瞭望 | 竞逐物理AI时代新机遇

　　如果说过去人工智能突破主要体现在数字世界，那么物理AI兴起，则意味着人工智能发展进入了以理解和干预物理世界为核心的新阶段

　　文 |《瞭望》新闻周刊记者 邵香云 马博文

　　汽车生产车间里，一只机械臂正快速运转。工作人员一声语音指令，机械臂快速锁定目标位置，自主规划路径，完成抓取装配，动作衔接流畅、一气呵成。另一侧检测工位上，密布的高精度传感器同步运转，设备的振动、温度、位移等数据被实时采集、上传，在屏幕上形成“数字轨迹”。

　　2026年初，以深度融合人工智能与物理世界为特征的“物理AI”（Physical AI），正从技术概念快速走向产业应用的中心舞台，成为主要经济体与科技企业布局未来的焦点。

　　这一趋势表明，人工智能的发展动能正从数字空间转向物理实体，其与制造业、服务业等实体经济的深度融合，将可能引发生产模式、产业形态乃至竞争格局的深刻变革。

　　受访专家认为，我国应把握战略机遇，前瞻谋划、系统布局，加强核心技术攻关、产业生态构建与应用场景拓展，在产业变革中夯实根基、赢得主动。

　　步入“物理AI”新阶段

　　物理人工智能，指将人工智能的感知、决策与学习能力，深度嵌入机器人、智能设备、自动化产线等物理实体系统中，使其能够在复杂、动态的真实物理环境中自主执行任务。如果说过去人工智能突破主要体现在数字世界，那么物理AI的兴起，则意味着人工智能发展进入了以理解和干预物理世界为核心的新阶段。

　　去年底，特斯拉发布“世界模拟器”演示，展示其端到端神经网络在虚拟环境中自我进化的能力。据悉，该系统可在1天内吸收相当于人类500年的驾驶经验，并生成逼真的驾驶场景，用于自动驾驶与人形机器人的训练与测试，旨在让机器获得对物理环境的高阶理解与实时反应能力。

　　《瞭望》新闻周刊记者梳理发现，除特斯拉外，多家芯片厂商、云服务提供商、车企与新兴机器人领军企业正将自动驾驶、工业机器人、智能制造等物理AI解决方案视为核心增长点，相关的资本投入与研发资源集中度显著提高。

　　北京智源人工智能研究院发布的《2026十大AI技术趋势》认为，2026年将成为AI从数字世界迈向物理世界、从技术演示转向规模价值实现的分水岭。

　　从产业视角看，物理AI的核心价值在于其“改造”物理世界的能力，这不仅能提升生产效率，更可能触发制造模式乃至工业体系重塑。

　　“借助人工智能技术，企业可以对设备运行状态进行多维感知，综合分析30余种关键参数，并在1分钟内完成数字孪生系统仿真，实现对生产过程的动态预测与优化。”菲特（天津）检测技术有限公司董事长曹彬说。

　　物理AI正打开多个产业增长空间。首先是制造业的智能化升级。在质量检测、预测性维护、柔性装配等场景，物理AI已能提供可量化的投资回报，正从试点走向规模部署。其次是具身智能与人形机器人产业的加速发展。物理AI所包含的环境感知、实时决策与精密控制技术，是机器人在非结构化环境中可靠工作的基石。多家市场机构预测，未来十年，全球具身智能与人形机器人市场将进入高速增长期。

　　系统应对三重挑战

　　业内人士认为，当前，我国物理AI发展仍面临核心技术供应链韧性待增强、规模化应用成本与数据瓶颈，以及产业转型伴生就业结构深层调整等多重挑战，需客观审视、系统应对。

　　增强核心基础技术与供应链韧性。物理AI是软硬件高度集成的系统工程，其发展依赖于机器人本体、高精度传感器、高性能边缘计算芯片、实时控制系统与系统集成等技术链。目前，在高端传感器、机器人运动控制算法、高可靠工业软件等核心环节，我国产业基础仍相对薄弱。

　　同时，全球产业链格局正在深度调整，高端计算芯片、先进半导体制造工艺与装备等技术的国际供给环境日趋复杂，对我国发展物理AI所必需的高端算力支撑和先进制造能力提出了更高要求，构建安全、可靠、韧性的自主产业生态尤为紧迫。

　　打破规模化应用面临成本与数据瓶颈。推动物理AI在更广阔范围，特别是广大中小企业中落地应用，仍面临现实瓶颈。

　　一方面，初始投入成本较高。受访企业表示，部署物理AI系统涉及专用硬件采购、软件深度定制与复杂的现场集成，对企业资金形成一定压力。加之不同行业、不同场景差异化需求显著，解决方案标准化程度低、软件复用性不强，延长了投资回报周期。

　　另一方面，高质量数据供给不足。物理AI系统训练与优化依赖海量、精准反映物理规律的真实世界数据，这类数据获取与利用尚存难点。在工业领域，此类数据往往散落在不同设备系统中，需体系贯通以形成有效合力；在医疗、交通等领域，数据涉及严格的隐私与安全要求，其合规采集、标注与使用的成本与门槛较高。

　　产业转型催化就业结构深层调整。物理AI在制造业深度应用，可能对产业人力资源结构和技能需求产生深远影响。物理AI将推动自动化从替代重复性劳动，向协助乃至部分承担需要熟练技能、经验判断、初步知识推理的复杂任务扩展，例如精密加工、设备运维、工艺设计和高精度质检等环节。这对劳动力技能体系升级和岗位价值重塑提出了更高要求。

　　把握发展主动权

　　面对物理AI引领的产业变革浪潮，需把握机遇、应对挑战，前瞻布局，在技术突破、路径创新和生态培育等方面协同发力，占据主动。

　　强化核心攻关，筑牢技术底座。受访者建议，围绕物理AI技术链中的关键环节进行体系化布局，聚焦基础理论与核心技术，组织实施重点研发计划，加速实现突破。

　　中国工程院院士郑南宁认为，对物理AI应用最广泛的具身智能等方向，可通过建设国家级创新中心等平台，集聚高校、科研院所和行业领军企业的优势资源，围绕国家重大战略需求开展协同攻关，加速基础研究成果向产业应用的转化。

　　深化场景驱动，走特色发展路径。南开大学计算机学院副院长刘晓光认为，对于中国而言，庞大的制造业基础与多元化的应用场景，构成了发展物理AI的独特优势。

　　中国电子学会理事长徐晓兰认为，应坚持应用导向、需求牵引，鼓励产学研各界深度挖掘制造业转型升级、应急保障能力提升、民生服务改善等重点领域的实际需求，在真实复杂场景中锤炼技术、迭代产品、培育模式。

　　业内人士建议，可面向电子制造、新能源汽车、高端装备、港口物流等行业，打造行业智能体，形成技术、场景、数据闭环，积累工程化经验和场景理解，构筑差异化的竞争优势。

　　构建支撑体系，保障转型平稳推进。推动物理AI健康发展，化解其伴随的调整压力，须建立前瞻、包容、有力的支撑体系。受访者建议，广泛开展数字技能与“人工智能+”职业技能培训，推动教育体系与课程设置加快调整，深化产教融合，培育既懂人工智能又精通行业知识的复合型人才，完善劳动力市场调节与社会保障网络，助力劳动力技能结构平稳升级。

　　此外，完善适配新技术推广的政策与标准环境。加快研制物理AI在安全、可靠性、伦理和互联互通等方面的标准与规范。通过专项引导基金、创新税收与采购政策，降低企业特别是中小企业的应用门槛与试错成本。■