聊聊十几天前孙宇晨关于物理AI的事。
他说普通AI已经接近尾声,未来三年的真正机会在物理AI。这话不是随便说说的,他直接把波场DAO的AI基金从1亿美元扩到了10亿美元,真金白银砸进去。他判断2026年是物理AI爆发元年(代表就是人形机器人的量产),AI不该再只是屏幕里跟你聊天的"嘴炮",得进化成懂物理、会实操的实体智能,能拧螺丝、能搬箱子、能在真实世界里干活。
那到底什么是物理AI?说白了,就是给AI装上身体和五官。以前的ChatGPT、豆包这些虚拟AI,就像个绝顶聪明但高位截瘫的学霸,能跟你聊量子力学,但连杯水都端不起来。物理AI则是通过激光雷达、深度相机、触觉传感器、运动执行器这些硬件,让AI真正摸到真实世界,理解重力、摩擦力、空间距离这些物理常识,然后动手干活。特斯拉的Optimus已经在工厂里搬运零件,宇树科技的机器人接单干活,大疆的无人机在农田喷农药——这些不再是科幻片,而是正在发生的现实。
实际上,物理AI和传统机器人完全是两个物种。传统工业机器人就像个"提线木偶",工程师提前写好每一套动作规则,遇到没预设的情况就傻眼。而物理AI走的是端到端范式,核心大脑叫世界模型,这玩意儿能让机器自己理解物理规律,像人类一样具备"物理直觉"。
打个比方,传统机器人学抓鸡蛋,得程序员一行行代码教它用多少牛米的力;物理AI则是让机器在仿真环境里摔碎一万个鸡蛋,自己悟出"得轻点捏"的道理,再把这套直觉迁移到真实世界。
目前行业最头疼的是仿真到现实的鸿沟(Sim-to-Real Gap),虚拟环境里练得再好,真实世界的光照噪声、地面摩擦都可能让机器人瞬间翻车。所以2026年主流路径变成了Real-Sim-Real:先在真实世界采高质量数据,进虚拟环境生成海量变体训练,最后回真实硬件验证,形成数据飞轮。
产业链这块,物理AI不是简单的"AI+硬件",而是四层生态环环相扣。

这套产业链的市场体量相当吓人。NAI500预测到2040年全球物理AI关联产业规模能达到3.25万亿美元,Counterpoint则预估2025到2035年设备累计出货量1.45亿台,市场规模从2025年的约420亿美元奔向2030年的万亿美元级别。奥比中光那边的人形机器人3D视觉传感器市场,预计从2025年1.4亿元暴涨到2030年的91.5亿元,年复合增长率132%——这增速比过山车还陡。
但热闹背后,卡脖子环节依然让人头皮发麻。孙宇晨自己也不得不承认,高端仿真工业软件和部分高端传感器仍依赖海外厂商,国内不少公司还在PPT阶段蹭概念。
具体来说,工业CAE仿真软件长期被西门子、达索这些海外巨头把持,国产的索辰科技虽然发布了"开物"平台,2025年物理AI业务收入约5800万元,但跟国外几十年的积累比还是小学生水平。高端谐波减速器领域,日本哈默纳科曾经几乎垄断全球,绿的谐波好不容易把全球市占率做到约25%,但产能和精度仍在追赶。
更隐蔽的卡脖子在数据端——真实物理世界的交互数据采集成本极高,你让机器人在真实工厂里试错,摔一跤可能几十万就没了,所以高质量物理数据成了最稀缺的石油。
核心玩家方面,上游零部件是兵家必争之地。
三花智控拿下了特斯拉Optimus旋转执行器约60%-70%的份额,同时给英伟达算力做液冷散热;拓普集团是特斯拉线性执行器总成的独家供应商,在墨西哥建厂准备年产100万台。
中游整机厂,宇树科技2025年出货超过5500台(官方数据),已经递交科创板IPO;智元机器人喊出2026年是具身智能"部署态元年"。
下游应用端,五一视界被市场封为"物理AI第一股",发布了全球首款"物理直觉"世界模型51World Model,覆盖智能驾驶、具身机器人六大场景。
总的来说,物理AI的本质其实是智能的"脱虚向实"。过去十年互联网和虚拟AI把人类的信息效率推到了极限,但GDP的真正大头——制造业、物流、农业、能源——几乎没被AI真正触碰。物理AI要啃的是这些硬骨头,它改变的不仅是效率,而是生产力的本质。
这里有个反直觉的点:物理AI越发达,传统制造业和高端制造的价值反而会被重估。以前资本市场只看软件公司的轻资产模式,现在发现没有精密减速器、没有高保真传感器、没有工业仿真底座,算法根本落不了地。艾媒咨询的张毅说得直白:"AI正在彻底改变产业逻辑,基础材料、高端制造重回估值主线。"
另一个深层思考是能源与算力的绑定。孙宇晨喊出了"错过英伟达,别再错过核电"的口号,因为物理AI比虚拟AI更耗电——不仅训练世界模型需要海量算力,每一个实体机器人在现场运转都是移动的"电老虎"。黄仁勋也预判未来几年会涌现大量小型核反应堆给AI工厂供电。
这意味着物理AI的终局竞争,可能不是算法之争,而是能源和工业基础设施之争。谁能搞定稳定的巨量电力和精密制造供应链,谁就能在这个赛道活到最后。
最后还得泼盆冷水。孙宇晨自己也提醒,这板块题材炒作情绪太重,很多标的仅停留在概念宣传。人形机器人成本高、成熟度不足,特斯拉的量产目标一拖再拖是常态。
物理AI确实站在黎明前夜,但黎明前的夜往往最黑最冷——技术完备度只是必要条件,产业界能不能在这个窗口期把数据飞轮真正转起来,把Sim-to-Real的鸿沟填平,才是决定能不能见到曙光的关键。
三年后回头看,现在的热闹到底是新工业革命的开端,还是又一场资本泡沫,取决于这些机器人是真的在工厂里拧螺丝,还是只在发布会舞台上跳舞。
免责声明:文中信息均来自公开信息,不构成任何投资建议;本人解读均是个人看法,不代表任何倾向,没有任何目的性。
个人观点,仅供参考。
夜雨聆风