物理AI：人工智能演进的第三波浪潮与产业图谱

物理AI：人工智能演进的第三波浪潮

物理AI（Physical AI）是指具备在真实物理环境中感知、理解、推理与执行能力的智能系统，其典型载体包括人形机器人、自动驾驶平台及工业自动化设备。相较于以图像识别、语音处理为核心的感知式AI，以及以内容生成为代表的生成式AI，物理AI进一步实现了从“理解世界”到“改变世界”的跃升。英伟达CEO黄仁勋在2024年GTC大会上明确提出：“最开始是感知式AI，然后是生成式AI。现在，我们正在进入物理AI的时代。”物理AI正成为继感知式与生成式AI之后，人工智能产业演进的关键第三波浪潮。

过去28个月，物理AI领域在技术底座与产业验证方面取得了一系列关键进展，行业已初步具备走出演示环境、向真实场景初步探索的技术基础。在“大脑”层面，多家机构发布了通用VLA模型及开源人形机器人基础模型；在“想象引擎”层面，世界模型概念与视频生成模型挂钩，实现了可交互世界的生成；在“训练场”层面，规模化合成数据支持得以提供；在“本体”层面，人形机器人公开演示了家用助手场景；在“商业闭环”层面，VLA在真实家庭环境中完成多步骤家务任务的可行性得到初步验证。

核心技术架构：VLA与世界模型的深度闭环

物理AI的技术路线正沿着“VLA（视觉-语言-行动）模型”与“世界模型”两条主线协同演进。VLA模型突破了将视觉、语言和动作视为独立领域的局限，实现了从感知、语言理解到物理动作的端到端统一。其技术路径在视觉-语言模型（VLM）的基础上引入“动作token”，使模型能够从视觉、语言与机器人轨迹数据的配对中联合学习，显著提升了机器人在复杂环境中的泛化与推理能力。

当前VLA模型的性能虽已逼近技术极限，主流模型在LIBERO测试集上的成功率普遍稳定在较高水平，但在从仿真环境迁移到真实物理世界时，仍面临泛化能力不足等挑战。当面对全新任务或不熟悉的任务变体时，模型性能往往出现断崖式下滑，这本质上源于模型对狭窄训练分布的过拟合。因此，行业亟需精心构建的、平衡且全面的领域特定数据集。

世界模型是一种对环境动态的预测性表征，能够根据当前状态与候选动作，预测未来一系列状态的演化轨迹。它为VLA提供了环境动态的“内嵌物理引擎”，弥补了纯反应式VLA在长程规划和分布外泛化上的不足。世界模型通过作为世界规划器、世界动作模型、世界合成器及世界模拟器，为VLA提供前瞻模拟、虚拟验证及安全训练支持，从而确保动作计划在物理上可行并保证长时程任务的时空一致性。

市场规模与区域分布

全球物理AI市场涵盖自主机器人、自动驾驶车辆、人形系统、工业自动化、可穿戴设备、智能基础设施，以及支持AI的医疗和农业系统。预计该市场规模将从2026年的约3830亿美元增长至2040年的3.26万亿美元，这将是历史上规模最大的技术市场扩张之一。

从全球区域分布看，北美目前主导物理AI市场。这一地位主要得益于该地区拥有广泛的机器人产业生态与高度的人工智能采用率，以及英伟达、特斯拉、波士顿动力、亚马逊机器人、谷歌DeepMind等技术领导者持续投入大量资源。此外，北美在工业自动化、先进医疗机器人以及边缘AI技术方面也具备显著优势，顶尖研究机构与活跃的风险投资生态也为物理AI系统的快速商业化提供了有力支撑。

亚太地区是目前物理AI增长最快的市场之一。其驱动力主要来自快速工业化进程、制造能力持续扩张，以及中国、日本、韩国和印度等国智能工厂渗透率的提升。亚太地区已在机器人批量生产、半导体制造与低成本硬件领域占据领先地位，为AI机器人平台的快速部署奠定了产业基础。伴随劳动力成本上升、自动化需求增强以及本土制造生态系统的持续完善，预计未来十年亚太地区将在物理AI应用规模上超越其他区域。

政策环境与风险提示

在政策端，中国已围绕物理AI的规模化落地构建起系统性、分阶段、聚焦实体的设计框架。相关政策明确提出全面实施“人工智能+”行动，加强人工智能同产业发展、文化建设、民生保障、社会治理相结合。具体执行层面，提出加速智能终端升级，培育人工智能终端，推动具身智能产品创新，建设人形机器人中试基地和训练场，打造人形机器人标杆产线，在典型制造场景率先应用。

尽管前景广阔，但物理AI产业发展仍面临多重风险。产业发展进程不及预期，当前VLA模型在真实场景中的泛化能力仍存在瓶颈，世界模型技术路线尚未收敛。商业化落地方面，物理AI从演示环境走向真实场景应用仍面临成本、安全性、可靠性等多重挑战。市场竞争与资本过热可能导致局部领域估值泡沫或同质化竞争加剧。此外，物理AI产业链涉及高端芯片、精密传感器等核心零部件，地缘政治摩擦加剧或出口管制升级可能对国内相关企业的研发与生产造成冲击。