物理 AI 狂欢之下:热闹的人形机器人,真正的突破口其实是汽车?

黄仁勋一句 “下一波浪潮是物理 AI”，直接把这个概念推上了科技圈的风口浪尖。

现在的市场热闹到什么程度？

做汽车的高喊 “汽车就是机器人”；做摄像头的说自己天然卡位物理 AI；家电企业畅想 AI 走进厨房；就连会计师事务所德勤，都专门成立了物理 AI 实验室。

更有意思的资本市场名场面：有家公司仅仅被股民误划分为物理 AI 概念股，直接收获连续 4 个交易日涨停，逼得公司紧急发公告澄清：我们根本没有这块业务。

万物皆可物理 AI，概念炒作喧嚣不已。

可现实很骨感：被万众追捧的人形机器人，全球年产量仅仅只有万台级别，大多还停留在发布会演示，尚未真正找到大规模商业化的位置。

所有人都在等待物理 AI 的 “大结果”，但这个结果，究竟会以什么样的姿态降临？

   智能汽车才是现成的物理 AI 本体   

什么是物理 AI？

简单区分：过去的大模型，是在屏幕之内理解世界，输出文字、图片；

而物理 AI，要走出数字世界，感知真实环境，并且指挥实体硬件做出行动。

英伟达给出的典型载体，包含机器人、智能空间、自动驾驶汽车。

但大众的目光，几乎全部聚焦于人形机器人身上。

资本市场给人形机器人极高的估值，有企业一年仅卖出数千台机器人，上市首日市值冲到 4500 亿，即便后续市值腰斩，市盈率依旧远超 A 股通用设备行业平均水平。

但很多人选择性忽略了一个事实：智能汽车，才是目前落地最成熟、商业闭环最完整的物理 AI 产品。

一辆智能汽车，自带完整的感知、决策、执行整套系统。和人形机器人的区别，不过是行动载体是轮子而非双腿。

人形机器人还在练习进厂拧螺丝的时候，路上跑的智能汽车，已经日复一日处理真实路况：识别红绿灯、预判加塞、避让行人与外卖骑手，每天都在真实物理世界做决策。

更关键的是量产能力。人形机器人几千台出货就足以行业庆贺；而车企每年可以交付几十万台车。每一台车，都在现实道路采集海量真实数据，还可以通过 OTA 持续迭代模型，完成 “数据 — 训练 — 落地” 完整飞轮。

政策层面同样给出了方向。工信部等九部门印发的《智能网联新能源汽车产业发展 “十五五” 规划》明确提出，开展 “人工智能 + 汽车” 行动，推动大模型、智能体技术优先在汽车落地。汽车被视作 AI 从虚拟迈向物理世界的第一块试验田。

马斯克很早就提出一个判断：特斯拉汽车，本质就是四个轮子上的机器人。

他甚至直接告诉投资者：特斯拉应当被看作一家 AI 与机器人公司，如果不相信自动驾驶，就不该持有它的股票。

摩根大通也改变态度，上调特斯拉评级，理由正是：特斯拉站在了物理 AI 的最前沿。

国内的小鹏，走了相似的路线。以汽车作为物理 AI 规模化落地的底座，把智能驾驶沉淀的算力、数据、模型，复用到 Robotaxi、人形机器人、飞行汽车等多元硬件上，搭建起全栈自研的物理 AI 体系。

何小鹏判断，过去十年汽车的主线是能源变革；未来十年，主旋律一定是智能化落地。汽车不会只是交通工具，会进化成可以持续自我学习的物理智能体。

   底层模型架构才是胜负手   

大模型行业早已证明：一时的性能领先，守不住长久优势。今天榜单第一的模型，几周就有可能被后来者追上。

真正拉开差距的，是持续迭代下一代模型的完整技术体系。

物理 AI 赛道，正在复刻同样的竞争逻辑。

行业已经度过了单纯看 “机器人会不会走路、车子能不能过复杂路口” 的演示时代，竞争下沉到底座世界模型层面。

何小鹏把大模型比喻成：物理 AI 世界的操作系统，是所有实体硬件应用的根基。

巨头们都在押注底座模型：英伟达推出 Cosmos3 世界基础模型，融合视觉推理、世界生成、动作预测；谷歌 Gemini Robotics 2，实现机器人全身的智能控制。

小鹏第二代 VLA 物理世界大模型，核心突破在于架构革新，砍掉传统 VLA 架构里 “语言转译” 中间环节，实现从视觉信号直接输出动作指令的端到端链路，绕开多一步转换带来的损耗。

最新版本更是完成从 “理解空间” 到 “理解时空” 的跨越。看懂静态画面只是基础，真实物理世界永远处于动态变化：行人会不会横穿马路、物体往哪个方向移动，都需要结合过去信息，预判未来走向。

新版 VLA 搭载 Infini‑VLA 长时序架构，可以留存过去 30 秒环境信息；X‑Foresight 预测世界模型，能够预判行人、车辆未来 6 秒运动轨迹。搭配流式自回归推理，端到端响应速度提升 300%。

这些升级，并不是简单新增某个花哨功能，而是改变模型理解现实世界的整套方式。

物理 AI 很多关键进步，不会立刻体现为用户看得见的新功能，而是先发生在感知、记忆、预测、决策底层，之后才会慢慢外化到产品体验当中。

单次模型更新可以靠运气，但是稳定一代一代推出更强底座，考验企业整套工程与研发能力。

何小鹏在财报会上提到，伴随算力与模型迭代，后续版本会迎来能力涌现，实现在量产车上接近 L4 级自动驾驶的断代领先。

   从汽车到机器人，物理 AI 如何决胜    

物理 AI 真正的想象空间，是同一套大脑，跑在不同形态的硬件本体之上。不管是汽车、无人出租车、人形机器人，底层逻辑都是感知现实、预测变化、输出行动指令。

特斯拉的 Robotaxi，直接使用量产 Model Y，复用 FSD 全套能力，而非过去行业那种改装、造价昂贵的特种车辆。

马斯克多年前的设想：未来普通车主，点一点手机，自家车辆就可以出门接单运营，如今已经开启现实验证。

小鹏同样落地这套路径。自研 Robotaxi 量产车基于现有车型打造，芯片、第二代 VLA 大模型和乘用车同源，已经完成数千单内测，开启主驾无人道路测试。

而更大的跨越，是人形机器人。

过往很多人形机器人创业公司，优先打磨运动控制，硬件本体做得很精巧，但 AI 大脑偏弱，行业戏称 “身强脑弱”。

行业从业者也坦言，最大卡点，就是具身智能模型尚未迎来真正突破。

而车企出身的玩家，恰好拥有模型、算法、真实场景数据的积累，汽车沉淀的技术，可以直接迁移给机器人。

特斯拉 Optimus 大量复用 FSD 自动驾驶的技术，工程师也来自汽车团队；

小鹏 IRON 人形机器人，直接复用第二代 VLA 大模型，机器人搭载的 AI 芯片，源自汽车业务，超过 85% 供应链与汽车重合，天然具备成本优势。

制造能力，也是车企独有的王牌。特斯拉改造工厂产线规划 Optimus 百万级年产能；

小鹏建成全球首条高阶通用人形机器人自动化产线，机器人实现自主走下产线，计划年底进入规模量产，明年对外交付。

小鹏机器人业务完成超 9 亿美元融资，刷新国内具身智能单轮融资记录，互联网巨头集体入局，侧面印证市场对这条路线的看好。

何小鹏的判断十分明确：我们正处在物理 AI 从研发走向规模爆发的前夜，这会是未来十年全球性的战略机会。

   写在最后   

从 ChatGPT 掀起生成式 AI 浪潮，到现在视线转向真实物理世界，AI 的战场，正在从屏幕里走向我们身边。

现在市面上充斥着物理 AI 的概念包装，随便贴上标签就能收获资本市场关注。但拨开喧嚣，真正的拐点，不会来自展台之上的酷炫演示。

它来自已经跑通商业闭环的汽车，来自可以跨硬件复用的底座大模型，来自能把样机变成千万级量产产品的制造体系。

也许不用太久，我们就能亲眼看见，物理 AI 的那个 “大结果” 真正到来。

你觉得物理 AI 最先改变我们生活的，会是智能汽车，还是人形机器人？

欢迎评论区聊聊你的看法。