智元机器人联合创始人Steve Zhou近期在业内会议上分享了对人工智能发展的前瞻判断，他认为GPT-6之后将初步实现通用人工智能（AGI），而AI的下一个浪潮将是 “物理AI” （Physical AI）。这一观点与英伟达等行业领袖的看法不谋而合，勾勒出AI从虚拟世界迈向物理世界的清晰路径。
从虚拟智能到物理智能
根据Steve Zhou的阐述，人工智能正加速向AGI迈进。他回顾了过去十年的发展历程——从2015年计算机视觉落地到2025年出现AGI雏形，仅用了短短十年。
他认为，“具身智能” 是AI与机器人技术融合的核心方向，代表着智能从虚拟世界走向物理世界的新阶段。自2022年以来，这一领域在大模型和生成式AI的推动下取得了突破性进展。生成式AI在泛化性、思维链与多模态交互方面的能力，使得具备通用感知、认知与行动能力的机器人开始快速涌现。
业界领袖们对此已有共识。英伟达CEO黄仁勋曾直言，我们已迈入能运行、会推理、可计划、善行动的物理AI时代。马斯克也强调AI必须遵循物理定律。这都指向同一趋势：AI必将从虚拟世界迈入物理世界。
简单来说，物理AI就是“懂物理的AI智能系统”——它通常装在机器人、自动驾驶车这些“实体载体”里，能像人一样“感知环境、理解物理规律、动手解决问题”，形成一个完整的“感知→理解→执行”闭环。
与数字AI（如ChatGPT）处理文字、图片、数据不同，物理AI在现实里动手，接触真实物体与环境，改变的是物理世界的状态。
物理AI的三大技术支柱
感知与传感技术：这是物理AI的“五感”，通过高精度视觉传感器、触觉传感器、多维力/力矩传感器等多模态感知设备，构建对环境的全面感知。例如，事件相机能够以微秒级延迟捕捉场景变化；触觉传感技术使机器能够获得类似人类的精细触觉反馈。
AI算法+物理规律：光有感知还不够，得让AI“懂物理”——把重力、摩擦、动量守恒这些规律，当成算法的“约束条件”。世界模型是AI算法与物理规律深度融合的典型代表，它不仅能精准识别视频中的物体形态与运动轨迹，更能基于物理规律预测物体运动并规划行动。
物理仿真引擎：总不能让AI直接在现实里试错吧？物理仿真引擎搭建一个“和现实一模一样的虚拟环境”，让AI在里面反复练。例如，NVIDIA的Isaac SIM平台支持多物理场耦合，能够实现高保真物理模拟，最大程度减少模拟结果与现实之间的差距。
物理AI的落地应用
机器人：从“僵硬”变“灵活”
物理AI能够显著提升机器人在复杂环境中的运动控制、操作精度与自主决策能力。例如，波士顿动力Atlas®人形机器人能够自主完成跳跃、旋转、搬运物体等动态任务，其背后依托的大型行为模型与全身动力学优化算法，均深度融合了刚体力学与关键物理约束。自动驾驶：从“辅助”到“自主”
在自动驾驶中，物理AI的应用主要体现在环境感知、行为预测、规划与控制等环节。例如，小鹏汽车的“小鹏世界基座模型”基于第一性原理构建对物理世界的深度认知，其视觉理解、链式推理与动作生成等能力始终锚定物理规律，能处理未见过的“长尾场景”。智能工厂：工厂里的“精准操作工”
智能工厂是物理AI的重要应用场景，尤其在数字孪生、产线协同与自适应控制方面发挥关键作用。例如，富士康依托NVIDIA Omniverse平台打造数字孪生平台，将物理AI技术深度融入智能工厂全生命周期，攻克了此前因物理交互复杂难以自动化的工序难题。
行业共识与未来展望
Steve Zhou的判断并非孤例，它反映了业界对“AGI与具身智能融合”的普遍期待。随着模型推理、传感融合和控制策略的持续进步，人工智能的“虚拟思维”正逐步延伸至真实世界的物理实体，这将成为未来十年智能产业最具革命性的趋势之一。
无独有偶，OpenAI也在近期表示，距离超级智能“可能不到十年”。他们首次公开的内部研究目标时间表显示，预计在2026年9月实现AI研究实习生级别的能力，到2028年3月实现完全自动化的AI研究员
发表评论 取消回复