Physical AI：从数字到物理的颠覆，下一个万亿超级浪潮

去年10月份去美国出差，和硅谷的朋友们交流最多的就是 Physical AI。大家都觉得很兴奋，也觉得很迷茫，感觉此前的生成式 AI 只是开胃菜，真正赚大钱的在 Physical AI 上。今天我就系统阐述下我的理解。

Physical AI 的本质和价值重估（新增和加强）

Physical AI 很可能是继生成式 AI 后的下一场工业革命，我们先看一些大事件：

1. Marble 是由李飞飞教授联合创办的 AI 初创公司 World Labs（前身为 Imbue）于 2025 年 11 月正式推出的首款商业产品。它被称为首款商用多模态世界模型（Commercial World Model），其核心价值在于为 AI 进入物理世界提供了一个持久化、可编辑的 3D 底座。

2. 据《纽约时报》报道，亚马逊创始人 Jeff Bezos 正式回到一线运营，出任全新人工智能初创公司 Project Prometheus 的联合首席执行官。这是他自 2021 年辞任大亚麻 CEO 后一直担任其太空公司Blue Origin 的创始人而非正式 CEO。此次他亲自担任 Project Prometheus 的联席 CEO，亲自下场搞 Physical AI 意义非凡，而且第一把投资就是 62 亿美金。

3. 人形机器人独角兽的估值暴增。以 Figure AI 为例，其在 2024 年初的融资中估值已飙升至 26 亿美元，投资方包括 OpenAI、微软和NVIDIA 等所有 AI 领域的顶级玩家。这不仅是资本的狂热，更是对通用人形机器人作为“Physical AI”未来价值的认可。

4. 2025 年 1 月(CES 2025)黄仁勋首次明确将 AI 的发展分为：感知AI (Perception AI)、生成式 AI（Generative AI)，以及下一阶段的Physical AI (具身 AI)。他表示：“Physical AI 将彻底改变价值 50 万亿美元的制造和物流业。”同时推出了 Cosmos 世界基础模型和 Mega Omniverse Blueprint，专门用于开发、测试和优化机器人队。2025 年 6 月(年度股东大会)，黄仁勋进一步阐述，公司的未来在于Physical AI，这是一个能够感知、推理并在真实世界中运作的 AI 分支。他预计：“机器人以及训练它们所需的全部 AI 基础设施，将是下一个数万亿美元产业。”

传统大模型和Physical AI的区别和联系是什么呢？我们用一张表来说明：

传统大模型输入输出都是数字化的文本（或者图片、视频），而Physical AI，输入是外部世界的信息，输出是一个动作，完成一个具体的任务。前者替代的是数字化、互联网化比较强的行业，比如程序员、文案设计等。而后者替代的是现实生活中更多的行业，比如司机、操作员等。自动驾驶应该是 Physical AI 最先落地的场景。

汽车本身就是一个高度复杂的、高速移动的机器人。它完美地包含了 Physical AI 的所有核心要素：环境感知、意图理解、复杂任务规划和毫秒级动作控制。

更关键的是，传统大模型生成式 AI（GenAI）被看作是离散推理，而 Physical AI 是连续推理，对算力，对系统，对内存和存储提出的要求更高，基础设施投入更大，这也是硬件厂商幸福的地方。

Physical AI 需要哪些条件？

• 数据：

Physical AI 的数据大部分不是互联网化的，几乎没法通过传统爬虫去采集，需要各种复杂的物理传感器采集（输入数字化），并且把所有完成的动作进行数字化（输出数字化），然后结合生成式 AI 的能力，完成输入和输出的完美对接。

自动驾驶公司是目前拥有最大规模、最全面、最可用的数据玩家。例如 Tesla FSD 数据：数百万辆车在真实世界中提供数百万小时的驾驶视频、传感器数据和人类干预数据，形成了不可复制的具身数据飞轮。

人形机器人公司（如 Figure、1X）正在学习和模仿自动驾驶的数据采集和标注模式，以构建自己的数据优势。

这些数据一般不会共享，不同的设备之间数据也很难兼容，但这个里面标注可能会涌现巨大的需求，此前标注市场超过一半都是来源于自动驾驶公司，比如此前知名的 Scale AI 公司就是给自动驾驶公司做标注起家的。

• 算力、内存和硬盘：实时推理的极致要求

• 实时性瓶颈：自动驾驶要求在 30 毫秒（ms）内完成感知、预测和决策，这比文生文模型的离线生成要求高出数个数量级。这直接推动了对 ASIC 芯片、高带宽内存（HBM）和低延迟通信的极致需求。

• GPU 垄断强化：NVIDIA Drive 平台的成功证明了其在边缘和数据中心算力上的领先地位，Physical AI 的普及只会进一步强化 NVIDIA 的垄断地位。

• 大量的视觉数据需要有大量硬盘进行存储，硬盘的需求也会急剧上升。

• 人力（跨学科团队）

包含：AI 研究员+机器人专家+控制工程师+嵌入式系统+仿真工程师。

目前供给极端紧缺。硅谷很多 robotics startup 直接从 SpaceX、Tesla、Boston Dynamics、OpenAI 挖人。现在人力严重不足，但会被大量资金催生。

Physical AI 会做出什么？ 会经历几个阶段？

未来的发展可以分三个阶段：

• 阶段 1：任务级机器人（2024–2027）

任务级机器人其实是用AI的算法，快速在一些已有设备上改造升级，提高一些智能化能力，但是整体的机械设计并没有按照执行复杂任务这个角度去设计的。

• 能力：

完成单一任务：搬箱子、分类、巡检、看护；

代替低复杂度重复劳务。

• 价值：

提升工厂、仓库、安保、医院的效率。

• 当前进度：

正在落地，如亚马逊仓库机器人、巡逻机器人、简单家务机器人。

• 阶段 2：人形机器人（2027–2035）

很多人嘲讽人形机器人没必要，但其实这和硅谷的工程师想法差距极大，人形机器人最大的价值可以很方便出入人类出现的场合，其他机器人形态都很难，比如人出现的场合非常复杂，默认都是为人类设计的，其他轮式机器人也好，机械臂机器人也好都因为某些原因，无法随意出现在人类能够进入的场合。

• 能力：

通用任务理解（自然语言指令→动作）；

室内环境自适应导航；

多任务切换（叠衣服、做饭、清洁、搬运）。

• 价值：

家庭机器人市场开启（全球最大几千亿美元）；

工厂工人短缺得到解决。

• 阶段 3：自主体（Autonomous Agent）系统（2035 以后）

这个阶段需要具备自主学习，自主反思，理解复杂任务的能力，不仅成为了一个劳动力帮手，还能独立完成一些具体的任务。

• 能力：

完整任务管理（如：规划全家一周生活）

与人类协作

自我学习、自我修复

甚至具备一定“经济活动能力”（生产→交付→服务）

• 价值：

直接提升全社会劳动力供给

可能改变 GDP 结构

服务业成本显著下降

老龄化问题结构性缓解

这一阶段的经济价值=创造一个新的“数字劳动力阶层”。

Physical AI 最终给人类创造什么价值？

• 劳动力供给扩容

全球劳动力不足是长期趋势，机器人补足缺口，影响类似“第二次工业革命”。

• 生产效率提升

制造、物流、医疗、餐饮、护理等行业效率提升 30–200%。

• 家庭生活革命

做饭、洗衣、扫地、整理、购物、照顾老人小孩——都将自动化。

• 新的 GDP 增量来源（Robot-as-a-Labor）

最核心价值不是卖机器人，而是“机器人劳动力订阅”。

可能收益的上市公司有哪些？（按产业链分类）

• 算力/ GPU

• NVIDIA（最直接受益）

• AMD

• TSMC

• ASML（光刻机）

• Broadcom / Marvell（高速互连芯片）

• 高带宽内存(HBM)

• SK hynix（当前 HBM3E 龙头，最直接受益）

• Samsung Electronics（HBM3E 持续追赶）

• Micron（北美最大受益者，NVIDIA/AMD 供应链稳定）

• 机器人本体/工业自动化

• Tesla（Optimus）

• ABB

• Fanuc

• Yaskawa

• Rockwell Automation

• Kawasaki

• 传感器/电机/供应链

• Sony（机器视觉）

• Keyence（传感器）

• Harmonic Drive（精密减速器）

• Qorvo / Infineon（控制芯片、功率器件）

• AI 平台与软件

• Alphabet（DeepMind）

• OpenAI 相关合作方（如 Microsoft）

• Amazon Robotics • Nvidia Isaac / Omniverse 平台

Physical AI 和储能的关系

Physical AI 属于“AI 从数字世界进入物理世界”的革命，这件事有以下核心结果：

• 机器人数量暴增→分布式电力需求爆发

• AI 数据中心算力膨胀→电力系统不稳定→必须用储能平衡

• 工厂/仓储/服务业自动化程度提高→用电曲线更尖锐→储能成为必需品

所以，Physical AI 和储能的关系不是“弱关系”，而是系统级正相关。由于以后可能干活的都是机器人，大量的机器人，所有储能设备、充电设备，可能成为机器人的“饭馆”，这个也是一个潜在的不为人所注意的领域，后面我会单独写一个小作文，强调这方面的价值，但是由于这个需要 Physical AI 足够规模化了，才有可能，所以其爆发，没有前几个那么直接，那么快。

结语：为什么 Physical AI 很可能是“下一代超级浪潮”？

因为它结合了三个因素：

• AI 的推理能力终于“足够好”

• 真实世界的具身数据终于可以规模化

• 硬件成本终于足够下降

这意味着：过去十年 AI 只改变了“数字世界”，接下来十年 AI 将改变“物理世界”。而改变物理世界的公司，往往是跨时代的巨头。