物理 AI 的大结果何时到来？

发布者：邻家小师弟 2026-9-17 10:07

从黄仁勋在 Computex 喊出“下一波浪潮是物理 AI”开始，汽车、摄像头、家电公司纷纷挤进这个概念，连会计师行都成立了物理 AI 实验室。但真正大规模落地的载体还不多，人形机器人全球年产量不过万台。

人人都是物理 AI。

如今业务只要和硬件相关，都有机会挤进这个概念。汽车自不必说，“汽车就是机器人”的口号响彻寰宇。连法拉第未来都在今年宣布升级为“物理 AI 生态公司”了。贾老板的生态化反，再一次比产品更早抵达未来。

汽车只是物理 AI 火热的表象之一。做摄像头的公司们说自己天然卡位物理 AI，做家用电器的公司认为物理 AI 可以走进厨房，连做会计师事务所的德勤都成立了物理 AI 实验室。无怪大家这么热情，就像过去多年前的互联网浪潮一样，人们都认为物理 AI 将会走进千行百业家家户户。

还有公司尚未决定加入物理 AI 的大世界，就已经被可爱的中国股民们炒上了天。今年年中，天娱数科被市场误归为“物理 AI 概念股”，连续四个交易日涨停后不得不紧急公告，公司没有物理 AI 业务。

简而言之，现在的物理 AI 已经真正进入了大结果时代。出身不重要，赛道也不重要，只要敢于向上接触 Physical AI，总有机会被长择。

一、物理 AI 最先落地的是什么？

物理 AI 能火热到今天这个程度，黄仁勋大概要记头功。

2024 年 6 月的台北 Computex 上，黄仁勋第一次大张旗鼓地宣布，“下一波 AI 浪潮是物理 AI。”此后从 CES 到 GTC，物理 AI 几乎成了英伟达发布会的固定节目。黄仁勋还给 AI 列出一条进化路线，从感知 AI、生成式 AI、智能体 AI，一路进化到能理解物理世界、并在现实世界里采取行动的物理 AI。

黄仁勋/图源英伟达官网

别看物理 AI 听起来那么高大上，定义其实很简单。过去的大模型主要是隔着屏幕认识世界，物理 AI 则要真实参与现实世界的运转。英伟达最早给出的典型物理 AI 载体，包括机器人、智能空间和自动驾驶汽车等。

但其中大规模落地的并不多。最受追捧的人形机器人，全球年产量也不过万台左右，用《晚点》的话说“还在寻找存在意义”。只是架不住市场热情汹涌，去年卖出约 5000 台机器人的宇树科技，上市首日市值飙涨至约 4500 亿人民币。即便后来腰斩，市盈率仍超 320 倍。作为对比，A 股通用设备行业的平均市盈率不过 56 倍左右。

概念火热之下，已经大规模落地物理 AI 的智能汽车却被选择性地忽略了。毕竟按照黄仁勋的定义，智能汽车可能才是目前应用最成熟、数据最丰富且商业闭环最完整的物理 AI 本体，但市场给它们的估值却远不如机器人。

一辆智能汽车本身就具备完整的感知、决策和执行系统，和机器人的区别只在于用轮子行动。更不用说人形机器人还在学习如何进厂打螺丝，智能汽车已经在真实道路上理解红绿灯、提防加塞，并努力不和外卖骑手发生正面交锋。

更重要的是，智能汽车早已解决了物理 AI 最头疼的量产问题。人形机器人一年卖出几千台就足以庆功，汽车公司每年交付几十万台车，每一辆都能收集真实数据，也能通过软件升级继续训练和验证模型。

这也与宏观政策的导向一致。前几日，工信部等九部门联合印发的《智能网联新能源汽车产业发展“十五五”规划》中提出，要开展“人工智能+汽车”发展行动，推动人工智能模型、智能体等技术创新率先在汽车行业中落地，同时要深化人工智能技术车端应用。

《智能网联新能源汽车产业发展“十五五”规划》

有媒体解读称，这意味着在国家层面的产业布局中，汽车将会是 AI 从虚拟世界走向物理世界的第一块试验田。

过去十年以汽车为载体成长起来的科技公司们，几乎都是从一开始就瞄准智能化的未来，无论特斯拉还是国内的造车新势力们莫不如是。

马斯克是最早喊出“汽车就是机器人”的人士之一。早在 2021 年发布 Optimus 时，他就说特斯拉汽车本质上是“四个轮子上的机器人”。2024 年他又直接告诉投资者，特斯拉应该被视为一家 AI 或者机器人公司，如果你不相信特斯拉能实现自动驾驶，就不该持有特斯拉股票。

现在，特斯拉已经从智能汽车延展到 Optimus 机器人、Robotaxi 等诸多物理 AI 应用场景，无人再怀疑马斯克的 AI 愿景。

连一向看空特斯拉的摩根大通都开始改口。今年 6 月，摩根大通将特斯拉评级从“减持”上调至“中性”，目标价更是从 145 美元一口气提到 475 美元。他们给出的理由是，特斯拉正处于物理 AI 的最前沿。

中国最能与特斯拉掰手腕的公司，或许是小鹏。两家公司都以汽车作为 AI 最先规模化落地的载体，又把智能驾驶积累的模型、数据和算力逐步复用到 Robotaxi、人形机器人等诸多场景。小鹏也是国内少有的同时构建起模型、数据、算力、芯片以及本体等全栈自研物理 AI 体系的公司。

如果说汽车过去十年的主旋律是能源切换，未来十年就是智能落地。去年，小鹏第二代 VLA 大模型正式上车。这是小鹏首个量产物理世界大模型，可以同时驱动汽车、Robotaxi、机器人乃至飞行汽车等不同本体。

何小鹏认为，未来 10 年汽车和机器人会慢慢走向融合。汽车不再只是单纯的交通工具，会变成可以持续学习成长的智能体。

二、下一代模型才是护城河

大模型行业已经反复证明，一次领先很难成为真正的护城河。今天登上榜首的模型，一个月甚至几周就可能被后来者追上。真正能拉开差距的，是持续生产下一代模型的技术体系。

物理 AI 也在进入类似阶段。行业开始从单纯地关注机器人能不能走稳、汽车能不能通过复杂路口等单点能力的演示，慢慢转向底座模型的深层竞争中。按照何小鹏的看法，未来大模型会成为“物理 AI 世界的操作系统”，也是一切物理 AI 应用的基础。

模型已经成为头部公司们集中押注的方向。英伟达最新的世界基础模型 Cosmos 3 使用混合 Transformer 架构，开始将视觉推理、世界生成和动作预测融合在单一系统中。谷歌重启机器人战略后，最新推出 Gemini Robotics 2 系列模型可实现对机器人的全身控制。

此前小鹏第二代 VLA 模型的升级核心，就是底座架构的迭代。早在去年首次推出时，小鹏第二代 VLA 就创新性地去掉了行业传统 VLA 架构中的“语言转译”环节，实现从从视觉信号到动作指令的端到端直接生成。

这可能是当前物理 AI 模型竞争的最大不同。单点能力突破只是底座模型升级的外在表象，模型迭代带来的泛化能力和智能涌现将改变原有的竞争范式。

前不久，小鹏第二代 VLA 迎来模型首次重大升级。这次升级的重心同样不是某个单点能力的突破，而是核心模型架构的升级。小鹏通用智能中心负责人刘先明说，物理世界天然面临着许多落地的限制，想要取得突破必须要进行底层架构的创新。

架构创新带来的变化之一，是让第二代 VLA 从理解空间走向理解时空。刘先明认为，空间只能告诉模型“世界是什么样”，时间才能让模型理解“世界正在发生什么。”

简单来说，汽车判断一个行人是否准备横穿马路，机器人判断一个物体正在向哪里移动，都不能只看当前的位置，还需要理解此前发生过什么以及接下来可能发生什么。

新版第二代 VLA 引入了 Infini-VLA 长时序架构和 X-Foresight 预测世界模型。前者可以保留过去 30 秒的信息，后者可以预测周围车辆和行人在未来 6 秒内的运动，让模型也能像人一样理解世界的变化。

同时，新版第二代 VLA 采用 Streaming Inference（流式自回归推理），让模型可以在持续接收信息的过程中完成推理。按照小鹏公布的数据，端到端响应速度提升 300%。

这些架构变化都很难用新增了某个功能来理解，更准确形容或许是改变了模型理解世界的方式。在物理 AI 的落地过程中，很多关键进展并不会直接对应功能上新，而是先发生在模型对现实世界的感知、记忆、预测和决策方式上，最后才在具体场景中体现出来。

单次模型或功能的更新已经不足以概括当前物理 AI 的深层竞争。比起一次功能迭代，更关键的是具备持续推出下一代模型的生产力。

从最早去掉“语言转译”环节的架构创新，到让模型从理解空间走向认识时空，小鹏始终处在模型迭代的技术前沿。如果说单次的技术突破还存在偶然，持续代际创新则表明，小鹏已经建立起一套能够稳定输出下一代模型的技术体系。在当前物理 AI 的竞争格局中，这或许比单次的模型突破更值得关注。

何小鹏在小鹏第二季度财报电话会上称，相信随着算力和模型的升级，这一代 VLA 之后的几个大版本会涌现出更强大的综合能力。“我们在量产车型上达到 L4 级别的自动驾驶体验，也会快速超越其他友商，实现综合的断代领先。”

三、物理 AI 的大结果即将到来

从智能汽车到 Robotaxi，从人形机器人到飞行汽车，物理 AI 应用正逐渐走入现实。更关键的是，行业开始逐渐尝试用同一套模型复用到不同本体中。这些本体表面上拥有不同的产品形态，但背后其实都是同一套技术逻辑，如何理解世界并采取行动。

去年，特斯拉在奥斯汀正式启用 Robotaxi 服务，最初使用的就是量产版 Model Y，搭载的也是 FSD。这和过去的 Robotaxi 很不一样。传统 Robotaxi 公司往往采用后装改装车，车子拥有庞杂的传感器，造价高昂，与量产车型几乎是两套产品。

但在马斯克看来，未来的量产车就是自动驾驶汽车。早在 2016 年，马斯克就在特斯拉宏图计划第二篇章中说，未来车主只需要在手机上点一下，就能让汽车自己出去接单挣钱。接近十年后，这套设想终于开始落地。

小鹏也正在跑通类似路线。今年 5 月，小鹏首台自研 Robotaxi 量产车在广州下线，同样基于量产车型打造，同样使用和量产车同源的图灵芯片和第二代 VLA 大模型。目前，小鹏 Robotax 内测已经完成超过 2000 单，正在开展主驾无人道路测试，这意味着小鹏开始进入主驾无人的关键道路验证阶段。

小鹏首台自研 Robotaxi 量产车

从量产车到 Robotaxi，只是物理 AI 向外扩展的第一步。更大的跨越，是机器人。

过去几年，人形机器人已经逐渐从发布会中演示逐渐走向更真实的落地，但行业长久以来在模型层面积累不足。早期许多机器人公司都是从本体起步，先解决的都是机器人的运动问题，重控制而轻算法，媒体们形容为“身强脑弱”。王兴兴也曾对外表示，目前行业最大的难点还是具身智能 AI 模型没有达到突破点。

这种变化或许让特斯拉和小鹏们获得新的优势。和更早推出人形机器人的初创公司们相比，他们拥有更强的模型、算法乃至数据积累。随着这些底座能力开始不断跨本体复用，人形机器人或许有望迎来新的技术突破。

特斯拉 Optimus

无论是特斯拉还是小鹏，他们都不是从零起步。马斯克一开始就没打算 Optimus 重建一个大脑，Optimus 大量复用 FSD 的技术积累，不少工程师也直接来自于汽车团队。小鹏第二代 VLA 不仅用于量产车和 Robotaxi，也直接用于人形机器人 IRON。机器人身上搭载的 3 颗图灵 AI 芯片，同样也来源于汽车业务。

他们在制造端也更有经验。今年特斯拉停产 Model S/X 之后，弗里蒙特工厂腾出来的生产空间就被用于建设 Optimus 产线，马斯克宣称规划年产能最高达 100 万台。何小鹏同样在小鹏第二季度财报电话会上透露，超过 85%的 IRON 供应链企业与小鹏汽车业务重合，他相信小鹏机器人的成本优势领先行业。