夜雨聆风
过去几个月，OpenAI、英伟达、Google、特斯拉等越来越多AI公司开始频繁提到一个新概念——Physical AI（物理AI）。
英伟达CEO黄仁勋甚至认为，继生成式AI和Agent AI之后，物理AI将成为AI发展的下一阶段。
那么，什么是物理AI？它为什么突然成为产业关注的焦点？
AI Age
规模或达4890亿美元的市场
过去几年，AI产业的创新主要是围绕着数字世界展开的：OpenAI、Anthropic、Google、DeepSeek等公司不断提升大模型能力；AI Agent开始帮助人们写代码、写文档、制作PPT、分析数据，越来越多的知识工作正在被AI重构。
但是接下来，越来越多企业开始把AI装进现实世界，不仅应用于制造机器人和自动驾驶出租车，也开始部署到叉车、巡检传感器、安防摄像头等各种设备中，让AI不仅能够思考，还能感知现实世界，并控制各种物理设备完成工作。
这就是近一年迅速升温的物理AI。
物理AI是将AI集成到自主系统中，使其能够感知周围环境，并在现实世界执行复杂的物理操作。
相比聊天机器人，物理AI面对的是一个持续变化、充满不确定性的真实世界，因此对感知、推理、决策和控制能力提出了更高要求。
也正因如此，越来越多机构开始将其视为AI产业的下一阶段。
CIO.com估算，目前全球物理AI市场规模约为920亿美元。普华永道预计，到2030年有望增长至4890亿美元。
不只是机器人
很多人一提到物理AI，就会想到人形机器人。
事实上，人形机器人只是其中一种表现形式。真正的物理AI，是让整个物理环境变得智能。
AI开始从数字空间进入物理空间。自动驾驶汽车 、无人叉车、无人机 、工业摄像头、安防摄像头、巡检机器人、医疗设备、智慧建筑、城市交通系统、电网和能源基础设施……任何需要"感知—决策—执行"闭环的现实场景，都可能成为物理AI的应用对象。很多媒体喜欢讨论人形机器人，但产业界真正开始赚钱的，却是另外一些场景。
物理AI并不是一个全新的概念。机器人、自动驾驶、机器视觉都已经发展了十几年。不同于以往的是，大模型第一次赋予了物理AI系统更强的泛化能力和环境理解能力。
过去机器人更像程序：主要依赖固定规则。生产环境一旦发生变化，就需要重新编程。
如今，大模型正在成为机器人的"大脑"。大模型能够理解图像、语音、文本以及传感器数据，并根据不同环境自主决策。
与此同时，多模态模型、强化学习、数字孪生以及仿真平台的发展，也让物理AI拥有了更低成本、更安全的训练方式。
越来越多企业开始利用数字孪生，在虚拟环境中训练机器人、测试极端场景，并完成算法验证，再部署到真实环境中，大幅降低了现实世界试错成本。
物理AI率先落地的四个方向
从目前来看，物理AI最先落地的并不是消费市场，而是工业场景。制造业、物流、自动驾驶和智慧基础设施，成为最成熟的四大应用方向：
一是制造业。
制造业拥有标准化程度高、任务重复、投资回报容易衡量等特点，因此成为物理AI最早商业化的领域。机器人装配、机器上下料、产品质检、预测性维护，都已经开始大量部署。
例如，宝马已经开始利用机器人参与焊接工作；波士顿动力的Spot机器人则广泛应用于工业巡检、安全巡逻和预测性维护，客户包括英特尔、雪佛龙、米其林、嘉吉等。
二是物流仓储
AI开始统一调度数以千计的自主移动机器人（AMR），负责仓库内的搬运、分拣、路径规划和装卸。
过去的机器人只能各自完成任务，如今AI开始像空中交通管制系统一样统一协调整个机器人集群。
仓储物理AI企业Symbotic表示，物理AI已经从试点阶段进入大规模商业部署。该公司目前拥有2.2万台自主移动机器人，仅2025年累计运行里程便超过2亿英里，其中单台机器人最长运行距离超过5.2万英里，相当于绕地球两圈以上。
三是自动驾驶
除了Robotaxi，无人叉车、矿卡、农业机械、配送机器人等，也正在快速商业化。相比复杂的城市道路，这些封闭园区和工业场景环境更稳定，也更容易率先落地。
近年来，亚马逊等企业持续测试无人机配送业务，而DoorDash也于今年7月底宣布正式进入无人机配送市场。
根据Global Market Insights的数据，仅自动驾驶汽车市场（不包括物理AI整体市场）在2025年的规模就已超过2000亿美元。
四是智慧基础设施
AI已经开始进入摄像头、电网、医院、建筑以及城市交通系统。
激光雷达厂商Ouster表示，在世界杯举办前，该公司已与新泽西州交通运输部门合作，在42个路口部署传感器，用于缓解车辆和行人交通拥堵。
未来，它不仅能够识别异常，还能够主动采取措施，例如优化交通信号、协调建筑能耗、自动发现设备故障，甚至提前发现患者身体状态变化。
| 制造业 | ||
| 仓储与物流 | ||
| 自动驾驶与智能交通 | ||
| 巡检与设备维护 | ||
| 农业 | ||
| 建筑与采矿 | ||
| 医疗与实验室 | ||
| 智慧建筑与智慧城市 | ||
| 零售与消费场景 | ||
| 能源与公用事业 |
最适合物理AI部署的场景
数字化转型服务商UST首席AI架构师Adnan Masood认为，物理AI最适合部署在那些能够安全、持续、重复运行，并能够纳入现有安全与合规体系进行审计的场景。
Cota Capital物理AI投资人Vikram Venkat认为，要让物理AI真正产生价值，还需要满足几个条件：
首先，这项工作应具有较大的人工参与比例，例如存在劳动力短缺，或者工作环境对人类具有危险性。
其次，工作环境应相对受控。目前的物理AI平台，对于高度复杂、变化剧烈的环境仍然处理能力有限。
第三，任务本身需要具有高度重复性，通常需要大规模执行，并且拥有明确、可量化的结果。
此外，从短期来看，还应满足另外两个条件：
部署过程尽可能简单，不需要大幅修改现有业务流程、基础设施或现有系统；
保持"人在回路（Human in the Loop）"，能够随时对AI进行纠错和干预。
DI数智观察洞察
如果说过去三年，大模型改变的是数字世界；那么未来十年，物理AI正在改变现实世界。
总结来看，AI产业的发展经历两个阶段正向第三个阶段发展：
第一阶段，是ChatGPT代表的大模型，让AI拥有了语言理解和知识推理能力；
第二阶段，是AI Agent开始替代部分知识工作；
而第三阶段，则是物理AI开始让AI真正进入现实世界，控制机器人、汽车、工业设备以及城市基础设施。
从产业价值来看，物理AI意味着AI开始从生成内容，进一步走向创造现实价值。
对于企业而言，这也意味着AI竞争将不再只是模型能力的竞争，而是软件、机器人、传感器、数字孪生、边缘计算和工业系统的全面融合。
未来真正有竞争力的，或许不再是单一的大模型公司，而是能够打通"感知—决策—执行"整个闭环的AI企业。
相关阅读
