物理AI升温背后：三大瓶颈待解产业仍处于早期爬坡阶段
物理AI升温背后：三大瓶颈待解 产业仍处于早期爬坡阶段
2026年11月08日 09:39
作者：
喻琰
物理AI（Physical AI）正成为具身智能板块的新引擎。宇树科技创始人王兴兴近日多次在公开场合谈及物理AI的技术突破预期，引发市场对于物理AI的关注。自10月中旬以来，宇树科技的股价已经累计上涨超过50%。
物理AI强调让 人工智能 感知、理解物理环境，并通过 机器人 等设备执行动作、根据结果调整行为。它所要解决的问题，同样是让 人工智能 能够进入真实世界完成任务。
根据中国信通院 人工智能 研究所、清华大学 电子 工程系、具身智能测试实验室联合发布的《具身智能发展报告（2026年）》，具身智能与物理AI的核心内涵正在趋同：前者更强调智能如何通过身体实现，后者更强调人工智能如何进入并作用于物理世界，而 机器人 是检验相关能力的重要载体。
在业内人士看来，近期 机器人 相关板块的上涨，既有板块轮动和市场情绪的推动，确实也与黄仁勋、王兴兴等行业代表人物对物理AI的公开表态有关。但从产业发展现实情况看，物理AI整体仍处于早期发展阶段。从模型、数据和算力，到进入场景后的调试、运维与成本，技术预期转化为实际收益，仍有多道门槛需要跨越。
在2026年10月21日GTC柏林大会演讲中， 英伟达 CEO黄仁勋直言，“物理智能是下一波浪潮”。王兴兴在次日举办的世界物理AI大会以及11月4日的乌镇峰会上的演讲中则反复表示，在大模型不断迭代的基础上，物理AI会迎来更多进展。
广州华睿智普人工智能科技有限公司创始人兼首席执行官蔡镇辉在接受澎湃科技采访时表示，他也看好物理AI的产业前景，物理AI有望进入工业生产和商业服务真实场景，承担更多实际工作，同时也能带动 机器人 本体、零部件及算力等环节的需求上涨。但他同时提醒，资本市场的节奏与产业落地的节奏并不同步，技术预期转化为实际产出仍需时间。
蔡镇辉认为，当前物理AI的主要瓶颈集中在模型、真实场景的高质量数据和端侧算力三个方面。其中，数据仍然稀缺且获取成本高——据华睿智普的项目实践，这类数据的供给需要实质性突破，才能支持模型训练的进一步迭代。
一位具身行业分析师在接受澎湃科技采访时指出，当前数据投入与大脑模型融资之间存在结构性错配。在其看来，如果缺少数据闭环，算法投入也难以转化为泛化能力。判断技术突破的时间节点，需要观察数据供给是否出现实质性变化，而不只是关注模型发布。
蔡镇辉进一步指出，具身大模型的一大制约因素是端侧算力。过往很多大模型的开发、测试和训练，都是依赖云端算力，但是当开发者将模型部署到 机器人 本体时，端侧算力无法承载模型、模型与端侧芯片平台需要重新适配和调试等问题随即出现，导致落地难、花费大、时间长、应用慢、重复投入等窘况。只有端侧算力解决了上述问题，大模型才能突破和落地。
此外，即便模型与硬件完成适配，具身 机器人 进入真实场景后，还要面对部署和运营的考验，这似乎也反映出当前物理AI所处的产业阶段。智元合伙人、高级副总裁王闯在接受澎湃科技采访时表示，真实环境中的意外情况，远比实验室复杂。王闯以文旅场景为例，小朋友会抱、推机器人，玩游戏时不一定遵守设定规则，这些都对机器人处理异常情况的能力提出了更高要求。
能力与公众期待之间的落差，是当前整个产业共同面对的问题。蔡镇辉提到，公众看到机器人在舞台上完成复杂动作，容易期待它已经能够承担很多日常工作，但洗碗、取放衣物、叠衣服等任务现在很难做到演示的效果。这一落差，最终会反映到整机厂商的交付节奏上。
在他看来，科研客户采购机器人用于研究和二次开发，单笔规模相对有限；文旅场景中的表演、展示和讲解能够带来一定出货，但可规模复制的应用场景仍在形成过程中。公众兴趣要转化为持续采购，机器人需要提供更明确的使用价值。
至于何时能走进真实世界，进一步提升生产力，蔡镇辉预计，按照目前的部署和计划，基于其端侧算力平台在工业场景的应用，物理AI将首先在工业领域逐步展现成效。他认为，这类应用越早落地、覆盖的领域越广，对产业和经济发展的帮助就越大。
（文章来源：澎湃新闻）