“物理人工智能（物理AI）的‘ChatGPT時刻’已經(jīng)到來?！?026年1月5日，英偉達公司首席執(zhí)行官黃仁勛在國際消費電子展（CES）的主題演講中宣告。在他看來，那些能理解現(xiàn)實世界、進行推理并規(guī)劃行動的AI模型，正悄然惠及并改變無數(shù)行業(yè)。

物理AI不僅是技術(shù)升級，更可能以前所未有的深度賦能千行百業(yè)。中國科學(xué)技術(shù)大學(xué)人工智能與數(shù)據(jù)科學(xué)學(xué)院特任教授、博士生導(dǎo)師王翔在接受科技日報記者采訪時表示：“物理AI最有可能率先在智能科學(xué)發(fā)現(xiàn)、智能工業(yè)制造等場景中落地應(yīng)用?！?/p>

那么，什么是物理AI？它將如何重塑未來？又面臨哪些挑戰(zhàn)？

從制造業(yè)到醫(yī)療，從交通到家庭服務(wù)，物理AI正以前所未有的深度融入并賦能各行各業(yè)。圖為一名男子在2026年美國拉斯維加斯消費電子展上走過印有物理AI字樣的展臺。圖源新華社

從“會說話”到“會做事”

2025年3月，黃仁勛在英偉達GPU技術(shù)大會上斷言，生成式AI已成為過去，未來屬于“代理AI”與“物理AI”。半年后，他在第三屆中國國際供應(yīng)鏈博覽會上首次系統(tǒng)闡述了這一概念：物理AI是指能夠理解現(xiàn)實世界并與之進行交互的AI模型，是一種“使自主機器（如機器人、自動駕駛汽車等）在真實物理世界中感知、理解和執(zhí)行復(fù)雜操作”的技術(shù)。

黃仁勛將AI的演進分為四個階段：感知AI、生成AI、代理AI、物理AI。他認為，物理AI的核心在于“AI與物理世界的融合”，其關(guān)鍵是讓AI系統(tǒng)理解并應(yīng)用重力、摩擦、材料特性等物理規(guī)律，實現(xiàn)從虛擬智能到實體執(zhí)行的跨越。

“物理AI意味著AI系統(tǒng)具備在真實世界中‘感知—推理—行動—反饋’的閉環(huán)能力?！蓖跸桕U釋道，“它不僅會思考，更能通過機器人等具身設(shè)備執(zhí)行任務(wù)，并從真實反饋中持續(xù)糾錯、自我進化?！?/p>

他進一步強調(diào)：“物理AI的核心不是在封閉環(huán)境中完成單一任務(wù)，而是在開放、動態(tài)、充滿不確定性的場景中穩(wěn)定運行、泛化適應(yīng)。如果說生成式AI讓機器學(xué)會‘表達’，物理AI則賦予機器‘指揮行動’的能力?！?/p>

2026年CES展會上，英偉達以兩款產(chǎn)品為物理AI寫下注腳：基于超2000萬小時真實數(shù)據(jù)訓(xùn)練的物理AI模型Cosmos，以及面向自動駕駛場景的開源推理模型Alpamayo。前者如AI的“物理教科書”，教會機器理解碰撞、重力等行為規(guī)律；后者則是自動駕駛的“大腦”，能在復(fù)雜路況中自主判斷、安全通行。

重塑相關(guān)產(chǎn)業(yè)圖景

當(dāng)AI的觸角從虛擬世界延伸至物理維度，并真正理解了物理世界，它的應(yīng)用場景便如星辰大海般展開。從制造業(yè)到醫(yī)療，從交通到家庭服務(wù)，物理AI正以前所未有的深度融入并賦能各行各業(yè)。黃仁勛多次強調(diào)，物理AI與機器人技術(shù)將開啟新一輪工業(yè)革命。

王翔指出，物理AI最直接的影響是把自動化從“固定流程”推進到“動態(tài)泛化”。在智能制造中，物理AI正塑造柔性生產(chǎn)新范式。傳統(tǒng)產(chǎn)線依賴固定程序，變更即需停機調(diào)整。而搭載物理AI的產(chǎn)線可實時感知物料位置、檢測缺陷、動態(tài)優(yōu)化節(jié)奏。例如，某新能源電池廠通過英偉達Omniverse構(gòu)建數(shù)字孿生系統(tǒng)，使設(shè)備利用率提升35%，能耗降低20%。特斯拉工廠的焊接機器人在物理AI輔助下，精度突破0.1毫米，甚至能雙手協(xié)同完成精密作業(yè)。

更值得關(guān)注的是，多臺自主移動機器人可在車間協(xié)同作業(yè)，不僅能避開靜態(tài)障礙，還能預(yù)判工人路徑、主動避讓，實現(xiàn)真正的人機共融。黃仁勛預(yù)言：“未來十年，工廠將由AI協(xié)調(diào)的機器人團隊運營?！?/p>

如果說智能制造是“練兵場”，那么自動駕駛便是物理AI的“主戰(zhàn)場”。當(dāng)前多數(shù)自動駕駛系統(tǒng)仍依賴標注數(shù)據(jù)，面對雨雪、事故等“邊緣場景”往往力不從心。而基于物理AI的Alpamayo模型采用視覺—語言—行動架構(gòu)，不僅能“看見”路況，更能“理解”交通參與者的意圖與行為之間的因果關(guān)系。

數(shù)據(jù)顯示，小鵬自動駕駛系統(tǒng)融合物理AI后，應(yīng)對惡劣天氣的能力提升30%；特斯拉Optimus機器人通過虛擬訓(xùn)練，動作精度提高50倍。

在醫(yī)療領(lǐng)域，物理AI正推動手術(shù)機器人走向更高精度。傳統(tǒng)遠程操作依賴醫(yī)生經(jīng)驗，而新一代系統(tǒng)可通過物理建模，精確計算組織張力、縫合力度與器械形變，自動調(diào)整參數(shù)。例如在心臟搭橋手術(shù)中，物理AI能實時分析血流動力學(xué)與組織彈性，指導(dǎo)機械臂以最佳壓力完成血管吻合，避免撕裂或滲漏。臨床試驗表明，達芬奇手術(shù)機器人集成物理AI后，術(shù)中出血量減少40%；超聲穿刺機器人在經(jīng)過虛擬器官模型訓(xùn)練后，操作失誤率下降60%。

王翔則特別關(guān)注物理AI在智能科學(xué)發(fā)現(xiàn)中的潛力：“它將‘假設(shè)—實驗—分析—迭代’轉(zhuǎn)化為可規(guī)模化的自動閉環(huán)，驅(qū)動自動化實驗平臺進行高通量探索，主動選擇信息增益最大的實驗并實時糾錯，從而加速新材料、新藥與復(fù)雜工藝的研發(fā)。”

仍有險峰待攀登

盡管前景廣闊，物理AI的大規(guī)模落地仍面臨多重挑戰(zhàn)。

首當(dāng)其沖的是成本問題。王翔表示：“真實交互數(shù)據(jù)昂貴、稀缺且反饋延遲，長尾工況難以覆蓋，導(dǎo)致物理AI的學(xué)習(xí)與迭代成本居高不下?！崩纾惠v無人車可能需行駛數(shù)百萬公里才能遭遇一次極端天氣下的緊急場景，而每一次失誤都可能代價高昂。

此外，物理AI需在開放環(huán)境中應(yīng)對未知場景、實時干擾，并在仿真與現(xiàn)實的偏差中保持魯棒性與可控性。而且，從虛擬到現(xiàn)實的跨越，物理AI仍面臨動力學(xué)、傳感噪聲等多重壁壘。

倫理與責(zé)任問題同樣不容忽視。若物理AI驅(qū)動的無人車發(fā)生事故，責(zé)任應(yīng)歸于開發(fā)者、運營商還是AI自身？當(dāng)前法律框架尚未完善，亟待建立清晰規(guī)則。王翔強調(diào)：“物理AI必須具備內(nèi)生安全機制，疊加可驗證的安全約束、全鏈路審計與合規(guī)閉環(huán)，才能支撐其規(guī)?；渴??！?/p>

最后，人機信任的鴻溝依然存在。許多人擔(dān)憂被AI取代，或?qū)C器決策缺乏信心。唯有通過透明設(shè)計、漸進部署與持續(xù)溝通，才能贏得社會接納。

王翔強調(diào)：“物理AI不僅是技術(shù)的迭代，更是認知的躍遷。真正的智能，不只是‘算得快’，更是‘懂世界’?！?/p>

當(dāng)機器人開始理解重力，當(dāng)自動駕駛汽車學(xué)會預(yù)判風(fēng)雨中的濕滑路面，當(dāng)手術(shù)機械臂懂得生命的脆弱與組織的柔軟……我們或許可以說，機器，正在獲得某種意義上的“具身意識”。