物理AI——能让机器感知环境、做出决策、执行动作的AI系统——工业机器人、自动驾驶、无人机、人形机器人都在这个范畴里。2025年，这个领域正在从科幻迈进商业现实。

三个共振同时发生

物理AI走到今天，不是某一个技术突破单点推出来的，而是三个变化同时撞到了临界点。

首先是硬件成本塌缩。多模态传感器这几年精度提升了约60%，成本却在快速下探。力控技术的升级让柔性抓取成功率超过了95%。边缘计算芯片的价格曲线，正在复制当年工业相机的普及路径——越来越便宜，越来越能打。这些硬件的性价比拐点，是物理AI从实验室走向车间的物质基础。

其次是软件训练范式的改变。AI模型现在可以在高保真数字孪生环境里完成训练——不是仿真玩具，而是对真实工厂的一比一虚拟映射。新一代开源物理引擎让训练环境更逼真、成本更低。仿真训练、云端持续优化、边缘执行——这三层计算架构正在成为行业标配。过去训练一个工业抓取模型需要数万次真实操作，现在80%以上的训练可以在虚拟环境中先完成。

第三条是开放体系的爆发。Hugging Face在2025年推出了一款售价299美元的桌面机器人，吸引了超百万用户，软硬件设计全面开源。面向自主系统的推理模型不断涌现，跨形态学习也在打破限制——在一种机器人上练好的技能，可以不重新训练就迁移到完全不同的形态上。之前在专有系统里锁死的能力，正在向全球研究者开放。

只有5%的企业感受到了变革，但41%相信三年内会发生

现实和预期之间的差距很大。目前只有5%的企业表示物理AI正在对组织产生变革性影响，只有3%的企业将其广泛融入运营体系。但未来三年，预期变革影响的比例跳到41%，预计全面融入的比例升至18%。

全球已有4.05亿台各类机器人在运行，预计到2035年会增长到13亿台——其中越来越多会搭载不同形式的物理AI能力。5%到41%之间的36个百分点，就是未来三年所有人都在抢的窗口期。企业的判断是清醒的：物理AI还没有大规模改变产业，但没有人怀疑它会在三到五年内做到。

选人形还是AMR，不是技术问题

工业机器人的价值验证给出一个直接结论：先别盯着人形机器人什么时候进工厂。那些已经在产线上跑的任务专用型机器人和AMR，正在用最不性感的方式积累最扎实的数据——这个过程比任何发布会都重要。

关键不是选什么形态——人形还是四足、AMR还是无人机——而是把眼光放在技术应用成熟度和运营成熟度的匹配上。四件东西一个都不能少：感知与理解的融合、从规划到执行的一体化流程、协同智能、以及治理框架。

在中小型制造场景中，协作机器人正在成为"数字老师傅"。它们不需要被围栏隔离，可以与人共享工作空间，在焊接、打磨、质检等场景中逐步从辅助角色变成主力角色。这个过程不会在一两年内完成，但方向已经确认。

另一个很少被讨论但同样重要的问题：物理AI的大规模部署，不仅需要技术成熟，还需要社会许可。一台工业机器人在产线上抓取零件，和一个自主移动机器人在公共场所走动，需要的治理框架完全不同。目前全球范围内，物理AI的监管标准还没有成型——这既是风险，也是先发者的机遇。谁先建立起清晰、可执行的监管框架，谁就能吸引更多的投资和人才。

物理AI的真正爆发不会发生在某一个"iPhone时刻"，而是发生在千千万万个枯燥的、重复的、不被人注意的工业现场里。

来源自：《2026物理AI开启加速新纪元报告》