2026年3月我们领导人在参加江苏代表团审议时强调，发展新质生产力对于推动高质量发展、增强经济竞争力至关重要。同年我们领导人在2026世界人工智能大会开幕式的主旨讲话中作出一个重要论断："人工智能是世界经济增长的新引擎和新旧动能转换的加速器，正从'数字世界'走向'物理世界'。" 这一论断精准标示出人工智能技术演进与产业变革的新航向——AI不再只是处理文字、图像、声音的数字信息，而是日益同机器设备、生产流程和现实环境深度融合，从"会说会写"迈向"能感知、会决策、可执行"。

物理AI（Physical AI）的兴起，恰与新质生产力"创新主导、高科技赋能、高效能转化、高质量产出"的核心特征同频共振。当新质生产力以"技术革命性突破、生产要素创新性配置、产业深度转型升级"为基本内涵，物理AI正是这一内涵在人工智能领域的最前沿表达——它推动生产力发展从数字世界迈向物理世界，成为改造生产方式、重塑产业形态的重要力量。

一、概念厘定：物理AI在新质生产力坐标系中的位置 

要理解物理AI对新质生产力的赋能逻辑，首先须厘清其在人工智能谱系中的坐标。

1.从离身到具身：AI范式的根本跃迁

以ChatGPT、DeepSeek为代表的大模型属于离身智能——能处理文字、图片等数据，能与用户对话交互并生成信息输出，但由于缺乏物理实体，只能在虚拟空间进行抽象符号计算，无法直接作用于物理世界。

物理AI则完全不同。它是指具备在真实物理环境中感知、理解、推理与执行能力的智能系统，不仅让大模型拥有了理解物理世界的"大脑"，更能通过具身化实体系统实现与真实世界的动态交互和自主操作。世界模型是物理AI的认知核心，它被学界专家赋予三项重要能力——生成性、多模态、交互性，为物理AI搭建起环境理解、因果推断与任务规划的框架。

2.物理AI与具身智能：互为表里的关系

二者常被混用，但存在清晰的定位差异：具身智能是物理AI的重要载体，物理AI是落地具身智能的核心技术路径。具身智能强调"数据驱动"的人工智能与"场景驱动"的机器人的深度融合，具备具身交互、环境自适应、持续进化等显著特征；而物理AI更侧重于技术体系的构建——其技术基础建立在三个关键组件之上：

世界模型：构建对三维空间的完整理解，学习物理定律的隐式表示（重力加速度、摩擦系数、弹性模量等），并能根据当前状态预测未来的物理演化。

物理仿真引擎：基于偏微分方程求解器实时计算物理交互，处理刚体动力学、流体力学、软体变形等复杂现象，需在毫秒级完成高精度计算。

具身智能控制器：基于模型预测控制（MPC）或深度强化学习（DRL），将世界模型的预测转化为具体的控制指令。

3.新质生产力的"物理AI注脚"

新质生产力以智能设备、数字平台等为核心劳动资料，要求劳动者具备数字素养与跨学科能力，并使数据成为新的关键生产要素。物理AI恰好在这三个维度同时发力：

正如MIT计算机科学和人工智能实验室主任丹妮拉·鲁斯所言："大语言模型或许会在短期内快速产生收益，但理论上，物理人工智能从长远看在改善生产力方面拥有更大潜力，因为它直击实体生产环节的瓶颈。归根结底，人类大部分劳动时间仍用于处理实体物料，而非数字信息。"

二、技术底座：物理AI何以可能

物理AI并非单一技术突破的产物，而是多层技术栈协同成熟的结果。2026年被业内视为物理AI"从概念走向现实的元年"，其技术底座主要由三大支柱构成。

1.世界模型：物理AI的"内部大脑"

世界模型需要构建对三维空间的完整理解，包括物体的几何形状、材质属性、运动状态和相互关系。当前技术路径分为三类，各有优劣且尚未收敛：

1）基于视频生成的"画出来"路径

以NVIDIA Cosmos、DeepMind Fabula为代表，通过视频生成模型将二维像素转化为视觉三维效果。优势在于生成逼真，但仅在视觉层面模拟世界，无法准确理解三维几何信息，难以支撑机器人完成复杂精准交互。

2）基于3D建模的"建出来"路径

以李飞飞团队技术为代表，不追求画面逼真度，核心在于构建世界真实三维结构，可精准建模物体位置、空间几何关系与物理交互规则。缺点是需专业设备采集的高质量三维数据支撑，成本和难度较高。

3）基于抽象结构学习的"抽象出来"路径

以杨立昆（Yann LeCun）团队的研究为代表，不生成可视化的世界模型，通过高维潜在空间预测抽象出空间内物体的逻辑、因果关系，计算效率高，可直接为机器人提供仿真所需的空间信息。

业内共识是：三条路径未来将实现交叉复用赋能，而非互相取代。

2.物理仿真与数字孪生：物理AI的"训练场"

物理AI之所以能跨越"数据稀缺"的天堑，关键在于高保真仿真引擎。以飞捷科思发布的可微分物理引擎Fysics为代表的新一代物理引擎，构建的不是视觉层面的拟真，而是交互层面的可信——力与运动、接触与形变、能量与动量，都在统一的物理法则下自洽演进。在此基础上，物理AI的训练范式逐渐收敛为三类：

"预训练—后训练"范式：先利用互联网视频、第一视角视频、跨机器人操作数据开展大规模预训练，再依托遥操作数据、强化学习或真机微调完成后训练。"现实—仿真—现实"范式：先把真实世界的几何、材质、动力学等信息重建到高仿真环境中，让机器人在"数字孪生"场景中大量试错，再迁移部署至实体设备。大模型编程路线：依托语言模型，根据任务生成机器人控制程序，串联感知、规划、执行等功能模块

3. VLA与具身基础模型：从感知到行动的桥梁 

视觉-语言-动作模型（VLA）迭代演进，为物理AI筑牢模型底座。VLA以视觉信息+语音指令为输入，通过映射层转化为机器人底盘、机械手等底层硬件的操作指令。

具身智能大模型（机器人基础模型）则是整合VLA模型、世界模型与机器人本体规划算法的集合体，区别于大模型出现前各厂商独立开发、单台机器独立控制的技术模式。

三、赋能逻辑：物理AI如何驱动新质生产力

物理AI对新质生产力的赋能，不是简单的"工具升级"，而是通过重塑劳动资料形态、重构人机协作关系、拓展价值创造场景这三条内在逻辑实现的。

逻辑一：以技术革命性突破重塑劳动资料形态

传统产线依赖固定程序，变更即需停机调整。而搭载物理AI的产线可实时感知物料位置、检测缺陷、动态优化节奏，将自动化从"固定流程"推进到"动态泛化"。典型案例：某新能源电池厂通过NVIDIA Omniverse构建数字孪生系统，使设备利用率提升35%，能耗降低20%；特斯拉工厂的焊接机器人在物理AI辅助下，精度突破0.1毫米，甚至能双手协同完成精密作业；广汽集团的物理AI视觉引导焊枪路径规划系统，使新车型产线切换时间从3周压缩至4天，每年节省停产损失2700万元，仅用11个月即收回1600万元的初始投资。

逻辑二：以生产要素创新性配置重构人机协作关系

多台自主移动机器人可在车间协同作业，不仅能避开静态障碍，还能预判工人路径、主动避让，实现真正的人机共融。黄仁勋预言："未来十年工厂将由AI协调的机器人团队运营。"

这种重构不是"机器替代人"的简单叙事，而是人机协同新模式的深化——劳动者从重复性劳动中解放出来，转向更具创造性的工作；同时，劳动者的数字素养与跨学科能力成为新质生产力的核心要求。

逻辑三：以产业深度转型升级拓展价值创造场景

物理AI正以前所未有的深度融入并赋能各行各业，从制造业到医疗，从交通到家庭服务：

智能制造：塑造柔性生产新范式。自动驾驶：物理AI的"主战潮"，Momenta作为"物理AI第一股"通过港交所聆讯，其量产世界模型已交付超过100款车型。医疗手术：达芬奇手术机器人集成物理AI后，术中出血量减少了40%。家庭服务：家政机器人已能够整理散落玩具、推轮椅送药，甚至协助老人起身。

四、产业图景：物理AI在中国的落地实践 

中国具备全球门类最齐全、体系最完整的工业体系，这是物理AI赋能新质生产力的最大场景优势。

1.政策牵引与资本热度

2025年，具身智能首次被写入国务院政府工作报告；2026年国务院政府工作报告进一步明确提出"打造智能经济新形态。深化拓展'人工智能+'，促进新一代智能终端和智能体加快推广"。《十五五规划纲要》明确将具身智能作为未来产业，并将其视为新的经济增长点之一。

政策牵引下，产业热度迅速攀升：截至2025年12月，我国具身智能和机器人领域投资事件达744起，融资总额达735.43亿元人民币；2026年上半年，我国机器人出口额62.9亿元，远销141个国家和地区。

2.标志性落地案例 

工业制造：从"展馆彩排"到"工厂转正"

今年3月，基于智元机器人A2-W平台打造的"能仔1号"在别克至境E7电池量产线上投入使用，承担电芯识别、抓取和上料等具有带电操作风险的任务。从展馆里的演示场景到工厂里的量产工位，具身机器人正在完成从"新奇展品"到"产业工人"的身份转变。

自动驾驶：物理AI第一股诞生。2026年7月8日，智能驾驶科技企业Momenta正式登陆港交所，成为"物理AI第一股"。全球首款搭载Momenta R7世界模型的车型——上汽大众ID.ERA 9X，就此成为"物理AI第一车"。

工业具身智能：千台级规模化落地。2026年6月，极佳视界宣布规划三年内联合隆盛科技在无锡部署1000台搭载物理AI具身大脑的通用机器人——这是全球首次由物理智能基础模型驱动的通用机器人在工业场景开启千台级规模化落地，标志着国内具身智能彻底告别小范围试点、全面迈入工业场景规模化量产周期。

3.产业重心的历史性转移 

公开数据显示，中国大模型周调用量连续八周增长，连续十二周稳居全球首位。但产业界的注意力正在从大语言模型涌向物理AI。群核科技联合创始人兼CTO朱皓的判断具有代表性："当前机器人的整体智能水平，只相当于大语言模型2022年前后的状态，前方仍有漫长的爬坡期。而空间智能能力的成熟与仿真训练的普及，会显著加快这一进程。"物理AI所指向的是一场涉及数十万亿美元级产业的深刻重构。大语言模型的商业化是广告与订阅，停留在千亿美元市场；物理AI则深入制造业、物流、能源等实体行业，对应的是数十万亿美元的超级赛道。

五、瓶颈与挑战：物理AI走近新质生产力的"三重门"

尽管前景广阔，物理AI要真正成为新质生产力的核心引擎，仍需跨越三道刚性约束。

第一重门：数据稀缺与行业壁垒 

物理世界的数据获取远比文本数据难得多。更麻烦的是，不同行业场景需要考虑的物理规律天差地别——手术机器人和工业搬运机器人根本不能采用同一套数据训练。

工业领域的数据采集还面临特殊困境：工业大型设备是不允许，也不可能让你去复现危险场景的，价值数百万乃至上千万的工业装备，任何一次失控都可能意味着巨大的财产损失和生命安全威胁，企业绝不可能为AI训练而冒险。此外，生产流程、物料信息、作业习惯都构成企业的核心商业机密，许多企业对外部数据采集抱有天然的戒备。

第二重门：Sim-to-Real鸿沟

为应对数据难题，业界寄希望于合成数据或在高度逼真的虚拟世界中训练AI，再迁移到现实世界中。但这又带来"仿真世界"和"真实世界"的鸿沟——很多机器人在虚拟环境中被训练得像个"学霸"，可一放到现实里就"挂科"。

微小的物理参数偏差、传感器噪声建模的不精确、材料交互动力学的复杂性等因素，都将导致在仿真中表现优异的策略在现实场景中失效。缩小这一鸿沟，需要更好的域随机化、更精确的系统辨识，以及Sim+Real联合训练策略。

第三重门：安全验证与责任追溯

物理AI系统操控的是有质量、有力量的实体设备。一次错误的决策，就可能导致设备损坏、财产损失，甚至造成人身伤害。更深层的问题是：如果AI系统出现幻觉输出，这类错误会在整个生产批次中持续扩散放大，进而对成本管控与运营流程等造成叠加的负面影响。这种"物理AI"决策失误可能导致的实体损害，相关可解释性与责任追溯机制，也需要进一步建立和完善。此外，互联增加了网络风险，漏洞可能导致未经授权的访问、数据泄露，甚至恶意控制机器人。

物理AI是一个高度复杂的系统工程，它不像大语言模型那样依靠堆叠算力和数据就能提升能力。物理AI融合了人工智能、机械工程、信号传感处理等多个领域，任何一个环节的短板都会影响系统整体表现。

六、实践进路：物理AI赋能新质生产力的中国路径

面向"十五五"乃至更长时期，充分发挥物理AI对新质生产力的赋能效用，需要系统性、多维度的政策与产业协同。

1.聚焦短板攻坚，夯实自主可控核心技术体系

世界模型技术路线：支持"画出来""建出来""抽象出来"三条路径的交叉复用与融合创新。可微分物理引擎：突破力与运动、接触与形变、能量与动量的统一物理法则建模。具身基础模型：加快整合VLA模型、世界模型与机器人本体规划算法的集合体研发。

2.统筹要素共享，系统性破除行业数据壁垒

针对工业数据敏感性高、危险数据极度稀缺的困境，探索"在虚拟世界中穷尽物理规律，在现实世界中聚焦脱敏信息"的组合解决方案：对危险工况数据实行"仿真先行"策略，在实验室搭建微型设备模型安全复现边缘操作。引入SIM2REAL技术，精确建模柔性连接、重物形变、运动惯性等细微但关键的物理现象。通过协同脱敏、激光雷达替代传统摄像头等技术手段，保护企业隐私和商业机密。

3.强化链式联动，构建全域协同产业发展生态

物理AI的产业链条长、环节多，需要：

上游：算力芯片、传感器、执行器等核心硬件自主可控。中游：世界模型、物理引擎、VLA模型等基础软件平台。下游：智能制造、自动驾驶、医疗手术、家庭服务等场景化应用。只有全链条协同突破，才能避免"单个环节强、系统整体弱"的尴尬。

4.完善顶层设计，健全长效化制度政策保障

建立物理AI安全约束框架：在决策层引入安全屏障（Safety Barrier），在硬件层设置物理限位（Hard Limits），在系统层建立紧急停机（E-Stop）机制。建立物理AI决策的可解释性与责任追溯机制。完善网络安全防护，防范未经授权的访问、数据泄露和恶意控制。加快制定行业标准与认证体系，推动受监管环境中的认证进程。

结语：物理AI是新质生产力的"实然"形态 

从"会聊天"到"会做事"，从"数字世界"到"物理世界"——物理AI的崛起标志着人工智能发展进入全新阶段。它不只是技术的迭代，更是生产力的质变。新质生产力的本质是"通过要素重构与技术创新，实现生产效率的质的飞跃"。物理AI恰恰站在这一本质的最前沿：它让人工智能从处理bits（符号和模式的重组）走向处理atoms（实体物料的操作），从替代脑力劳动走向赋能实体生产，从数字空间的抽象计算走向物理世界的真实交互。

一个共识正在形成：AI的未来，不再只是生成华丽的词藻和内容，更要真正进入世界、理解世界、改造世界。面向"十五五"，物理AI将成为我国抢占未来产业制高点、实现生产力迭代跃升的关键力量。当世界模型、可微分物理引擎、具身基础模型、仿真训练平台构成的全栈技术体系逐步成熟，当智能制造、自动驾驶、医疗手术、家庭服务等场景的规模化落地逐一实现，物理AI必将为新质生产力发展注入强劲而持久的动能——这不仅是技术的胜利，更是中国式现代化在智能时代最生动的注脚。

未来已来，唯变不变。物理AI的"ChatGPT时刻"尚未到来，但它走向工厂车间、走向开放道路、走向千家万户的脚步，已经不可逆转。在这场涉及数十万亿美元级产业的深刻重构中，中国有条件、有能力、也有责任成为物理AI赋能新质生产力的领跑者。