Sim-to-Real迁移，让AI在仿真环境中先犯错再部署到真实现场。
• 模型层：JX-Phi Brain 向工业场景WAM演进，包含三类核心模型：
  • 空间视觉语言模型（S-VLM）：解决“感知+理解”，能感知工业厂房的动态环境并理解传感器读数与行业规则。
  • 长任务视觉语言动作模型（LT-VLA）：解决“感知+执行”，将复杂工业任务拆解为可执行子任务并动态调整。
  • 行业垂类模型：深度融合电力、化工、矿山等行业专业知识，理解强规则、强安全要求。目前已在1000+场站点位常态化采集数据，持续构建“模型+数据”闭环。

四大关键技术：让机器人“看得懂、执行稳、协同快”

江行智能提出四大关键技术，确保物理AI在复杂工业现场稳定运行：

• 动态可更新的工业场景底座：通过TrackerSplat技术解决动态场景中的稳定重建，能清晰抓取仪表盘数据并过滤雨滴、电磁干扰；SizeGS技术解决弱网环境下三维内容压缩与传输，确保决策稳定回传。
• VLA执行闭环与一脑多体协同：采用DyGRO-VLA技术与一脑多体系统，全局大脑完成语义理解、任务拆解、目标分配，具身终端执行导航、避障、读数等操作。一个简单的巡检任务在工业场景中需拆成100-200个子任务，并综合考虑地形、气候等环境因素。

新能源与电网两大标杆：从概念到规模化验证

江行智能已在核心领域实现规模化部署，证明物理AI从概念走向现实：

• 新能源领域：风、光场站物理AI运维系统。实现升压站、光伏板区、风机区等全域覆盖，7×24小时全天候巡检。已在600+站群级场景验证，传统人工巡检需30天以上，物理AI系统仅需2天完成全站巡检，彻底重构运维效率。
• 电网领域：变电站物理AI智巡系统。构建中枢大脑、具身大脑和可控终端协同体系，实现空地立体巡检。覆盖站内1万+高密度智巡点位，4小时内完成单次全站巡检，核心算法准确率99%，平均准确率96%。已覆盖全国27个省份，在国家电网和南方电网完成500+场景落地。