物理AI时代：重塑实体世界的智能变革

黄仁勋多次在CES和GTC上发声，宣告物理AI时代的到来。与侧重于信息处理和内容生成的数字AI不同，物理AI是能够理解、预测并主动干预现实世界的智能系统。它瞄准了约50万亿美元的制造与物流产业，市场潜力远超数字领域。预计到2026年，随着工具链的成熟和量产的推进，物理AI将正式开启商业化，标志着AI下半场的序幕。

AI的发展一直遵循着“能力边界拓展”的轨迹：从感知AI处理数字信息，到生成式AI创造内容，再到Agentic AI的规划决策，每一次范式转移都拓展了应用边界。而物理AI的出现，让AI的能力首次突破屏幕限制，真正融入现实世界的运行机制。

这一变革背后有一套完整的技术闭环：底层利用空间智能和多模态传感，通过3D重建实现物理世界的高精度数字化；中层依靠世界模型作为认知核心，在虚拟空间模拟物理规律和推演结果，实现“脑内试错”；顶层则通过物理AI系统将决策转化为实际动作。

世界模型是物理AI的核心差异。正如行业所知，真正的通用智能不能仅靠大语言模型，必须理解物理规律——其生成式、多模态和交互式特征，使AI从“回答问题”转变为“预判变化”。英伟达以Cosmos世界模型为核心，结合Omniverse仿真、Isaac Sim训练和Jetson Thor芯片，构建了完整的工具栈，本质上是这场革命的“通用操作系统”。

物理AI的商业化并非无中生有，它需要具体的载体和场景。目前，具身智能和工业软件构成了AI下半场的两大核心赛道：前者是面向终端的价值出口，后者是支撑全链条的技术基础。

具身智能是物理AI的终极形态，实现了“感知-理解-推理-行动”的闭环，让AI从“懂物理世界”变为“活在物理世界”。该赛道上的三类场景已验证商业逻辑：通用机器人变现最快，搭载物理AI的机器人可处理未知零件并支持自然语言交互，中国厂商在成本和量产上的优势正在加速这一进程。人形机器人技术密度最高，接近人类作业形态，对精密零部件要求极高，国产替代空间大，量产和降本拐点临近。自动驾驶则是最成熟的“不下车”具身智能，从L2+到L4逐步落地，端到端大模型是终局，率先跑通数据与商业闭环。

若具身智能是物理AI的“手脚”，工业软件便是“控制台”，贯穿训练、验证、部署和运维的全过程。从CAE仿真和数字孪生提供虚拟训练环境，到工业控制系统执行生产动作；从工业IoT采集真实数据，到能源调度和优化提升效率，再到CAD/EDA/PLM构建设计主线，这五大环节构成了物理AI的产业底座。没有工业软件的支撑，物理AI无法从虚拟仿真落地到真实生产，也就失去了改造实体产业的根基。

AI下半场的竞争不再是单一模型或芯片的较量，而是“仿真环境×工业数据×部署闭环”的系统级对抗。谁能率先打通“仿真训练-真实部署-数据反哺”的增长飞轮，谁就能掌握物理AI的长期主导权。

全球范围内，两条路线已清晰可见：英伟达走“卖铲子”路线，提供全栈基础设施成为服务商；谷歌通过DeepMind整合，构建从算法到场景的生态，走“自建矿场”路线。海外厂商凭借仿真和软件积累，在工具层占据先发优势。

中国的优势在于海量的应用场景和强大的制造落地能力。从工业软件突破到场景数字化，再到硬件算法布局和工控层深耕，国内已形成全链路产业矩阵。我们未必在单点技术领先，但密集的场景需求和快速迭代正在形成“以应用拉动技术”的正向循环——用场景密度换取技术迭代速度，这是中国AI下半场的核心竞争力。

AI上半场比拼的是模型参数与算力规模，拓展数字世界的信息处理边界；AI下半场考验的是虚实融合的系统能力，是将智能注入生产环节和物理设备。

从数字到物理的远征不会一蹴而就。但工具栈已成型、量产已启动、商业闭环正在跑通，方向已无比清晰。物理AI不是对数字AI的替代，而是能力的延伸与价值放大——当智能走出服务器和屏幕，走进工厂、物流和日常生活，我们才能真正看到AI释放的生产力。