這種判斷正在得到越來越多企業(yè)的呼應(yīng)。
2026年初，芯片公司Arm宣布成立專門的“Physical AI”業(yè)務(wù)部門，將機器人與汽車業(yè)務(wù)整合在同一體系中，以應(yīng)對不斷增長的智能機器人市場需求。
幾乎在同一時期，汽車芯片廠商 恩智浦半導(dǎo)體 也在公開場合表示，“物理AI”正在成為工業(yè)自動化、機器人與智能設(shè)備的重要增長動力。
這些變化背后，是人工智能能力結(jié)構(gòu)的一次重要轉(zhuǎn)移。
這種范式的轉(zhuǎn)變，標志著AI正在從一種“咨詢工具”進化為一種“執(zhí)行主體”。
2024年諾貝爾物理學(xué)獎授予了約翰·霍普菲爾德（John Hopfield）和杰弗里·辛頓（Geoffrey Hinton），這被視為物理學(xué)與計算機科學(xué)融合的里程碑。正如諾貝爾委員會所言，人工神經(jīng)網(wǎng)絡(luò)的構(gòu)建基礎(chǔ)深深植根于物理學(xué)原理。而到了2026年，這種融合已經(jīng)從理論進入了產(chǎn)業(yè)實操。
過去的大模型主要解決認知問題——理解文本、生成圖像、回答問題。但現(xiàn)實世界遠比數(shù)字空間復(fù)雜。機器需要理解空間關(guān)系、物體屬性和因果關(guān)系，還必須在毫秒級時間內(nèi)做出決策。
學(xué)術(shù)界對這一趨勢也給出了系統(tǒng)化解釋。一些研究將物理AI描述為一個包含“感知—認知—行動”閉環(huán)的智能體系，其中機器通過與環(huán)境的持續(xù)互動來形成知識，而不是僅依賴數(shù)據(jù)訓(xùn)練。
在具身智能概念如火如荼的當下，物理AI最直觀的形態(tài)便是機器人。根據(jù)國際機器人聯(lián)合會的數(shù)據(jù)，目前全球運行的工業(yè)機器人已經(jīng)超過400萬臺，而隨著AI能力的提升，這一數(shù)字仍在快速增長。多家機構(gòu)預(yù)計，未來幾十年機器人將在制造、物流和服務(wù)業(yè)中承擔越來越多的任務(wù)。
在MWC 2026的現(xiàn)場，中國企業(yè)在具身智能領(lǐng)域的表現(xiàn)驗證了這一趨勢。智元機器人、宇樹科技、北京人形機器人創(chuàng)新中心等機構(gòu)展示的產(chǎn)品，其核心突破并不在于“長得像人”，而在于它們對空間智能的掌握。
在技術(shù)日新月異的推動之下，機器人行業(yè)正在經(jīng)歷一場架構(gòu)升級。過去的工業(yè)機器人通常是高度專用化的設(shè)備，每一臺機器只負責單一任務(wù)。如今結(jié)合AI系統(tǒng)后，機器人開始具備更強的通用能力，可以在不同場景之間快速切換。
行業(yè)人士普遍認為，這種變化將重新定義自動化的邊界。隨著硬件成本下降和AI能力提升，機器可能在未來十年內(nèi)承擔大量重復(fù)性勞動。
但物理AI的應(yīng)用范圍遠不止機器人。
在自動駕駛領(lǐng)域，AI需要實時理解道路環(huán)境并做出決策；在工業(yè)制造中，AI可以用于設(shè)備預(yù)測維護和生產(chǎn)調(diào)度；在智慧城市和智能建筑系統(tǒng)中，AI也被用于監(jiān)控與管理復(fù)雜基礎(chǔ)設(shè)施。
一些公司甚至嘗試通過模擬真實世界來訓(xùn)練AI模型。以商湯科技推出的“開悟”生成式世界模型為例，它不僅是一個高精度的虛擬環(huán)境，更是一套能夠理解并預(yù)測物理演變的認知系統(tǒng)。依托商湯絕影的產(chǎn)業(yè)積淀，“開悟”能自主生成符合真實物理邏輯的長尾場景，使自動駕駛與機器人系統(tǒng)在進入現(xiàn)實世界前，便已在“數(shù)字化實驗室”中完成了數(shù)億次的極端工況演練。這種模式正在重塑具身智能從虛擬到現(xiàn)實的遷移范式。
如果說機器人是物理AI最直觀的應(yīng)用場景，那么能源系統(tǒng)則代表另一條更為復(fù)雜的技術(shù)路徑。
近年來，隨著新能源比例不斷提升，電力系統(tǒng)的復(fù)雜度正在顯著增加。天氣變化、電力市場價格以及設(shè)備運行狀態(tài)都會影響系統(tǒng)運行效率。因此，一些企業(yè)開始嘗將AI引入電力系統(tǒng)管理。其中，遠景科技集團提出了將人工智能與能源系統(tǒng)深度融合的思路。
遠景科技集團董事長、遠景能源創(chuàng)始人張雷指出，傳統(tǒng)大模型主要用于消費互聯(lián)網(wǎng)場景，而能源系統(tǒng)屬于復(fù)雜的物理系統(tǒng)，其運行必須遵循物理規(guī)律和工程約束，因此需要新的AI模型體系。
在新型電力系統(tǒng)中，由于氣象資源的隨機性和波動性，傳統(tǒng)的調(diào)度手段已難以應(yīng)對多變的場景。遠景推出的“伽利略AI風(fēng)儲一體機”及其背后的“天樞”能源大模型，本質(zhì)上就是將物理控制作為核心，將風(fēng)機、儲能系統(tǒng)與AI模型結(jié)合，通過云、邊、端協(xié)同實現(xiàn)實時控制和優(yōu)化調(diào)度。
從行業(yè)視角看，這種探索體現(xiàn)出物理AI的另一種形態(tài)——即通過AI對復(fù)雜工業(yè)系統(tǒng)進行整體優(yōu)化，而不僅僅是控制單一設(shè)備，將能源系統(tǒng)實現(xiàn)從簡單的基礎(chǔ)設(shè)施堆疊到“智能體生態(tài)”的轉(zhuǎn)變。
與互聯(lián)網(wǎng)時代的AI不同，物理AI的競爭不僅是算法競爭，更是一場系統(tǒng)工程的競爭。
一個完整的物理AI系統(tǒng)通常包含多個關(guān)鍵環(huán)節(jié)：傳感器、計算芯片、網(wǎng)絡(luò)連接、控制系統(tǒng)以及執(zhí)行機構(gòu)。只有當這些要素協(xié)同工作，機器才有可能在現(xiàn)實世界中穩(wěn)定運行。
這也是為什么越來越多科技公司開始從單一技術(shù)走向系統(tǒng)化布局。
芯片企業(yè)正在開發(fā)專門面向機器人和自動駕駛的計算平臺；通信企業(yè)嘗試將網(wǎng)絡(luò)升級為支持AI運行的基礎(chǔ)設(shè)施；機器人公司則在硬件與軟件之間尋找新的協(xié)同方式。
在這一過程中，產(chǎn)業(yè)鏈的重要性變得更加明顯。機器人、電機、傳感器和電池等核心組件，都依賴成熟的制造體系。只有當這些供應(yīng)鏈形成規(guī)模，物理AI設(shè)備才有可能從實驗室走向量產(chǎn)。
因此，一些行業(yè)觀察者認為，物理AI的競爭格局將不僅由技術(shù)決定，也與產(chǎn)業(yè)基礎(chǔ)密切相關(guān)。
如果回看過去二十年的技術(shù)發(fā)展，可以發(fā)現(xiàn)人工智能經(jīng)歷了幾個明顯階段。
早期AI主要集中在算法研究；移動互聯(lián)網(wǎng)時代，AI成為互聯(lián)網(wǎng)產(chǎn)品的核心能力；而在生成式AI浪潮中，大模型成為技術(shù)競爭的焦點。
如今，隨著機器人、自動駕駛與工業(yè)AI的發(fā)展，人工智能正在從“信息智能”走向“物理智能”。
從機器人到能源系統(tǒng)，從工業(yè)設(shè)備到城市基礎(chǔ)設(shè)施，越來越多行業(yè)正在將人工智能視為一種新的基礎(chǔ)能力。
技術(shù)周期的變化往往需要多年時間才能顯現(xiàn)。但從當前產(chǎn)業(yè)動向來看，當人工智能真正開始“觸摸世界”時，一個新的產(chǎn)業(yè)階段已經(jīng)悄然展開。
快報
根據(jù)《網(wǎng)絡(luò)安全法》實名制要求，請綁定手機號后發(fā)表評論