新浪新闻客户端

物理AI:AI的“最后一厘米”,和一场刚刚开始的万亿级基建丨黄金眼

物理AI:AI的“最后一厘米”,和一场刚刚开始的万亿级基建丨黄金眼
2026年11月18日 19:08 新浪网 作者
avatar
资讯动态

  来源:@全景网微博

  2026年11月,两件事同时发生。

  一件在实验室里。GPT-6Astra接入机械臂,抓起积木放进碗里,20次测试成功19次,成功率95%。同一个模型,换成把拼图块插入凹槽——成功率骤降到10%。它能看见凹槽,能把拼图举到正确位置的上方,但就是放不进去。

  另一件在产线上。特斯拉在弗里蒙特工厂启动Optimus早期生产,目标一年后周产2万台;智元机器人累计下线2万台通用具身机器人,300多台已经进入长隆园区和酒店干活;宇树科技上半年人形机器人出货超过7000台。

  一边是通用大模型在“接触发生后的最后一厘米”上撞墙,一边是机器人本体开始以万台为单位下线。AI从屏幕里走出来,难的不是“看懂世界”,是“碰到世界之后还能控制住”。而这个“最后一厘米”的难题,正在催生一个从数据、仿真、触觉到灵巧手的完整产业链。

  01

  什么是物理AI?

  物理AI不是一个新词,但它过去两年被重新定义了。

  2020年,Miriyev和Kova在《Nature Machine Intelligence》上系统讨论了Physical AI,提出融合材料科学、机械工程、计算机科学和生物学,构建能与物理环境自然交互的智能系统。2025年1月,黄仁勋在CES上把它推到了产业主流:AI的演进路径是感知AI(看懂世界)→生成AI(创作内容)→代理AI(规划执行数字任务)→物理AI(走进现实、动手改造世界)。

资料来源:Strategy&《Physical AI: Intelligence in Motion》(2026)

  拆开看,物理AI有两层。

  认知层是世界模型。传统语言模型预测“下一个词”,世界模型预测“下一个状态”。给定当前场景和一个动作,它要推演:杯子会不会滑、门会不会撞、螺丝拧进去需要多大力。李飞飞说过一句很到位的话:LLM的基本单元是词元,关于表达;世界模型的基本单元是像素或体素,关于观察和行动。

  行动层是具身智能。机器人通过本体与物理世界实时交互,形成“感知—决策—执行—反馈”的闭环。它不是在仿真里跑分,是在真实环境里把事干成。

  两层之间,缺一不可。世界模型再强,没有灵巧手和触觉反馈,就是纸上谈兵;本体自由度再高,没有对接触状态的实时理解,就是一堆会动的金属。

  而当前产业最真实的瓶颈,卡在两层之间的那道缝里。

  02

  为什么是现在?

  物理AI的概念不新鲜,机器人研究做了几十年。2026年之所以被反复提及,是因为三件事同时发生了。

  第一件:通用大模型跨过了“具身门槛”,但暴露了“接触门槛”。

  GPT-6Astra不再只是做高层决策,它能直接生成动作指令控制机械臂。CMU的研究者录一段人类完成新任务的视频,丢进Codex,再让Astra控制机械臂复现——一次跑通。Robocurve的实机测试里,Astra抓积木入碗的成功率95%,成本只有Fable5.1的一半左右。

  但拼图任务把问题暴露得很彻底。Astra能看到凹槽、能把拼图举到位,但插不进去,成功率10%。Fable5.1同样卡在最后一步。

资料来源:机器之心

  这说明一件事:通用模型已经解决了“接触发生前”的空间推理和任务规划,但“接触发生后”的力控、摩擦、微小滑移,是另一套能力。单纯扩大VLA参数解决不了这个问题,需要触觉作为原生输入,需要一套独立于通用模型的“物理交互脑”。

  第二件:数据缺口从“不够用”变成了“卡脖子”。

  全球高质量真实物理交互数据存量约50万小时。训练一个通用具身模型需要多少?至少1000万小时,缺口超过95%。

资料来源:亚华视界微信公众号

  中国信通院的报告说得更直接,具身基础模型至少需要数千万小时数据,当前可用数据不足实际需求的5%。

  数据从哪来?三条路。真机遥操作,最准但最贵,一条示范轨迹要人实际做一遍;UMI手持夹爪,便携、对本体依赖低;EGO第一视角采集,覆盖场景最广,但需要动作对齐。仿真能批量生成,但Sim2Real的鸿沟还在。

  数据成了物理AI时代最硬的约束。谁掌握高质量数据的采集、治理和运营权,谁就卡住了这个赛道的咽喉。

  第三件:巨头和资本同时下注,产业链从“演示”走向“交付”。

  特斯拉Optimus启动早期生产,2027年底对外交付,初期优先工业客户;OpenAI明确要做人形机器人,SamAltman说2027年发布演示,机器人团队已经在招电子、硬件、控制和传感器的人;苹果用HALO在1000个仿真家庭场景里训练,6个真实环境360次测试,平均成功率91%;英伟达的GR00T2在50项任务中,每项只给1次示范,平均成功率71%,给5次示范升到95%。

  资本端,光轮智能6月完成10亿元融资,星忆智能完成种子轮和种子+轮,字节Seed核心负责人周畅离职创业做PhysicalAI。数据服务正在从“零散卖数据”变成“数据+仿真+评测+部署反馈”一体化的基础设施生意。

  03

  市场空间多大?

  不同机构给的数字差异很大,但方向一致。

  CoatueManagement测算物理AI市场规模可达6万亿美元。黄仁勋说物理AI有望重塑50万亿美元的制造和物流产业。弗若斯特沙利文预计2030年中国物理AI仿真及数据平台市场规模1806亿元。

  亿欧智库的测算更具体:全球具身智能数据集市场规模从2024年的7.37亿美元,增长到2031年的70.14亿美元。

资料来源:亿欧智库

  物理AI的产业价值不来自“又一个AI应用”,而来自它对制造、物流、医疗、服务等实体产业的效率重构。一台能稳定干活的机器人,替代的不是一个软件订阅,是一份人工成本、一段停机时间、一次高危作业的风险敞口。

  04

  产业链谁在受益?

  物理AI的产业链可以拆成五层:算力、数据、模型、硬件、应用。当前阶段,价值最确定的是“卖铲子”的环节——数据、仿真、触觉、灵巧手。

资料来源:NVIDIA、Microsoft、AWS

  第一条线:数据与仿真基础设施。

  这是当前最稀缺、最像“卖水人”的环节。谁能让机器人以更低成本、更高效率地获取高质量物理交互数据,谁就站在了产业链的上游。

  索辰科技以物理AI为核心,构建从高精度物理引擎到物理AI解决方案的完整链路。自研流体、结构、声学、电磁、光学多物理场引擎,做物理合成数据,做物理AISDK,覆盖自动驾驶和具身智能。“开物”系列里的世界物理模型,走的是“视觉·动作→力·触·声→深层物理”三层递进。

  凡拓数创7月发布物理AI全栈数据集,四大类规模化、高质量、已标注数据,覆盖3D空间、仿真交互、无本体采集和真机采集。FunSim仿真平台支持五十余种环境物理参数调节,亚毫米级物理仿真精度。

  海天瑞声长期做AI训练数据集,2025年与人形机器人数据训练中心共同成立“海天瑞声具身智能数据训练场”,把“数据采集—模型训练—场景验证”串成闭环。

  五一视界发布物理直觉世界模型51WorldModel,在高阶智驾仿真领域市场份额53.5%,这套场景构建、仿真验证和数据闭环的方法论正在向具身智能迁移。

  华数传媒持股浙江具身智能数据运营有限公司55%,定位是省级具身智能数据基础设施与数据产品运营主体,2026年9月中标国家具身智能应用中试基地8783.4万元项目。

  第二条线:触觉与灵巧手。

  GPT-6 Astra的10%拼图成功率说明了一件事:视觉能告诉你“该往哪放”,但告诉不了你“用多大力”。触觉是接触级控制不可替代的输入。

  福莱新材在柔性传感材料上有布局,晶华新材、慈星股份也在触觉环节有卡位。灵巧手和微电机模组环节,鸣志电器、兆威机电、雷赛智能、浙江荣泰是核心标的。

  特斯拉在2026年三季度电话会上专门提过,灵巧手的机电复杂度高于运动系统执行器,部分定制部件仍面临损耗和可靠性问题,要兼顾承受力、柔软性和传感器寿命。这恰恰说明,灵巧手不是简单的硬件工程,是软硬协同的系统级壁垒。

  第三条线:机器人大脑与控制器。

  智微智能、经纬恒润在机器人大脑和控制器环节有布局。仙工智能做具身数据全流程,从真机采集、多源接入、数据治理到模型回灌,依托近3000个泛工业及商业场景客户,把机器人运行变成持续的数据来源。

  第四条线:本体与场景落地。

  宇树科技上半年人形机器人出货超7000台,前三季度营收18.17亿元,同比增长55.71%。智元机器人累计下线2万台,300多台进入长隆园区和酒店。上纬新材9月发布消费级具身机器人“启元Q1”和“启元T1”,10月起交付。优必选、卧安机器人也在本体和场景端推进。

  物理AI当前的状态,很像大语言模型在2022年底的样子,模型能力刚刚跨过某个门槛,但离“好用”还有距离;基础设施开始有人砸钱,但标准还没统一;巨头全部下场,但格局远未固化。

  物理AI的“DeepSeek时刻”,大概率不会发生在某篇模型论文里,会发生在某条数据产线跑通、某个仿真平台把Sim2Real的鸿沟收窄到可接受范围、某只灵巧手在真实产线上连续干满1000小时不出故障的那一天。

特别声明:以上文章内容仅代表作者本人观点,不代表新浪网观点或立场。如有关于作品内容、版权或其它问题请于作品发表后的30日内与新浪网联系。
权利保护声明页/Notice to Right Holders

举报邮箱:jubao@vip.sina.com

Copyright © 1996-2026 SINA Corporation

All Rights Reserved 新浪公司 版权所有