隨著 AI 技術(shù)不斷深入機(jī)器人、自動(dòng)駕駛車輛等自主機(jī)器實(shí)體系統(tǒng)，對(duì)現(xiàn)實(shí)世界物理交互能力的需求日益凸顯，物理AI（Physical AI）應(yīng)運(yùn)而生，標(biāo)志著人工智能從虛擬智能向具身智能的加速演進(jìn)。

國(guó)際數(shù)據(jù)公司（IDC）近日發(fā)布的《物理AI 時(shí)代來(lái)臨：仿真先行、云端訓(xùn)練到端側(cè)部署，具身智能機(jī)器人邁向高效落地》（Doc#CHC53801225，2025年9月）報(bào)告指出，物理AI是指使用人工智能技術(shù)對(duì)現(xiàn)實(shí)世界進(jìn)行理解、推理、規(guī)劃并與之交互的模型，它們通常封裝在機(jī)器人或自動(dòng)駕駛汽車等自主機(jī)器中。物理AI的核心價(jià)值，在于賦予自主機(jī)器在真實(shí)物理世界中實(shí)現(xiàn)“感知—理解—執(zhí)行”閉環(huán)能力，使人工智能從虛擬智能向具身智能演進(jìn)的關(guān)鍵橋梁。

物理AI時(shí)代來(lái)臨——新的市場(chǎng)發(fā)展和動(dòng)力

物理交互需求驅(qū)動(dòng)物理AI發(fā)展。隨著機(jī)器人和無(wú)人系統(tǒng)在制造、醫(yī)療、物流等領(lǐng)域普及，用戶對(duì)其智能化提出更高要求，不僅需識(shí)別理解，還要能在真實(shí)環(huán)境中穩(wěn)定感知、決策與執(zhí)行。這種對(duì)物理世界中類人感知+自主決策+精準(zhǔn)執(zhí)行能力的迫切需求，正成為推動(dòng)物理AI發(fā)展的核心動(dòng)力，驅(qū)動(dòng)機(jī)器人邁向具身智能機(jī)器人。

AI技術(shù)演進(jìn)加速賦能物理實(shí)體。從視覺(jué)感知模型到?jīng)Q策控制算法，從大規(guī)模預(yù)訓(xùn)練模型到強(qiáng)化學(xué)習(xí)框架，AI正在為機(jī)器人、自動(dòng)駕駛等系統(tǒng)注入更強(qiáng)的自主學(xué)習(xí)與任務(wù)執(zhí)行能力。

物理AI的三大挑戰(zhàn)與三大計(jì)算平臺(tái)支撐

物理AI在機(jī)器人、汽車等自主智能設(shè)備中的具身化應(yīng)用，當(dāng)前仍面臨三大技術(shù)挑戰(zhàn)：

• 具身模型泛化能力不足：模型需突破環(huán)境、任務(wù)和硬件本體的泛化限制，才能在復(fù)雜多變的現(xiàn)實(shí)場(chǎng)景中穩(wěn)定感知與執(zhí)行。

• 數(shù)據(jù)稀缺與高成本：訓(xùn)練具身模型需要大量高質(zhì)量、多模態(tài)數(shù)據(jù)，但現(xiàn)實(shí)環(huán)境數(shù)據(jù)采集昂貴且難以覆蓋極端“長(zhǎng)尾場(chǎng)景”。

• 嵌入式端側(cè)部署受限：端側(cè)算力、功耗和體積限制使得具身模型難以高效運(yùn)行，實(shí)現(xiàn)實(shí)時(shí)感知—決策—執(zhí)行閉環(huán)存在挑戰(zhàn)。

為應(yīng)對(duì)上述挑戰(zhàn)，完善的計(jì)算架構(gòu)成為實(shí)現(xiàn)具身智能落地的核心支撐。當(dāng)前，三大計(jì)算平臺(tái)在物理AI發(fā)展中發(fā)揮著協(xié)同作用，從模型訓(xùn)練到應(yīng)用部署，確保自主智能體能夠在復(fù)雜動(dòng)態(tài)的現(xiàn)實(shí)環(huán)境中高效感知、決策與執(zhí)行：

• 認(rèn)知訓(xùn)練平臺(tái)：提供強(qiáng)大的算力支持，通過(guò)多模態(tài)感知與復(fù)雜決策訓(xùn)練，面向具身智能模型的感知、理解與決策能力統(tǒng)一構(gòu)建與持續(xù)優(yōu)化。

• 虛擬仿真平臺(tái)：基于專業(yè)視覺(jué)計(jì)算資源，融合高精度物理引擎與數(shù)字孿生技術(shù)生成逼真、可復(fù)現(xiàn)的訓(xùn)練數(shù)據(jù)，低成本優(yōu)化操作與導(dǎo)航技能，并通過(guò)軟件在環(huán)（SIL）驗(yàn)證控制邏輯。

• 實(shí)時(shí)部署平臺(tái)：依托高性能推理計(jì)算資源，將訓(xùn)練完成的具身模型高效運(yùn)行于端側(cè)自主設(shè)備，實(shí)現(xiàn)實(shí)時(shí)“感知—決策—執(zhí)行”閉環(huán)，同時(shí)產(chǎn)生的數(shù)據(jù)反哺訓(xùn)練體系，形成持續(xù)優(yōu)化循環(huán)。

未來(lái)展望：具身智能機(jī)器人加速發(fā)展

隨著物理AI及三大計(jì)算平臺(tái)的持續(xù)成熟，具身智能機(jī)器人正成為物理AI時(shí)代機(jī)器人演進(jìn)的核心方向，其應(yīng)用落地進(jìn)程不斷加快，前景愈加廣闊。IDC預(yù)測(cè)，到2029年，全球機(jī)器人市場(chǎng)規(guī)模將突破4,000億美元，具身智能機(jī)器人將成為關(guān)鍵形態(tài)，市場(chǎng)占比預(yù)計(jì)超過(guò)30%，引領(lǐng)機(jī)器人向通用化與自主化的高階階段演進(jìn)。

IDC給技術(shù)提供商的建議：

• 由硬件導(dǎo)向轉(zhuǎn)向AI+平臺(tái)導(dǎo)向，構(gòu)建覆蓋建模、訓(xùn)練與部署的一體化流程；

• 利用高保真仿真生成低成本訓(xùn)練數(shù)據(jù)，提升策略在現(xiàn)實(shí)場(chǎng)景中的可遷移性；

• 依托開(kāi)源具身智能模型推動(dòng)多場(chǎng)景適應(yīng)；

• 同時(shí)設(shè)計(jì)模塊化、可擴(kuò)展的系統(tǒng)架構(gòu)，結(jié)合云端與邊緣算力，確保高性能、低功耗與實(shí)時(shí)響應(yīng)，支撐機(jī)器人大規(guī)模落地應(yīng)用。

IDC中國(guó)新興技術(shù)研究部研究經(jīng)理李君蘭表示，物理AI在機(jī)器人領(lǐng)域的落地將依托“三大計(jì)算平臺(tái)”，沿“仿真先行-云端訓(xùn)練-端側(cè)部署”路徑加速推進(jìn)。虛擬仿真計(jì)算資源通過(guò)完善的仿真平臺(tái)與世界模型，為機(jī)器人提供低成本高復(fù)現(xiàn)的仿真數(shù)據(jù)和訓(xùn)練場(chǎng)。認(rèn)知訓(xùn)練計(jì)算依托云端可擴(kuò)展的算力資源，加速具身智能大模型的泛化訓(xùn)練。同時(shí)，實(shí)時(shí)部署計(jì)算聚焦端側(cè)計(jì)算需求與資源利用效率，推動(dòng)具身智能大模型在本體中實(shí)現(xiàn)感知-執(zhí)行閉環(huán)與數(shù)據(jù)反饋的統(tǒng)一。