過去三年，AI的主戰場在一塊螢幕裏；而現在，它正在向物理世界突破。在使用AI完成文本、圖像生成之後，業內開始聚焦讓人工智能走出數字螢幕，走進現實世界。如何讓AI在真實環境中完成感知、推理、決策與交互，這就是近期持續升溫的概念——物理AI。今天資本市場上相關概念股也延續上漲勢頭。物理AI的核心是讓機器不僅能“想”，還能在真實環境裏“做”。目前，相關領域有哪些新進展？

　　在上海一家酒店內，一台用於洗衣場景的輪式人形機器人正在進行投用前的最後測試。住店旅客通過手機下單後，將待洗衣物裝進洗衣籃放在房間外，機器人就會自動取走並送至洗衣房進行洗烘，結束後再送回房間。

　　這樣的機器人在最開始接到任務時需要進行理解和分析，在過程中需要與真實的環境進行感知交互，再到最後具體的開關門、放衣服這些動作的推理執行，背後都需要用到強大的具身模型作為“大腦”來進行支撐。

　　企業負責人介紹，他們的機器人是通過“雙腦”協同來完成任務。一個具身基座模型負責理解任務和空間關係，另一個世界模型則可以模擬構建出3D的物理環境。基於這套體系，現在機器人有時自己一晚上就能學會一項新任務。

　　企業負責人王曉剛表示，機器人在真實環境裏一邊自我嘗試，一邊自我學習、自我進化。2026年他們目標是能夠有1000台機器人進入到場景當中去。有規模化產業落地，才能夠伴隨著越來越快的機器人自我學習。 

　　不久前，宇樹科技也展示了一項測試，機器人接入GPT-6最新模型後，僅憑文字提示就能在零訓練狀態下拿筆繪畫。不過，因為大模型在與機器人感測器、執行器對齊上存在偏差，目前這種方式還存在耗時長、延遲高、誤差大等問題，現階段難以直接投入實際工作。

　　部分企業也在探索物理AI在工業場景中的應用。人形機器人在真實產線上進行上下料輔助作業，而在數字孿生的虛擬產線上，未來還可以部署機器人進行更多任務的測試。

　　機器人共享“大腦” 具身智慧探索“跨本體”調度新模式

　　在當下物理AI的發展過程中，除了有能力更強的通用大模型可以作為“大腦”外，各類智慧體技術也在幫助機器人的訓練和操作進一步提速。不同形態的機器人，還能共用同一套底層“大腦”，“跨本體”調度成為新趨勢。

　　在北京一傢具身智慧企業，形態不同的機器人有的可以用於便利店服務、工業搬運等場景，有的則會打網球、跳街舞。而這些機器人底層接入的是同一套具身模型，基於這一底座搭建的智慧體讓機器人的訓練方式也發生了變化。

　　企業大模型負責人張直政介紹，過去學習一個技能需要採集高精度的機器人數據，有了這樣一個智慧體，可以直接從人類幹活的視頻中進行學習。未來會看到多模態大模型成果逐漸被具身智慧公司吸收。 

　　雙臂機器人移箱取物 “大腦”接上技能池

　　業內人士認為，像GPT-6等最新模型展現出的直接操控機器人的能力，對於具身智慧行業現有技術路線來説可以形成互補。在北京另一家AI企業，一台借助智慧體接入大模型的雙臂機器人，正在對桌面上的不同物品進行抓取分揀。即使目標被箱子擋住，它也能進行分析，移開箱子後完成抓取。

　　企業負責人李伯勳介紹，他們用的是一個國產開源模型。把這些機器人的能力包裝成“大腦”的技能池，從中選擇一個合適的方案調用，實現最後的任務，推理效率跟開源方案相比提升數倍甚至數十倍。

　　李伯勳説，2026年能明顯感受到具身智慧企業對算力的需求比2025年有數倍的提升。現在，他們正在與業內合作完善從機器人納管到訓練、部署的全鏈條。

　　在廣州的一處展會現場，人形機器人還能根據訂單需求，在等待咖啡製作的間隙再取一份冰淇淋，實現多任務自主排程和並行操作。相關負責人介紹，他們採用的是一套“快腦+慢腦”的架構，把不同大小、類別的模型，根據需要分別部署在機器人端側和雲上。

　　築牢底座 物理AI基礎設施加速構建

　　據了解，與近幾年圖文、視頻類AI大模型快速普及的情況不同，物理AI的發展面臨訓練數據不足、網絡要求更高的現實瓶頸。作為產業落地的核心底座，目前，相關數據、網絡基礎設施正在加快構建。

　　在北京一家物理AI數據企業內，操作員正戴著專用設備將整理房間時的動作進行採集。一旁的大螢幕上，每天來自全球的這類視頻數據正在按小時數快速累計。而現場另一處實驗室裏，機械臂工作的真實數據也在與倣真合成數據進行比對，從而讓機器人在虛擬空間中準確高效完成訓練。

　　企業負責人杜習奇介紹，物理AI的預訓練階段，需要更多的還是倣真合成數據和人類視頻數據。2025年頭部客戶對他們數據的需求還在十萬小時級，2026年這個頭部客戶需求已經達到百萬小時級。

　　杜習奇認為，通用大模型企業在進入具身智慧賽道時，同樣可能用到大量物理世界的相關數據。

　　杜習奇表示，相應的空間理解，摩擦力、彈力光靠大語言模型本身是非常難做到相應的能力。現在，行業一般認為可能需要千萬小時，乃至億小時的數據，可能會形成一個比較好的具身模型。

　　數據以外，網絡也是未來支撐物理AI落地的關鍵基礎設施。在6G網絡的演示場景中，工作人員通過腦機介面發出指令，基站內的算力實時解析腦電信號，指揮機器狗和機器人配合完成危險品排查任務。

　　中國移動研究院未來研究院副院長王飛介紹， 這個算力就是未來6G網絡，具體來説，是在6G的基站裏面給它提供。比如説要運行很多機器人，或者是一些無人機，或者網聯的車，針對這些業務需求可以動態配置算力。

　　業內專家認為，未來物理AI在部署到具體生產環境的過程中，將產生軟硬體集成、場景適配、調試運維等多類需求。

　　中國信通院工業互聯網與物聯網研究所高級工程師施建峰介紹，物理AI目前處於產業化早期，全球尚未形成統一的市場統計口徑。但國際上已經有機構預計，到2030年物理AI的市場規模有望達4500億美元。

　　在專家看來，下一步，物理AI規模化落地還需跨過多道門檻，既要在真實環境中長期穩定運行，也要把成本控制在可接受範圍。

　　施建峰表示，未來將形成一批專業化的世界模型，比如工業世界模型、智駕世界模型、具身世界模型、醫療健康世界模型。物理AI將從單體自主作業向多智慧體協同演進。