北京
旧金山街头，无人车正载着乘客穿行；半空中，快递无人机掠过屋顶；农场、工厂、矿井里，机械臂和自动设备各司其职。人工智能与物理世界的这次碰撞，常被称作"物理AI"——机器能感知周围环境、做出判断，并在真实世界里采取行动。
但每一台新上岗的机器，都藏着一份我们很少看见的第二职业：它制造数据，而且是海量的数据。
美国联邦航空管理局预计，商用无人机机队将从2024年底的约96.6万架增长到2029年的约118万架。全球工厂里，2024年估计有466万台工业机器人在运转，当年还新装了50万台——是十年前装机量的两倍多。
今天的自主机器能力远超以往，但把积累下来的经验从机器里搬出来，方式却依然原始得让人意外。到了2026年，把海量数据从一台机器上转移走的最快办法，仍然是让人抱着一块硬盘跑一趟。
数据是双向流动的
想象一辆自动驾驶汽车经历了什么。摄像头从多个角度盯着路面，传感器和AI测量并理解周围环境，车载系统追踪车辆自身的位置和状态。行人过马路、红绿灯变化、周围成千上万的车辆和联网技术移动并交换数据，这些决策都在实时做出并被记录下来。
配送无人机、农业机械、仓储机器人、自主工业设备，运行环境各不相同，但逻辑是相通的。每一次行程或任务，都会留下一串数字痕迹：传感器读数、视频、遥测数据、诊断信息、运行日志。
而且信息不是单向流动的。这些机器可能还需要来自背后计算基础设施的新地图、软件更新、配置、AI模型和指令。它们在物理世界里的经历流回数据中心，而执行下一个任务所需的智能则向外传输。
把这种交换乘以数百万台机器，一层新的互联网流量就开始浮现——我们才刚刚开始思考它。
这个方向早在2019年就已显现。一篇关于6G的重磅大学论文指出，移动机器人、无人机和自动驾驶汽车将推动对泛在无线智能的需求，其6G愿景包括支持流量增长1万倍的网络。
仅美国商用无人机机队就正朝着七位数迈进，而全球工业机器人早已数以百万计。对普通观察者来说最明显的，或许是自动驾驶汽车在各国首都和主要城市街头越来越常见。
今年6月，机器在全球网络流量中的占比超过了57%——这是机器人首次在数量上超过人类，而且它们使用网络的方式与人类截然不同。Cloudflare预测，未来五年内，非人类流量最终可能超过人类流量1000倍。
一台机器学会，全网机器都会
一台机器学到的经验，不必只留在那台机器上。这里有一个只有连接才能解锁的机会。
Google DeepMind的Gemini Robotics 1.5展示了技能在物理形态不同的机器人之间"零样本"迁移——用双臂Franka机器人教的一项任务，由一个人形机器人执行，且没有在目标机器上采集任何数据。
想想这意味着什么。一个人掌握了一门技术，知识就装在他脑子里，等他退休，大部分经验也跟着走了。而一台机器人有可能把它学到的东西交给网络上的其他每一台机器人。经验不再"本地化"，开始变成网络上的共享资产，为公司的护城河不断复利。
机器人的物理足迹在向外扩散，但它们产生的数据流量仍然集中在中心位置。AI可能越来越多地长出轮子、翅膀和手臂，但它们的智能以及与世界的交互，仍然完全依赖于与最近的数据中心枢纽的关系——这是我们现在必须解决的问题。
卡在哪里了
当一台机器人回到站点"打卡下班"，这是一个理想的窗口：充电、检查、跑自诊断、下载更新，拿到下一班次需要的数据。根据机队规模，这时可能需要双向搬运极其庞大的数据量。
因此，那些容纳、充电或维修机器的场地，本身就在充当微型数据中心，在机器到达和离开时处理突发流量。机队越大，连接所有这些枢纽的网络压力就越大。
当上传和下载比充电或维护花的时间还长，网络就成了规模化运营的瓶颈。
有线网络根本无法以移动经济的速度演进。机队运营商可能需要在另一个城市开新站点，把无人机巢穴放得离客户更近，或者在临时工业场地连接自主设备。把光纤铺到每个地点，意味着挖沟、审批，往往既费钱又费时。
无线连接提供了更快、更灵活的方式。链路安装不需要挖地，也不用等审批，运营商可以快速连接新站点，还能根据需求重新部署或扩展。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
