扫描下载APP
其它方式登录
文章以网球、乒乓球等打球机器人为切入点，深入剖析Physical AI发展中的技术路线分歧：并非简单替代物理模型，而是重新划分物理模型与学习方法的职责边界。从MIT的模型预测控制、DeepMind的仿真驱动强化学习、Berkeley HITTER的分层架构，到银河通用LATENT的动力学随机化和Sony AI Ace的混合系统，核心争论聚焦于哪些物理规律应显式建模、哪些应由数据学习，以及模型应置于实时控制、仿真训练还是参数分布定义中。
Genesis AI是一家成立不到两年的Physical AI公司，致力于构建机器人基础模型和数据基础设施，通过仿真系统与真实世界数据结合形成‘数据飞轮’，推动机器人从单任务执行走向通用物理智能。其估值飙升至30亿美元，反映资本市场对其成为物理世界AI基础设施平台的长期预期。
机器人数据成为具身智能发展关键基础设施，Axis Robotics作为代表性企业，构建分布式贡献者网络与多模态数据采集能力，覆盖真机遥操作、仿真及第一人称视角数据，定位为‘Physical AI数据引擎’，强调按模型需求定制化生产数据而非简单标注，并探索区块链用于贡献激励与来源追踪。
菜鸟前CTO李强创立昆腾动力，聚焦Physical AI系统研发，专注物流场景的机器人自动化，已完成超亿元种子轮融资。公司以数据飞轮、安全技术、模型与系统协同、上层调度为四大壁垒，推动机器人在物理世界中自主进化与规模化落地，首代产品瞄准仓储分拣等高人力成本环节。
文章指出加密领域的发展重心已从基础设施建设转向支撑机器经济——即自治AI代理、机器人和物理系统作为独立经济行为体所需的新型金融与信任轨道。核心论点是：加密技术因其开放、可编程、无许可、秒级结算等特性，正成为机器间交易、身份认证与自主协作的理想底层基座，而非单纯服务于人类的传统金融体系。
探月具身智能社区创始人王明玥分享其从智能硬件产品负责人转型投身具身智能生态建设的历程，强调社区在连接人才、产业与科研中的核心作用；文章剖析具身智能当前‘高想象、低落地’的反差现状，指出物理世界交互数据稀缺、跨学科人才极度紧缺等关键瓶颈，并以Physical AI黑客松为切口，展现中国在制造、供应链与场景迭代上的独特优势。
渊澈太初创始人秦深涛提出以神经数据飞轮（NeuroScale）构建Physical AI产业新生态，聚焦具身智能落地瓶颈——物理交互数据捕获难问题；通过非侵入式sEMG传感器、标准手/力/压缩重建技术及自增强数据飞轮机制，实现高通量、无感、全球适配的全模态人类动作数据采集与建模，支撑千亿小时级物理世界模型训练。
Syntiant计划IPO，虽以AI芯片和Physical AI为叙事核心，但当前95%收入来自并购Knowles获得的消费MEMS麦克风业务；AI业务收入占比仅5%，毛利率高但规模小，传感器业务贡献主要营收却毛利薄弱；公司借麦克风业务支撑上市规模，同时押注AI半导体长期市场增长。
清华系初创公司厘清智能提出Physical AI Infra系统，以数据与物理双轮驱动，涵盖自研数据管线、可微物理引擎和原生世界模型，聚焦跨本体、跨场景的具身智能落地，已获数亿元种子轮融资，目标2028年实现规模化应用。
Physical AI正推动人工智能从数字信息处理迈向物理世界控制，资本加速涌入机器人领域，聚焦感知、规划、操作与现实反馈闭环。其核心在于将AI能力延伸至制造业、物流、医疗等实体场景，解决半结构化任务，并以现实世界动作数据为关键竞争资源，标志着AI从‘软件生产力’向‘物质生产力’的根本转型。
文章批判具身智能（Physical AI）行业过度依赖‘累计运行小时数’等表面数据指标，指出真实物理交互数据成本高、获取难，重复低信息量样本导致模型进步缓慢；强调应关注数据多样性、长尾失败案例和单位成本下的新颖样本价值，重构数据评估与资本配置逻辑。
Aether AI聚焦物理世界AI的可靠性瓶颈，提出因果世界模型技术路线，强调从相关性预测转向因果机制建模，通过因果特征表示学习、因果结构发现和因果动力学建模三大能力，使机器人能理解干预如何改写世界，提升泛化性、失败归因与跨平台迁移能力。
文章介绍由卡马克与萨顿团队研发的Physical Atari系统，通过低成本机械手在真实环境中直接操作Atari游戏摇杆，实现强化学习算法在真实世界中的长时间自主学习，验证了‘实时强化学习’的可行性，并揭示了机器人本体差异对策略迁移的关键影响。
文章探讨中国具身智能行业在发展路径上的核心分歧：一方主张以工厂、物流等封闭场景为起点，追求短期商业验证与ROI；另一方则坚持面向家庭等开放物理世界，聚焦数据多样性、模型泛化与Physical AGI目标。分歧本质是‘先挣钱’还是‘先追求通用智能’的战略选择，关乎技术路线、验证逻辑与产业终局定义权。
普渡机器人创始人张涛在BEYOND Expo 2026开幕式上阐述Physical AI发展路径，强调B端业务需长期能力沉淀与全球化本地化实践，提出‘六边形战士’能力模型及‘本体、模型、Agent、商业化’四位一体战略，并介绍其具身智能基座大模型PuduFM 1.0与平台PuduAgent，推动专用机器人向通用具身智能升级。
