隨著 AI 技術不斷深入機器人、自動駕駛車輛等自主機器實體係統

，對現實世界物理交互能力的需求日益凸顯，物理AI（Physical AI）應運而生，標誌著人工智能從虛擬智能向具身智能的加速演進。

國際數據公司（IDC）近日發布的《物理AI 時代來臨：仿真先行、雲端訓練到端側部署，具身智能機器人邁向高效落地》（Doc#CHC53801225，2025年9月）報告指出
，物理AI是指使用人工智能技術對現實世界進行理解、推理
、規劃並與之交互的模型
，它們通常封裝在機器人或自動駕駛汽車等自主機器中。物理AI的核心價值，在於賦予自主機器在真實物理世界中實現“感知—理解—執行”閉環能力，使人工智能從虛擬智能向具身智能演進的關鍵橋梁。

物理AI時代來臨——新的市場發展和動力

物理交互需求驅動物理AI發展。隨著機器人和無人係統在製造
、醫療
、物流等領域普及，用戶對其智能化提出更高要求
，不僅需識別理解，還要能在真實環境中穩定感知
、決策與執行。這種對物理世界中類人感知+自主決策+精準執行能力的迫切需求
，正成為推動物理AI發展的核心動力，驅動機器人邁向具身智能機器人。

AI技術演進加速賦能物理實體。從視覺感知模型到決策控製算法
，從大規模預訓練模型到強化學習框架，AI正在為機器人
、自動駕駛等係統注入更強的自主學習與任務執行能力。

物理AI的三大挑戰與三大計算平台支撐

物理AI在機器人

、汽車等自主智能設備中的具身化應用
，當前仍麵臨三大技術挑戰：

• 具身模型泛化能力不足：模型需突破環境、任務和硬件本體的泛化限製
，才能在複雜多變的現實場景中穩定感知與執行。

• 數據稀缺與高成本：訓練具身模型需要大量高質量、多模態數據，但現實環境數據采集昂貴且難以覆蓋極端“長尾場景”。

• 嵌入式端側部署受限：端側算力、功耗和體積限製使得具身模型難以高效運行
，實現實時感知—決策—執行閉環存在挑戰。

為應對上述挑戰，完善的計算架構成為實現具身智能落地的核心支撐。當前，三大計算平台在物理AI發展中發揮著協同作用，從模型訓練到應用部署，確保自主智能體能夠在複雜動態的現實環境中高效感知、決策與執行：

• 認知訓練平台：提供強大的算力支持，通過多模態感知與複雜決策訓練，麵向具身智能模型的感知、理解與決策能力統一構建與持續優化。

• 虛擬仿真平台：基於專業視覺計算資源，融合高精度物理引擎與數字孿生技術生成逼真、可複現的訓練數據，低成本優化操作與導航技能，並通過軟件在環（SIL）驗證控製邏輯。

• 實時部署平台：依托高性能推理計算資源
，將訓練完成的具身模型高效運行於端側自主設備，實現實時“感知—決策—執行”閉環，同時產生的數據反哺訓練體係

，形成持續優化循環。

未來展望：具身智能機器人加速發展

隨著物理AI及三大計算平台的持續成熟，具身智能機器人正成為物理AI時代機器人演進的核心方向，其應用落地進程不斷加快
，前景愈加廣闊。IDC預測，到2029年，全球機器人市場規模將突破4,000億美元

，具身智能機器人將成為關鍵形態，市場占比預計超過30%，引領機器人向通用化與自主化的高階階段演進。

IDC給技術提供商的建議：

• 由硬件導向轉向AI+平台導向，構建覆蓋建模、訓練與部署的一體化流程；

• 利用高保真仿真生成低成本訓練數據，提升策略在現實場景中的可遷移性；

• 依托開源具身智能模型推動多場景適應
；

• 同時設計模塊化、可擴展的係統架構
，結合雲端與邊緣算力，確保高性能、低功耗與實時響應
，支撐機器人大規模落地應用。

IDC中國新興技術研究部研究經理李君蘭表示

，物理AI在機器人領域的落地將依托“三大計算平台”，沿“仿真先行-雲端訓練-端側部署”路(lu)徑(jing)加(jia)速(su)推(tui)進(jin)。虛(xu)擬(ni)仿(fang)真(zhen)計(ji)算(suan)資(zi)源(yuan)通(tong)過(guo)完(wan)善(shan)的(de)仿(fang)真(zhen)平(ping)台(tai)與(yu)世(shi)界(jie)模(mo)型(xing)，為(wei)機(ji)器(qi)人(ren)提(ti)供(gong)低(di)成(cheng)本(ben)高(gao)複(fu)現(xian)的(de)仿(fang)真(zhen)數(shu)據(ju)和(he)訓(xun)練(lian)場(chang)。認(ren)知(zhi)訓(xun)練(lian)計(ji)算(suan)依(yi)托(tuo)雲(yun)端(duan)可(ke)擴(kuo)展(zhan)的(de)算(suan)力(li)資(zi)源(yuan)，加(jia)速(su)具(ju)身(shen)智(zhi)能(neng)大(da)模(mo)型(xing)的(de)泛(fan)化(hua)訓(xun)練(lian)。同(tong)時(shi)，實(shi)時(shi)部(bu)署(shu)計(ji)算(suan)聚(ju)焦(jiao)端(duan)側(ce)計(ji)算(suan)需(xu)求(qiu)與(yu)資(zi)源(yuan)利(li)用(yong)效(xiao)率(lv)，推(tui)動(dong)具(ju)身(shen)智(zhi)能(neng)大(da)模(mo)型(xing)在(zai)本(ben)體(ti)中(zhong)實(shi)現(xian)感(gan)知(zhi)-執行閉環與數據反饋的統一。