机器人开始替人操心了。
想象这样的场景：在饭店结账离开时，手表震动提醒“手机忘在桌上”；在厨房做饭时，家中机器人发出警报“孩子快从床上摔下”。这些并非科幻电影情节，而是“主动式物理AI”试图实现的愿景。
△ 图片系AI生成
让机器具备“眼力见儿”，主动发现人类需求，是华为前AI首席专家、小艺大模型前负责人唐都钰提出的核心构想。为此，他创办了观行数智，致力于构建面向物理世界的主动式AI系统。
主动式物理AI：从“听令执行”到“自主洞察”
过去的物理AI主要聚焦于“如何更好地执行人类指令”，即解决How的问题。无论是抓取物品还是规划路径，行动的起点均依赖于用户的明确命令，属于“被动式”交互。
相比之下，“主动式物理AI”面对的是一条持续展开的“事件流”。它需要持续感知环境，理解正在发生的事件，并判断某种变化是否构成了潜在需求。在经过流式判断（StreamingJev）后，系统自主决定介入的时机、方式及设备。
△ 图片系AI生成
这一概念并非全新。早在1998年，微软研究院便推出了LookOut原型，能根据邮件内容提示用户安排日程；2000年，其研究进一步延伸至现实世界，通过摄像头追踪用户位置以自动切换电脑界面。
△ Lookout System
△ 微软摄像头追踪方案
然而，实现真正的“主动”极具挑战。机器不仅要看见需求，更需精准把握边界与时机。例如，区分用户是“随意坐下休息”还是“突然昏厥”，是“观察水杯”还是“即将碰倒”。唐都钰指出，“主动做事”的能力不会随智能增长自然涌现，涉及风险判断与职责边界的复杂逻辑，需单独攻克。
随着智能终端普及，若每台设备仍需等待“Hi，小蓝/小红”式的唤醒指令，人机交互将依然繁琐。更自然的交互应无需唤醒词，由机器在适当时刻主动提供服务。
唐都钰：从多模态大模型走向物理世界
唐都钰曾任华为智能助手“小艺”多模态大模型研发负责人，职级21级。其创业路径并非跨度过大的转型，而是技术与经验的自然延伸。
△ 唐都钰
在华为期间，他主导了小艺大模型从0到1的开发及数亿台终端的落地，积累了数据工程、端云协同及硬件适配的全链路经验。而在学术领域，他对“让AI理解人类”的研究已持续十余年。
2015年，唐都钰在哈尔滨工业大学攻读博士期间，师从秦兵教授研究情感计算，并入选IBM全球博士英才计划。2016年加入微软亚洲研究院后，他将研究拓展至代码智能，主导了CodeBERT、CodeGPT等知名项目。值得一提的是，DeepSeek核心贡献者郭达雅曾与其共同开展科研合作。
目前，唐都钰论文引用超3万次，入选全球前2%顶尖科学家榜单。他认为，源头技术创新、大模型训练与终端落地、基于真实反馈的数据迭代，是构建物理AI不可或缺的三大能力。
面对物理AI技术路线尚未收敛的现状，唐都钰选择顺势而为。创业伊始，他与哈工大实验室保持深度合作，并担任新成立的中关村学院“AI模型杰出技术专家”，旨在通过产学协同推动关键突破。
△ 唐都钰在中关村学院
△ 唐都钰朋友圈
双模型架构：赋予机器“眼力见儿”
为实现“心里有谱，眼里有活”，观行数智设计了名为ProAgent的双模型协同架构：
- StreamingJev（哨兵）：负责持续读取环境事件流，进行轻量化判断，发出“是否需要介入”的信号。
- Response Model（指挥员）：当接收到介入信号后，进一步判断事件性质，规划回应方式并调度相应设备。
这种分工旨在平衡推理成本与反应速度，将计算资源集中于关键时刻。
数据闭环与评测体系
针对缺乏标注“合适介入时点”的训练数据难题，团队建立了一套自动化流程，从公开视频中提取场景变化，转化为带有推理过程的决策序列，涵盖正向行动样本与继续观察的监督信号。
此外，观行数智建立了主动式物理AI评测体系ProactiveXBench，从三个维度评估性能：
- Timing：关注反应时机，避免“没赶上趟”；
- Progress：观察介入时长和任务状态，防止“撂挑子”；
- Outcome：关注最终结果，杜绝“白忙活”。
测试显示，ProAgent在介入时效等指标上优于部分通用大模型。目前，该系统已在Reachy Mini机器人上完成60个案例验证，涵盖导引、警示与互动场景。
迈向人与AI共存的新阶段
当前的人机关系多建立在“命令-执行”基础上，关于主体性的争夺从未停止。主动式物理AI的出现，有望打破这一僵局：机器能够从环境变化中察觉问题，在约定权限内自主判断并承担部分责任。
△ 《钢铁侠2》电影截图
如同《钢铁侠》中的Jarvis，未来的主动式AI终端将从家庭延伸至汽车等千万种形态。届时，命令式语言将逐渐退场，机器将通过理解与适时行动，抵达人机交互中“恰到好处”的境界。
文中提及论文可参考：
http://arxiv.org/abs/2610.16967