近年来，科技界正在探索推动AI从虚拟走向现实。
    日前，英伟达年度股东大会上，英伟达创始人兼首席执行官黄仁勋说：“生成式AI已经是过去式了。物理AI，才是下一波万亿级基建浪潮。”
    物理AI迎来价值增量
    这并不是黄仁勋第一次提到物理AI。早在去年3月，在英伟达GTC大会上，他表示“生成式AI已成为过去”。2026年1月，他在国际消费电子展（CES）的主题演讲中宣告“物理AI的ChatGPT时刻已经到来”。
    什么是“物理AI”？
    黄仁勋认为，物理AI是指能够理解现实世界并与之进行交互的AI模型——使自主机器（如机器人、自动驾驶汽车等）在真实物理世界中感知、理解和执行复杂操作。
    物理AI不光能“说”，还能“做”，这个做不只是线上，还有线下。
    品牌IP营销专家、广州思益得首席策略官陈彦颐认为，这是从仿真到现实的迁移能力，通过物理引擎在虚拟环境中完成海量试错，再部署到实体设备。如果说，具备学习、交互能力的传统AI是“书呆子学霸”，那么，物理AI要当“实干家”。
    中信建投研报称，人形机器人的落地应用是市场关注的重点，2026年有望成为人形垂类应用大年，随着机器人泛化水平提高，预计在工业、商业等领域将逐步看到机器人落地应用。物理AI是人工智能的下一波浪潮，机器人是AI最好的物理载体之一。
    为此，不少上市公司纷纷开始布局。近日，多家产业链公司披露调研活动。安培龙在今年6月30日披露的投资者关系活动记录表中表示，公司目前用于机器人的产品主要为力传感器产品，具体涵盖压式测力传感器、拉压力传感器、弯矩传感器、扭矩传感器及六维力传感器等，可分别适配机器人足底、机器人关节模组、直线关节、旋转关节、腕部等领域，为下游客户提供精准、可靠的力觉感知解决方案。公司力传感器业务正处于客户验证、技术迭代及向少量客户形成小批量生产及销售阶段。
    值得关注的是，奥比中光在机构调研中表示，将专注于3D视觉感知技术研发，在人工智能时代打造“机器人与AI视觉产业中台”。面向人形机器人领域，公司可提供单目/双目结构光、激光雷达、iToF等全技术路线3D视觉传感器和视觉感知方案，从而提供机器人对真实物理世界的感知与交互能力。
    自动驾驶方面，也是物理AI逐步渗透的方向。Momenta日前递交招股书，Momenta将物理AI作为长期核心技术路线，自研R7世界模型作为自动驾驶通用基座，采用预训练、仿真推演、强化学习三层架构，能够理解道路环境物理规则，实现无高精地图泛化行驶。
    加速AI产业落地
    日前，英伟达机器人团队围绕具身智能、仿真、部署及解决方案架构四大核心方向开放招聘。英伟达作为机器人产业核心卖铲人角色，开始在物理AI领域投入真金白银，表面物理AI正进入落地阶段，其具身智能团队致力于打造下一代通用机器人系统，加速产业落地。
    最近，黄仁勋访问韩国期间表示，机器人技术将成为韩国重点发展产业，并宣布与三星、现代、LG等企业深化合作，推动AI与机器人技术落地。
    随着大模型技术的逐步成熟，相当于为数字世界的信息处理装上了通用“大脑”，而对于物理AI的核心价值，新智派新质生产力会客厅联合创始发起人袁帅认为，是把这套已经在数字空间得到验证的认知、决策能力延伸到真实的物理场景中，打破过去AI只能处理文字、图像、音频等虚拟数据的边界，实现从“理解信息”到“改造现实”的跨越。
    陈彦颐介绍，机器人对算力的迫切需求源于“实时性”与“鲁棒性”的双重拷问。一方面，机器人在动态环境中需要毫秒级决策，注意力机制计算复杂度随序列长度平方增长，在机械臂控制中收敛速度较传统CNN慢数倍；另一方面，训练一个通用物理AI模型，算力成本占研发投入60%以上，高昂的成本挤压了企业在数据采集和仿真上的投入。更关键的是，端侧算力与能耗的矛盾突出——如果把全部运算集成在设备本体，电池体积和硬件成本将大幅抬升，小型巡检机器人、智能眼镜等设备很难实现商用普及。
    “不管是芯片的功耗控制还是运算效率，都对现有算力体系提出了全新要求。”袁帅认为，小到机器人抓取不同形状的物体时的力度调整，大到工业场景里设备故障的应急处置，都需要它在没有足够样本参考的情况下快速做出最优决策，这种对“具身智能”的要求，是传统AI从未涉足的领域，也是其最核心的价值增量所在。
    “物理AI的主力不会只有科技公司，而是能源、电网、矿山、港口、物流、汽车、工程机械、军工配套、运营商和头部制造企业。它们掌握真实场景、设备入口和付费能力。”安光勇认为，未来3至5年，物理AI会先在封闭、半封闭、高危、高重复场景形成规模；通用人形机器人仍需时间。真正有价值的不是“像人”，而是“稳定替人完成任务”。
    算力让AI落地更“聪明”
    “算力的天花板直接决定了物理AI能力的上限。”袁帅认为，支撑物理AI的落地，核心部件的技术突破是绕不开的关卡，就拿伺服驱动器和步进电机这类运动控制核心部件来说，目前高端市场几乎被海外企业垄断。
    作为具身智能系统的关键，物理AI集硬件和软件复杂度于一身，尤其在本体工程化上势必要越过多重技术瓶颈。袁帅指出，物理AI的“动作层面”依赖于精密机械和运动控制设备，但目前主要核心零部件仍存在不少短板，尤其在伺服驱动器、谐波减速器和高精度编码器等方面。
“这种应变对工业、医疗、农业等多领域来说，具备颠覆式的潜力。”袁帅说，除科技公司外，很多传统行业的龙头企业其实会成为物理AI落地的主力，比如汽车制造、物流运输、能源开采这些本身自动化程度就比较高的行业，很多企业已经在自己的生产线上做了很多自动化改造的尝试，现在只需要把AI能力和现有的自动化设备结合起来，就能快速实现落地。不少地方都在推进“无人工厂”“智慧矿山”的试点，出台了不少补贴政策，这也会加速物理AI在各个场景的渗透。
    袁帅介绍道，如果不能实现国产化突破，物理AI产品的价格就很难降下来，大规模普及也就无从谈起，更不用说很多高端部件还存在被“卡脖子”的风险，只有把这些核心技术掌握在自己手里，整个产业的发展才不会受制于人。
    袁帅认为，大模型技术的发展也和全球顶尖水平保持同步，这都将成为发展物理AI的基础。