当 AI 跨越虚拟界限：物理 AI 将是未来科技的新方向吗？

正文：

在过去的两年中，资本市场中的人工智能主要集中在其“思维”层面。

从 ChatGPT 与大型模型到 GPU、HBM、数据中心、光通信及电力基础设施，几乎所有核心议题都围绕着如何扩展模型规模、加快训练速度和降低推理成本。

虽然这些 AI 能够生成文本、图像、代码和视频，但大多数依旧活跃于屏幕和数字空间。

因此，随着大模型能力及算力基础设施的逐步成熟，市场开始关注下一个问题：这些越来越聪明的模型，是否能够走出数字世界，融入汽车、工厂、仓库、医院等现实生活中？

这正是物理 AI（Physical AI）逐渐走向产业前沿的原因。

根据 NVIDIA 的定义，物理 AI 旨在使人工智能超越屏幕，实现机器人、摄像头、自动驾驶汽车等自主系统能够感知、理解周围环境，并进行推理、决策和复杂行动。

换句话说，若生成式 AI 关注“机器如何思考”，那么物理 AI 的目标则是使机器在思考后，能够安全、有效且低成本地采取行动，从而实现与现实世界的互动。

从黄仁勋最近几次公开演讲中可以看出，NVIDIA 正在不断强化 Isaac、GR00T、Cosmos、Omniverse 和 Jetson 等产品线，其目标并非仅仅投资于某一种机器人，而是为机器进入物理世界搭建一个涵盖训练、仿真、推理和部署的全面平台。

真正的物理 AI 远不止在机器人中集成一个大型模型，它还需要理解空间关系和物理规律，依赖于世界模型、训练数据、仿真环境、边缘算力、机器视觉、传感器和运动控制，并在实际部署前进行大量安全测试。

在市场语境中，物理 AI 与“具身智能”高度相关，但前者的覆盖范围更广泛，不仅包括人形机器人，还涵盖自动驾驶、工业机器人、无人机、智能工厂、仓储系统以及由摄像头和传感器驱动的智能空间。

虽然自动驾驶、工业机器人、机器视觉和仓储自动化已经发展多年，但真正的变化在于大模型、世界模型、仿真技术和边缘算力正在将这些曾经比较割裂的技术路线连接起来。

传统工业机器人依赖于预先编写的程序，在相对固定的环境中重复执行标准化动作；而物理 AI 的目标是使机器在面对不同物体、陌生环境和突发情况时，能够实时调整判断和行为。

这表明，AI 产业链正在从“思维”向“身体”延伸。

过去两年，市场最初重新评估了训练和运行 AI 所需的 GPU、存储、服务器、网络和电力。接下来，投资可能会进一步关注能够承载这些算力并将模型能力转化为实际生产力的载体，如机器人、自动驾驶汽车、无人机、工业自动化设备，以及遍布工厂、仓库和城市的视觉与传感系统。

因此，物理 AI 并不是简单等同于“人形机器人”的单一概念，它开启的是一整条从算力到行动的产业链。

为了方便理解，MSX 研究院将物理 AI 产业链粗略分为五个关键环节。

无论是训练机器人模型、构建虚拟环境，还是在汽车和机器人端进行实时推理，算力都是不可或缺的。

这包括数据中心 GPU、边缘 AI 芯片、车载计算平台和低功耗处理器，相关的标的主要涵盖：

这一层的逻辑与过去两年的生成式 AI 热潮相似，延续了“卖铲子”的思路，无论最终哪家机器人公司胜出，底层都需要芯片、算力和计算架构。

这也容易理解，物理 AI 所需的并不仅限于语言模型，还包括机器人基础模型、世界模型以及视觉—语言—动作模型。

语言模型能够理解人的指令，视觉模型帮助机器识别环境，动作模型则将判断转化为具体行动；而世界模型则更进一步，它帮助 AI 理解物体之间的关系、预测可能发生的事情，并在行动前进行推演。

目前，这一层的推动主要来自大型科技公司和平台企业，如 NVIDIA、Tesla、Google以及一些机器人创业公司。

与大型语言模型相比，机器人模型面临的最大挑战是数据，尽管互联网上拥有大量文字、图片和视频，但高质量的机器人操作数据仍然稀缺，如何生成足够的训练数据将是物理 AI 发展中的关键障碍。

由于现实训练成本高、速度慢且风险大，机器人需要首先在虚拟世界中学习，因此数字孪生、合成数据和虚拟训练环境构成了物理 AI 非常重要的一环。

NVIDIA 在这一层构建了较为完整的工具链：Omniverse 用于创建数字孪生和仿真环境，Isaac Sim 与 Isaac Lab 支持机器人训练、测试和验证，而 Cosmos 则提供世界模型及数据生成能力。

这一层的价值在于，它能将现实世界中昂贵、危险且缓慢的试错过程转移到虚拟环境中进行，开发者可以同时运行多个场景，测试不同的光线、天气、地形及突发事件，然后将经过验证的模型部署到真实设备中。

总而言之，机器人在现实世界中的一次训练可能需要几分钟，而在仿真环境中却可以并行运行成千上万次。

机器人的现实应用第一步往往不是拥有灵活的双手，而是能够稳定地“看见”和理解周围的环境。

它必须识别物体、判断距离、理解环境变化，并在复杂空间中完成定位，作出判断后，还需要通过控制器、电机、机械臂和关节模组，将决策转化为实际动作。

这一层涵盖机器视觉、摄像头、激光雷达、传感器、控制芯片、运动控制及各类执行组件：

来源：Odaily星球日报