（本文作者为 新眸，钛媒体经授权发布）
文 | 新眸，作者 | 鹿尧
最近有个词在圈子里传得很热，叫“ 物理 AI”。
这个词其实在去年初的拉斯维加斯 CES 展会上，就被黄仁勋演讲时反复念叨了十多遍，但直到今年，“Physical AI” 才迎来了真正意义上的爆发。
那么，“ 物理 AI” 究竟是什么？
前两天我看到一段机器人浇花的视频，机器人先走到水龙头前，拧开阀门，把水壶灌满，然后转身走到花盆边，调整角度，把水均匀地浇进去，壶嘴没有撞到花盆边缘，水也没有洒出来。
让一台机器理解“ 端一杯水”，它得知道杯子是圆柱形的，得算出该用多大的力捏住才不会滑也不会碎，得明白水是液体、晃动会洒出来，得在行走过程中实时调整手臂角度来抵消身体的起伏。
这些东西，人类三岁小孩凭直觉就能做到。但对 AI 来说，这是一个巨大的跨越。过去十年，AI 学会了看、学会了听、学会了说话、学会了画图，但它始终困在屏幕里。物理 AI 要做的事情，就是把这个聪明的大脑，装进一个能在真实世界里跑、跳、抓、放的躯体里。
说白了，物理 AI 就是让 AI 理解并作用于物理世界。它不再只是处理文字和图片，而是要在重力、摩擦力、惯性都起作用的环境里，做出正确的动作。
一个很少被国内讨论的事实是，“Physical AI” 这个提法并非出自某个芯片巨头的公关部门。这个概念最早见于 2020 年的一篇论文，发表在 《Nature Machine Intelligence》 上。文中第一次系统定义了 Physical AI：
一类能够执行通常与智能生物体相关联任务的实体系统，核心在于把物理规律深度整合进人工智能系统，让机器不再是“ 物理盲”，能够完成从感知到行动的闭环。
从 2020 年学术圈的一声枪响，到 2026 年产业界全面接棒，中间隔了整整六年。这六年里，传感器成本降低了几个量级，端侧 AI 算力从理论走向工程化，机器人本体的可靠性和量产能力也悄悄走到了临界点—— 这些才是物理 AI 从论文走向产线的隐性推力。
从演示到干活
如果说 2023 年的大语言模型让 AI 学会了聊天，那 2026 年物理 AI 的关键词只有一个：干活。
事情的变化是肉眼可见的。
去年这个时候，机器人公司出来秀肌肉的方式还是拍 Demo 视频，设定好场景，反复排练，一镜到底。好看是好看，但你不知道它拍了多少遍。
而今年，玩法完全不同了。今年智元机器人在南昌的一条 3C 产线上做了一件事：把机器人扔进真实工厂，连续干了几个小时的活，全程直播。没有预设剧本，没有限定场景，就是工人日常面对的那条产线。几十万人次在线围观。
一个月后，智元在香港宣布人形机器人实现万台量产。从实验室里的一台原型机，到工厂产线上的一万台，这个坎翻过去，性质就变了。
智元的路线很有意思，大多数机器人创业公司聚焦在某个环节上，做本体的只管本体，做大模型的只管大模型，做灵巧手的只管手。智元选了另一条路：全栈都做，同时布局本体制造、AI 模型、灵巧操作和数据采集四个方向，还投资了 60 多家产业链上下游公司。
这么做的代价也很直观，母公司员工一千多人，到今年底预计进一步突破人，光薪资一年就是十几到二十个亿。这条路烧钱，但一旦跑通，壁垒也最深。
智元创始人邓泰华提过一个叫“XYZ 曲线” 的分析框架。他说具身智能的发展分三个阶段：X 是开发尝鲜期，大家还在玩 Demo；Y 是部署成长期，机器人开始真正进产线干活；Z 是终局的智能涌现期。
他给 2026 年的定性是：“ 部署态元年，正式从‘ 能动’ 走向‘ 会干’”。“ 能动” 和“ 能干”，差一个字，但差的是整个产业的成年礼。
海外也在冲刺，太平洋对岸的节奏一点不慢。
美国人形机器人公司 Figure AI 是这条赛道上一个绕不开的名字。去年 9 月，他们完成了一轮超过 10 亿美元的融资，估值干到了 390 亿美元，在那会儿是全球估值最高的人形机器人公司。
一个月后发布了新一代产品 Figure 03，1 米 68 的身高，差不多 60 公斤重，演示了浇花、端菜、叠衣服这些家务活。创始人 Brett Adcock 特意在社交媒体上补了一句：所有动作都是机器人自主完成的，没有人在背后遥控。
技术上值得留意的是，Figure 做了一次重大的路线调整，终止了和 OpenAI 的合作，全面转向自研的神经网络系统 Helix。
这套系统模仿人类认知做成了三层结构，最底层管平衡和本能反应，中间层把大脑指令翻译成每秒 200 次的电机控制，最高层是逻辑大脑，负责理解场景和做决策。这个“ 本能-反射-思考” 的三层架构，思路挺巧妙的，相当于给机器人装了一个不会宕机的神经系统。
还有件事值得一提。今年英伟达在 GTC 大会上宣布了一个动作：和全球四大工业机器人巨头，ABB、库卡、安川、发那科，达成了深度合作。全球已经安装在产线上的超过 200 万台工业机器人，以后可以通过英伟达的仿真平台做虚拟调试和 AI 训练。
这四家公司加一块占了全球工业机器人市场超过一半的份额。接下来十年，这些机器人都会面临一轮从“ 传统编程” 到“AI 驱动” 的升级换代。未来哪个软件平台能嵌进这个进程，就相当于拿到了下一代工业自动化的“ 操作系统” 层。英伟达显然不想错过这张船票。
供应链的跨界抢跑
还有一个有意思的现象：汽车供应链企业正在成规模地涌进物理 AI 赛道。
今年北京车展上，安波福、法雷奥、地平线、千寻位置这些老牌汽车供应商，扎堆展示了机器人相关方案。当时不少业内人士都认识到，具身智能感知和汽车智驾的感知是一样的，汽车的解决方案可以直接用到人形机器人上。
仔细一想确实如此。汽车智能驾驶系统本质上就是一个“ 移动机器人” 的感知-决策-执行闭环，其中的视觉感知、路径规划、实时控制三大模块，与传统工业机器人和人形机器人在技术架构上高度同源。
汽车供应商手中的摄像头、雷达、线控底盘和实时操作系统，稍加适配就能迁移到机器人领域。从这个意义上说，汽车产业过去十年在智能化上烧的上千亿研发费用，正在以“ 技术溢出” 的方式流进物理 AI 赛道。
这或许能解释为什么中国的机器人公司能这么快冲进量产阶段。制造能力和供应链管理不是凭空长出来的，很多是现成的。那些已经在汽车产线上磨合了十几年的零部件供应商，现在换了个新战场。
国外有现成的案例，就拿特斯拉来说，它的第一代人形机器人 Optimus 也在加速入场。此前特斯拉在 2026 年第一季度财报电话会议上明确宣布，公司将向“ 以 AI、自动驾驶出租车和人形机器人为核心的未来转型”，第一代机器人生产线将下线 100 万台产能，并取代现有 Model S 和 Model X 的生产线。
100 万台的数字放到今天的语境里可能显得夸张，但特斯拉的逻辑是清楚的：它要把汽车制造领域积累的大规模生产能力和供应链管理经验，直接复制到人形机器人领域。
马斯克要的不是一台“ 能动的机器人”，而是一台能在工厂里和人类协同作业的“ 量产工具”。这条路一旦走通，它对制造业自动化格局的冲击将不亚于 Model 3 对燃油车市场的冲击。
世界模型为什么今年突然能用起来了
讲完了产业层面的大厂动作，不妨把镜头往深拉一层，这场物理 AI 竞赛的技术底座是什么？
如果用一句话概括，那就是：世界模型的工程化突破。我觉得这也是理解这波浪潮最关键的一点。
“ 世界模型” 这个概念不新了，2018 年就有人提出来，核心想法很简单：让 AI 学会一套对物理世界运转规律的内部理解，这样它就能预测“ 如果我推这个杯子一下，会发生什么”。但以前这东西基本只活在论文里—— 太吃算力，生成质量不稳定，做不了实时交互。
转折发生在最近一年。英伟达推出了一个叫 Cosmos 的系列模型，它的核心能力就是从文字或图像生成符合物理规律的动作数据。
举个例子：你想训练一台机器人学会在各种天气下搬箱子，不用真的在雨天、雪天、半夜去工厂里拍视频。在仿真环境里设定好参数，Cosmos 可以直接生成海量的、高度逼真的训练数据，覆盖各种极端场景。
今年年初，蚂蚁灵波团队开源了一个叫 LingBot-World 的框架，专门做交互式世界模型。它能实现近 10 分钟连续稳定的视频生成，端到端交互延迟控制在秒单位。用户可以像打游戏一样，用键盘和鼠标实时控制虚拟角色，模型即时反馈场景变化。这个意义在于，世界模型从“ 离线渲染” 变成了“ 在线交互”，训练效率提升了一个量级。
还有创业公司极佳视界发布了 GigaWorld-1 平台，定位是物理世界的“ 数字沙盒”。一个月后，阿里巴巴的 ABot-PhysWorld 在一个叫 WorldArena 的评测基准上超过了它，综合排名冲到了第一。竞争正在以月为单位往前拱。
这些开源项目的重要性不在于参数有多高，而在于它们把一个“ 只有巨头玩得起” 的游戏，变成了“ 小团队也能上手” 的工具。当造轮子的人足够多，真正跑起来的车才会多。
世界模型之所以在物理 AI 时代成为核心要件，是因为它回答了那个一直悬而未决的问题：如何让机器人以低成本、高效率的方式学会物理世界的复杂规律？
真实世界的训练数据获取成本极高，且天然带有分布偏差，你很难在现实中凑齐工厂暴雪夜班、物流仓库断电应急、产线工人突发介入等所有边缘场景。但合成数据可以。通过在仿真环境中用提示词操控场景参数，研究者可以在数小时内生成覆盖极端条件的大规模训练视频，这在传统实采路线下需要数月甚至数年。
这个突破的杠杆效应，可能超过一切单一算法改进。
范式变了
世界模型的突破，其实只是物理 AI 技术栈进化的一部分。底层技术的变化，正在推动整个机器人行业的架构重建。
传统机器人用的是“ 感知、规划、控制” 三段式。先由传感器感知环境，工程师写好规则告诉机器怎么规划路径，最后执行动作。这在工厂流水线这种结构化环境里没问题，但场景一复杂就暴露短板，机器只会按预设剧本走，遇到没见过的状况直接卡住。
物理 AI 走的是另一条路：“ 感知、推理、执行”。感知之后不经过人类写死的规则，而是由训练过的神经网络自己推理出该做什么，然后执行。本质的区别在于，前者是“ 工程师替机器思考”，后者是“ 机器自己理解物理世界”。
国际机器人标准组织今年发布了一份技术路线图，预测未来三年内，80% 的新机型将采用这种新架构，传统三段式方案会逐渐退出主流。这不是小修小补，是整套范式的换轨。
就像某位业内专家说的，我觉得总结得挺到位：物理 AI 是 AI 发展的终极模式，因为它不仅需要理解人的指令，还要理解物理世界的所有规律。
黄仁勋说机器人开发的 ChatGPT 时刻已然到来。” 在我看来，物理 AI 和语言模型的“ChatGPT 时刻” 性质完全不同。语言模型的“ 那一刻” 是让全世界普通人第一次亲手用上了 AI。而物理 AI 的“ 那一刻”，是让 AI 第一次真正开始干活。
如今这个赛道处于一个很特殊的阶段：方向被锁定了，概念被认可了，但格局还没定。
一方面，做演示和做量产是两套完全不同的能力体系。一台样机能跑通，一万台产品在真实场景里考验的是制造一致性、供应链韧性、场景泛化能力、运维体系，这些跟 AI 算法没什么关系，但每一项都足够卡死一批玩家。另一方面，真实世界的数据采集成本高、周期长、覆盖面窄，这几乎注定了物理 AI 的大规模训练将严重依赖合成数据。
与此同时，从汽车供应链、传统工业自动化，到消费电子代工，这些看起来和“AI” 关系不大的行业，正在以技术溢出的方式加速切入物理 AI。它们的制造能力、供应链管理经验和场景资源，可能是决定物理 AI 落地速度的关键变量。
一个直觉性的判断是，你看 2023 年初 ChatGPT 引爆的那波 AI 浪潮，真正赚到最多价值的不是模型厂商，而是基础设施提供商。物理 AI 这波浪潮会不会重演同样的剧情？
英伟达的布局暗示着它正在赌这个方向，但故事还没写完。2026 年是部署态元年，产业竞争才刚刚开始。三年后回看今天，哪些名字还在牌桌上，哪些已经出局，可能会出乎大多数人的意料。
更多精彩内容，关注钛媒体微信号 （ID：taimeiti），或者下载钛媒体 App