“‘物理人工智能（物理AI）’的‘ChatGPT時刻’已經到來。”在不久前落下帷幕的美國拉斯維加斯消費電子展上，美國英偉達公司首席執行官黃仁勳在其主旨演講中為AI未來數年內的發展定調，引發外界熱議。
業內普遍認為，從工廠裏能自主協作的機器人，到能自動規劃路線的物流車隊，再到馬路上的自動駕駛汽車等，“物理AI”將重塑製造業、物流、交通等每一個環節。未來數年內，“物理AI”將實現規模化應用，成為下一輪全球科技競爭的核心賽道，但同時其發展和完善仍然面臨多重挑戰。
1月6日，人們在2026年美國拉斯維加斯消費電子展（CES）京東方集團展&參觀。組圖均為曾慧攝
由“虛”向“實”：“物理AI”的底層邏輯
人們常提到的AI，一般是指“生成式AI”，主要基於從互聯網收集的海量文本與圖像數據訓練而成。它可以寫文案、畫插畫、編創意等，但一碰到現實世界的物理規則，就變成了“紙上談兵”。
而“物理AI”，則補上了這個短板。“物理AI”在“生成式AI”的基礎上，學會了理解3D空間裏的位置關係以及現實世界的物理規律。除了圖片、視頻和語音等，它還接收現實中傳感器的溫度、距離等真實數據，最後轉化成機器人能直接執行的動作指令，或是幫助實體設備做出符合現實邏輯的判斷。
1月7日，人們在2026年美國拉斯維加斯消費電子展（CES）海信展&觀看搭載新一代AI智能識別引擎的陪伴機器人Beta。
數據、平台和模型是“物理AI”的三大核心要素。“物理AI”在應用到現實場景前會經過一個虛擬訓練平台：先給工廠等真實空間創建一個數字孿生體，即虛擬鏡像，現實中傳感器收集到的溫度、距離等數據也直接同步到這個能實時互動的虛擬空間裏。
接着，在這個虛擬環境裏“安”上虛擬傳感器、機器人等，模擬現實裏的各種操作，傳感器會把相關動作、碰撞、光影變化等各類交互數據記錄下來。之後，再交給模型，對生成的數據進行擴充、整理與標注，方便AI快速理解學習。
有了這個“虛擬訓練場”，自主機器就能提前“預習”現實世界的技能。它可以反復練習成千上萬次甚至幾百萬次，安全且快速地學習。
1月7日，一名男子在2026年美國拉斯維加斯消費電子展走過印有“物理AI”字樣的展&。
賦能實體：“物理AI”的落地場景
“物理AI”正在解鎖新能力，將重塑各個行業。據估計，“物理AI”相關市場規模將在2030年達數萬億美元，覆蓋製造業、物流、醫療、智能駕駛等領域。其中，工業機器人與自動駕駛是兩大核心賽道。
“物理AI”讓機器更“聰明”了——把原本只會執行固定程序的自動化設備，升級成了能自己感知環境、判斷狀況、靈活應變的主動助手。比如，倉庫裏的自動搬運機器人，以前可能只會沿着預設路線移動，現在可以在複雜的環境中繞開障礙，穩穩把貨物送到目的地。
1月7日，人們在2026年美國拉斯維加斯消費電子展（CES）體驗影智XBOT冰激凌機器人。
工廠裏的機械臂也變“機靈”了——以前只會死死抓着固定位置的物件，現在能通過傳感器分辨傳送帶上零件的擺放角度，自動調整抓握的力度和姿勢：碰到易碎的小零件就輕拿輕放，遇上重型工件就攥緊抓牢，精準適配。
就連手術室裏的手術機器人，也能靠“物理AI”練出一雙“巧手”：熟練掌握穿針、縫合這類精細到毫米級的複雜操作，比傳統機器人更穩、更精準，可以幫助醫生更好地完成高難度手術。
“物理AI”也是自動駕駛汽車的“智能老司機”：它能實時處理攝像頭、雷達等傳感器捕捉的周邊路況信息，憑藉融合了視覺識別、邏輯推理與動作決策的智能模型，無論是在開闊高速平穩巡航，還是應對人車混行、突發變道等複雜場景，都能做出及時靠譜的駕駛決策。
1月7日，一名男子在2026年美國拉斯維加斯消費電子展（CES）聯想展&參觀。
“卡點”仍存：“物理AI”的發展挑戰
儘管“物理AI”可能是AI競爭的下一個賽道，但其發展目前仍然存在着挑戰。
首先，要打造和真實世界基本一致的高精度物理倣真環境，需要融合多源數據，比如材料屬性、動力學參數等，場景建模成本高昂。不同行業物理規律差異顯著，如工業機器人與醫療手術機器人的力學特性不同，通用模型開發難度大。
其次，儘管模擬環境中的視覺圖像相當逼真，但與現實世界仍然存在不少細微的差異。機器人或許能在模擬環境中熟練完成動作和任務，但進入真實物理場景後，模擬訓練的效果無法和現實情況完全對應，導致實體部署時誤差率上升。
1月7日，人們在2026年美國拉斯維加斯消費電子展（CES）體驗影智XBOT咖啡機器人。
在物理系統中，哪怕是極其微小的錯誤率，都可能引發連鎖反應：小到浪費原材料、造出殘次品，大到弄壞設備，甚至引發安全事故。如果AI系統出現幻覺輸出——生成不符合真實情況的錯誤信息，這類錯誤會在整個生産批次中持續擴散放大，進而對成本管控與運營流程等造成疊加的負面影響。這種“物理AI”決策失誤可能導致的實體損害，相關可解釋性與責任追溯機制，也需要進一步建立和完善。
此外，網絡安全也存在可能的漏洞和隱患。互聯增加了網絡風險，漏洞可能導致未經授權的訪問、數據洩露，甚至惡意控制機器人。當安全漏洞可能影響物理安全和運營連續性時，風險甚至更高。（記者羅國芳）
