在使用 AI 更便捷地处理文本、图像之后，业内开始聚焦让人工智能走出数字屏幕，走进现实世界，这就是近期持续升温的概念——物理 AI。
物理 AI 是指能够理解物理世界规律并与现实环境进行感知、推理、决策和交互的智能系统。它被视为人工智能从数字世界向物理世界发展的关键阶段。
简单来说，就是让机器人看懂环境、自主思考、自己干活，真正融入我们的生活和生产中。
目前，随着各类服务机器人、工业人形机器人陆续上岗，物理 AI 正在产业化的路上，有望成为人工智能新一轮增长主力。
酒店、工厂机器人批量上岗
在上海的酒店场景中，新一代智能洗衣机器人已经进入正式投用前的最后测试阶段。
住店旅客通过手机下单后，将待洗衣物装进洗衣篮放在房间外，机器人就会自动取走并送至洗衣房进行洗烘，结束后再送回房间。
除了服务业，工业场景也是物理 AI 的核心落地阵地。人形机器人在真实产线上进行上下料辅助作业，而在数字孪生的虚拟产线上，未来还可以部署机器人进行更多任务测试。
西门子（中国）有限公司战略发展部战略经理由健介绍，仿真数据及真实产线上各类设备的数据，都能为物理 AI 更好地进入物理世界提供坚实基础。
探索新趋势
不同机器人共用一个 " 大脑 "
在当下物理 AI 的发展过程中，除了有能力更强的通用大模型作为 " 大脑 " 外，各类智能体技术也在帮助机器人的训练和操作进一步提速。不同形态的机器人，还能共用同一套底层 " 大脑 "，" 跨本体 " 调度成为新趋势。
记者在北京一家具身智能企业内看到，形态不同的机器人有的可以用于便利店服务、工业搬运等场景，有的则会打网球、跳街舞。这些机器人底层接入的是同一套具身模型。基于这一底座搭建的智能体，让机器人的训练方式也发生了变化。
双臂机器人移箱取物
" 大脑 " 接上技能池
在北京另一家 AI 企业内，一台借助智能体接入大模型的双臂机器人，正在对桌面上的不同物品进行抓取分拣。即使目标被箱子挡住，它也能进行分析，移开箱子后完成抓取。
无问芯穹首席技术官李伯勋告诉记者，他们用的是一个国产开源模型，可以把机器人的能力包装成 " 大脑 " 的技能池，从中选择一个合适方案实现最后的任务。推理效率跟开源方案相比提升数倍甚至数十倍。
" 快慢双脑 " 云协同
人形机器人多个任务一起做
在广东广州的一处展会现场，记者看到人形机器人还能根据订单需求，在等待咖啡制作的间隙，再取一份冰激凌，实现多任务的自主排程和并行操作。
相关负责人介绍，他们采用的是一套 " 快脑 + 慢脑 " 的架构，把不同大小、类别的模型，根据需要分别部署在机器人端侧和云上。
物理 AI 发展面临哪些瓶颈？
与近几年图文、视频类 AI 大模型快速普及的情况不同，物理 AI 的发展面临的瓶颈和问题是训练数据和网络底座。
在北京一家物理 AI 数据企业内，操作员正佩戴专用设备采集整理房间时的动作数据。一旁的大屏幕上，每天来自全球的此类视频数据正按小时快速累计。而在另一处实验室里，机械臂作业的真实数据也在与仿真合成数据进行比对，从而让机器人能够在虚拟空间中准确、高效地完成训练。
企业负责人告诉记者，物理 AI 的预训练阶段，事实上更多还是需要仿真合成数据和人类视频数据。去年，企业头部客户对数据的需求还在十万小时级，今年头部客户需求已经达到百万小时级。除此以外，通用大模型企业在进入具身智能赛道时，同样可能用到大量物理世界的相关数据。
数据以外，网络也是未来支撑物理 AI 落地的关键基础设施。在一个 6G 网络演示场景中，工作人员通过脑机接口发出指令，基站内的算力实时解析脑电信号，指挥机器狗和机器人配合完成危险品排查任务。
" 这样的算力水平就要靠 6G 网络来提供。未来，如果要运行很多机器人、无人机或网联车，都需要动态配置算力。" 中国移动研究院未来研究院副院长王飞说。
有望达 4500 亿美元
业内专家认为，未来物理 AI 在部署到具体生产环境的过程中，将产生软硬件集成、场景适配、调试运维等多类需求。
中国信通院工业互联网与物联网研究所高级工程师施建峰表示，目前，物理 AI 处于产业化早期，全球尚未形成统一的市场统计口径。但国际上已有机构预计，到 2030 年物理 AI 的市场规模有望达 4500 亿美元（约合人民币30027 亿元）。下一步，物理 AI 规模化落地还需跨过多道门槛，既要在真实环境中长期稳定运行，也要把成本控制在可接受范围。
