物理AI引領新浪潮　大模型融入物理世界

（記者　林碧涓）目前數字AI正在走出屏幕，去理解現實世界的重力、慣性、碰撞等物理規律，AI的下一波浪潮就是物理AI。全國人大代表，福建省政府參事、福州理工學院校長、國脈科技及慧翰股份實控人陳國鷹認為，“十五五”時期，我國新能源汽車將從電動化、智能化向交通出行服務化發展，護城河不是比某一單項技術，而是比人工智能“數字賦能”的效率，比物理AI進化的速度。

各行業從數字AI向物理AI加速進化

理解物理AI的重要性，首先要明白之前的AI“笨”在哪里。

無論是ChatGPT還是Sora，它們本質上都是“屏幕內的AI”。它們在海量的文本、圖像和視頻數據中學習，擅長歸納、推理和生成。但它們對現實世界的基本規律缺乏認知，比如重力會讓物體下落、碰撞會發生形變，無法精準應對與物理世界交互的復雜場景。

這種“物理盲”在虛擬內容生成領域或許只是影響觀感，但是如果將其應用到飛機、汽車等真實場景中，就會出現連鎖不良反應。而這恰恰是物理AI需要解決的問題。

斯圖加特大學教授、國際機器人聯合會技術委員會主席AlexanderVerl指出，物理AI的目標是擴展當前的AI，使其具備對空間關系及物理行為的掌握。它不僅接收圖像、視頻等常見多模態輸入，更關鍵的是引入了現實世界的傳感器數據，旨在將這些信息轉化為對物理世界的見解。

在清華大學機械工程系副教授李曙光則從另一個角度闡釋，物理AI是指機器人除了大腦之外，還可以充分利用自己的身體（包括材料、結構和力）實現特定的智能感知、決策和運動，并與真實世界直接交互。也就是說，機器人的物理身體本身就是其‘智能’的重要組成部分。”簡言之，物理AI同時具備了“知識大腦”與能夠執行智能行為的“物理身體”。

英偉達CEO黃仁勛將物理AI定義為AI的“下一波浪潮”，一個蘊藏數萬億美元機會的“物理AI”時代。

筑牢物理AI基礎設施底座

（圖片來源：攝圖網）

物理AI的規模化落地，離不開強大的基礎設施支撐，算力、網絡、數據、模型，缺一不可。運營商憑借覆蓋全國的網絡基礎設施、海量的用戶數據資源和完善的服務體系，成為物理AI基礎設施建設的核心力量。

算力是物理AI發展的核心底座。在算力布局上，三大運營商與科技廠商各展所長、協同推進。中國電信構建“算力、平臺、數據、模型、應用”五位一體的智能云體系，成功實現了實現資源、框架、工具三重解耦，為用戶提供跨域、異構算力靈活調度，可調度算力達87EFLOPS。中國移動在全國的已建成13個全國性、區域性智算中心節點，智算規模超43EFLOPS。中國聯通構建了覆蓋270+個城市、總算力40EFlops的全國智算一張網。

網絡是連接物理世界的神經網絡。三大運營商持續推進5G-A網絡建設，構建起跨越“空天海地”全域連接的網絡體系，為物理AI提供高速、穩定、低時延的網絡支撐。中國電信已建成全球規模領先的5G-A網絡，部署13萬余個5G-A基站，覆蓋300多個重點城市，實現上行超1Gbps、下行超10Gbps的極致速率，同時已在六省啟動5G-A×AI大上行試點，其中安徽電信在合肥駱崗中央公園的試點成效顯著，部署后網絡深度覆蓋顯著增強。中國移動已實現全國重點城市5G-A網絡全覆蓋，推出“5G-A+邊緣計算”解決方案，將網絡時延控制在1毫秒以內，適配自動駕駛、車路協同等物理AI核心場景。中國聯通聯合推出RedCap輕量化模組，降低低空飛行器、工業設備的網絡接入成本。

落地之路需考慮數據安全問題

技術最終要落地生根。物理AI的進化，離不開具體的應用場景來“喂養”和“打磨”。

在技術突破層面，阿里巴巴達摩院發布開源物理AI模型RynnBrain，可幫助機器人在工廠流水線和廚房等復雜環境中識別物體、預測軌跡、規劃路徑。中國電信聯合中興通訊打造南京濱江智能工廠“濱江模式”，部署24大類5G+工業融合應用，核心聚焦“望聞問切”巡檢機器人與5G視覺機械臂兩大場景，巡檢機器人搭載機械臂、工業高清攝像頭及遠程會議系統，可實時巡檢設備運行狀態、精準識別異常并預警。工信部數據顯示，2025年國內人形機器人整機企業超140家，發布產品超330款；多位專家預測，2026年國內人形機器人產量可能突破10萬臺。

盡管技術路線日益清晰，應用場景不斷拓展，但物理AI要真正實現規模化落地，仍需跨越一系列深層次的技術與產業壁壘。其中，數據問題尤為突出，不僅是數據量的積累，更包括數據質量、數據合規與數據安全。如何在數據采集、傳輸、存儲和應用的全鏈條中確保安全，防止數據泄露和濫用，成為運營商和科技企業必須正視的課題。