当AI长出“手脚”：“物理AI”重构产业格局

　　记者 孙晶

　　当人工智能从屏幕走向车间，从云端落地实体，一场更深刻的变革正在发生。继ChatGPT引发生成式AI热潮后，能够理解物理世界、自主执行任务的“物理AI”正成为全球科技竞争的新赛道。美国英伟达公司首席执行官黄仁勋在2026年国际消费电子展上断言：机器人技术的“ChatGPT时刻”已经到来。这不仅是技术迭代，更是产业逻辑的根本重塑。

　　从“纸上谈兵”到“知行合一”

　　生成式AI擅长写文案、画插画，但一旦涉及现实世界的物理规律就显得力不从心。而“物理AI”补上了这个短板——它不仅能理解3D空间的位置关系，还能接收传感器的温度、距离等真实数据，最终转化为机器人可执行的动作指令。

　　“AI对企业的浅层价值是降本提效，深层价值是以能力迸发驱动范式转换。”上海财经大学特聘教授胡延平表示。他认为，三种变革正在发生：成本结构方面，智能体系统突破了传统劳动力的时间空间限制；组织形态方面，企业正进化到人智协作的新阶段；竞争逻辑方面，从规模标准化转向规模与个性融合。

　　中国科技新闻学会元宇宙科技传播专委会专委王鹏铭对此深有感触。“‘物理AI’的价值在于将虚拟世界的智能映射到现实场景，这不是简单的技术叠加，而是认知维度的跃升。”他说，“当AI能够感知物理世界的约束条件——重力、摩擦力、材料特性，它才真正具备了改造现实的能力。”

　　中国制造的“物理AI”窗口

　　“物理AI”正在将制造业从固定流程推进到动态泛化。在智能制造中，传统产线依赖固定程序，变更即需停机调整；而搭载“物理AI”的产线可实时感知物料位置、检测缺陷，动态优化节奏。更值得关注的是，多台自主移动机器人可在车间协同作业，不仅能避开静态障碍，还能预判工人路径、主动避让，实现真正的人机共融。

　　美国国际数据公司预测，到2026年，超过40%已部署高级计划与排程系统（APS）的中国制造商将升级为AI赋能的APS，从而开始实现自主化流程。这一趋势在中国正加速显现：2月初，阿里巴巴达摩院发布开源物理AI模型RynnBrain，可帮助机器人在工厂流水线和厨房等复杂环境中识别物体、预测轨迹、规划路径。工信部数据显示，2025年国内人形机器人整机企业超140家，发布产品超330款；多位专家预测，2026年国内人形机器人产量可能突破10万台。

　　“对于中国制造业来说，‘物理AI’浪潮机遇大于挑战。”胡延平认为，“从制造向‘智造’的转变，核心在于让机器从‘执行指令’进化为‘自主决策’。这将极大增强中国企业的市场感知力和国际竞争力。”

　　王鹏铭则从传播学角度指出另一个维度的机遇：“中国在‘物理AI’领域的实践，无论是阿里的开源策略，还是人形机器人的量产突破，不仅是技术竞赛，更是向全球展示中国创新能力的窗口。我们需要建立有效的科技传播机制，让‘中国智造’的故事被世界听到。这对提升国家软实力至关重要。”

　　虚实鸿沟与安全挑战

　　然而，“物理AI”的发展并非坦途。英伟达与达索系统合作推出的工业世界模型，正是为了解决一个核心难题：即使在高精度模拟环境中训练成熟的机器人，进入真实场景后仍可能因细微差异导致误差率上升。构建能从模拟分子级材料特性到大型制造设施的科学验证世界模型，成本高昂且技术门槛极高。

　　“在物理系统中，极其微小的错误率都可能引发连锁反应。”王鹏铭提醒，“与虚拟世界不同，这不仅涉及经济损失，还关系到安全责任界定。当AI做出错误决策导致实体损害时，责任如何追溯？这需要法律、伦理、技术等多方协同，建立新的治理框架。”

　　能源压力也是不可回避的现实。国际能源署预测，到2030年，全球数据中心电力需求将增长一倍以上，达到约945太瓦时，AI将成为推动用电激增的主要动力。胡延平指出：“在‘双碳目标’约束下推进AI基础设施建设，需要加快高能效芯片研发并保障新能源电力的稳定供给。”

　　治理先行方能行稳致远

　　2026年被视为全球AI治理措施加速落地的关键一年。欧盟《人工智能法案》的大部分规则将于8月生效，中国也在完善人工智能法律法规、伦理准则等方面持续发力。

　　治理不是创新的阻碍，而是可持续发展的保障。王鹏铭表示，从制度设计看，中国的AI长期发展战略正在从“原则性要求”走向“体系化布局”：一方面，通过出台《生成式人工智能服务管理暂行办法》《互联网信息服务算法推荐管理规定》等法规，建立算法备案和高风险场景评估等规则，把底线安全、数据合规、隐私保护和伦理审查嵌入技术全生命周期；另一方面，在国家层面同步推进算力枢纽布局、智能计算中心建设和工业互联网改造升级，通过统一接口对接、标准化适配、推进互联互通，降低企业使用AI的门槛，让中小企业也能在兼顾制度确定性和基础设施可获得性的环境中安心创新。

　　胡延平则从更宏观的视角看待这一变革。“AI正在从根本上重塑供给，”他指出，随着AI以极低成本创造出海量能力供给。机器与机器人释放出持续扩张的产品与服务供给，人类社会正在进入一个智能驱动的“供给富余”时代。当电力与算力逐步成为主要的生成与生产成本，智能的边际成本效应与能力复利效应将共同提升物质与服务的供给能力。“不能用简单的‘通胀’或‘通缩’视角来理解这种现象，我们可能正加速迈向能力经济与丰裕社会。因此，人工智能的发展包括‘物理AI’的演进，不仅是技术问题，更是经济与社会的系统工程，需要在价值创造、收入分配、就业结构等多个层面来理解和应对变革，及时进行创造性破局与前瞻性调整。”他说。

　　站在新春的起点，“物理AI”的ChatGPT时刻或许尚未完全到来，但产业重塑的序幕已经拉开。谁能在技术突破、产业落地、治理完善之间找到最优解，谁就能在这场全球竞争中占据先机。对于中国而言，这既是挑战，更是实现从制造到智造、从跟跑到并跑甚至领跑的历史性机遇。