云栖大会上，阿里宣布AI平台将把完整的『英伟达』Physical AI（物理AI）软件栈纳入其开发者选项菜单。这个看似技术性的宣布，实际上标志着人工智能发展的一个重要转折点。『英伟达』CEO黄仁勋在2025年CES大会上明确表示：AI下一个前沿就是物理AI，蕴藏着巨大的潜力和机遇。
根据市场研究数据，全球工业『机器人』️市场规模预计从2024年的1544亿元增长到2025年的3000亿美元💵，其中AI技术在工业『机器人』️中的应用市场更是以21.9%的年复合增长率快速扩张。
然而目前大部分工业『机器人』️仍属于传统自动化设备，按照预设程序执行固定动作。一旦环境发生变化——比如零件位置偏移或形状略有不同——就需要人工重新编程。物理AI『机器人』️则可以自主适应这些变化，通过实时感知和决策来完成任务。
这其中，由传统工业『机器人』️升级到物理AI所带来的增长，正是阿里和『英伟达』合作的根本。不过在此之前，我们需要了解一个问题，什么是物理AI？
A
如果非要用一句话来概括什么是物理AI，那就是一个让人工智能从屏幕里走出来，真正进入物理世界的技术。
举个简单的例子：传统AI可以识别出一个杯子，并告诉你这是什么；而物理AI不仅能识别杯子，还能判断杯子的重量、材质，计算出抓取它需要多大的力度，以及如何避免打翻里面的液体。这种差异决定了两者的应用场景完全不同。
黄仁勋强调，Physical AI的核心在于将物理规律与人工智能技术相结合，通过整合真实物理规则来优化AI生成的内容，使其更符合现实世界的逻辑与规律。物理AI，顾名思义就是物理+AI，也就是人工智能反馈的内容要符合物理规律。
物理AI这个概念并非一夜之间出现，而是『英伟达』经过多年技术积累和战略布局的结果。早在2025年，『英伟达』就开始在GTC大会上提及物理AI的概念，但真正将其作为核心战略推出是在2024年3月的GTC 2024大会上。黄仁勋在那次大会上首次系统性地阐述了物理AI的愿景，并发布了相关的技术平台和工具链。
在黄仁勋看来，AI的发展经历了三个清晰的阶段：最初是感知AI（Perceptual AI），能够理解图像、文字和声音，这个阶段的代表是计算机视觉和语音识别技术；然后是生成式AI（Generative AI），能够创造文本、图像和声音，以ChatGPT、DALL-E等为代表；现在我们正进入Physical AI（物理AI）的时代，AI不仅能够理解世界，还能够像人一样进行推理、计划和行动。
物理AI的技术基础建立在三个关键组件之上：世界模型（World Model）、物理仿真引擎（Physics Simulation Engine）和具身智能控制器（Embodied Intelligence Controller）。世界模型是物理AI的认知核心，它不同于传统的语言模型或图像模型，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。技术上，这通常通过神经辐射☢️场（NeRF）、3D高斯溅射（3D Gaussian Splatting）或体素网格（Voxel Grid）等方法来实现空间表征，模型需要学习物理定律的隐式表示，比如重力加速度、摩擦系数、弹性模量等参数，并能够根据当前状态预测未来的物理演化。
物理仿真引擎则负责实时计算物理交互，这不是简单的预设规则，而是基于偏微分方程求解器的动态计算系统，需要处理刚体动力学、流体力学、软体变形等复杂物理现象。在技术实现上，通常采用有限元方法（FEM）、粒子系统（Particle System）或基于深度学习的可微分物理仿真器，关键在于计算效率和精度的平衡——系统需要在毫秒级时间内完成复杂的物理计算，同时保证足够的精度来支持准确的决策。
具身智能控制器是连接虚拟推理和物理执行的桥梁，它接收来自世界模型的预测结果和物理仿真的计算输出，生成具体的控制指令。技术上，这通常基于模型预测控制（MPC）或深度强化学习（DRL）算法，控制器需要处理高维的状态空间和动作空间，同时考虑执行器的物理限制、延迟和噪声。
从系统架构角度，物理AI采用分层设计。感知层集成多模态传感器阵列，包括RGB-D摄像头、激光雷达、IMU、力/扭矩传感器等，关键技术挑战在于传感器融合和实时处理，系统需要将不同传感器的数据统一到同一个坐标系中，处理时间同步、标定误差和数据噪声，技术上通常采用卡尔曼滤波、粒子滤波或基于深度学习的传感器融合网络。
认知层运行世界模型和物理仿真引擎，这一层的计算密集度极高，需要专门的硬件加速。『英伟达』的方案是使用GPU集群进行并行计算，同时开发了专门的CUDA内核来优化物理仿真算法，内存管理也是关键技术点——系统需要在有限的GPU内存中维护大规模的3D场景表示和物理状态。
执行层负责运动规划和控制，技术核心是逆运动学求解和轨迹优化。对于多自由度的『机器人』️系统，需要实时求解复杂的约束优化问题，现代方法通常结合解析解和数值优化，使用雅可比矩阵的伪逆来处理冗余自由度，并采用二次规划（QP）或序列二次规划（SQP）来处理约束。
在物理AI发布的同时，『英伟达』还发布了与之对应的完整技术生态系统，包括Omniverse仿真平台、Isaac『机器人』️开发套件、Cosmos世界基础模型等。
这是因为物理AI的训练需要大量的物理交互数据，但现实世界的数据收集成本极高，解决方案是基于仿真的数据生成。于是『英伟达』就通过Omniverse和Cosmos平台，生成大规模的合成训练数据，包括各种物理场景、材质属性和交互模式。不过再仿真环境中，训练的模型在现实世界中往往性能下降，这被称为“现实差距”，『英伟达』现在正在做的，就是用仿真到现实的迁移（Sim-to-Real Transfer）技术，去弥补虚拟数据和现实数据之间的差距。
物理AI对计算资源的需求远超传统AI应用，单个物理AI系统可能需要数百个GPU核心来实时运行。『英伟达』专门开发了RTX PRO『服务器』和DGX Cloud平台来支持这种计算需求，系统架构采用分布式计算，将不同的计算任务分配到专门优化的硬件上。这种技术架构使得物理AI能够在复杂的现实环境中实现实时的感知、推理和行动，真正实现了AI从虚拟世界向物理世界的跨越。
还有一点，与传统AI系统主要处理文本、图像等数字信息不同，物理AI通过大模型驱动，使机器不仅能够处理数据，还能理解三维世界的空间关系和物理规律。这种技术让AI系统具备了类似生物的空间感知能力，能够在现实环境中进行复杂的物理操作。
举个具体例子来说明这种差异：如果AI生成一段『机器人』️抓取物体的视频，传统的生成式AI可能会创造出物体悬浮在空中、机械臂穿过固体障碍物、或者违反重力定律的画面，因为它只是基于训练数据进行像素级的模仿。而物理AI则会确保生成的内容完全符合物理世界的运作方式——物体会受重力影响下落，机械臂必须绕过障碍物，抓取力度要与物体重量相匹配。
这种技术革新的深层意义在于，它让AI从纯粹的信息处理工具，转变为能够真正理解和操作物理世界的智能系统。传统的AI就像一个只会看书但从未实践的学者，拥有丰富的理论知识却缺乏实际操作经验；而物理AI则像一个既有理论知识又有实践经验的『工程师』，不仅知道是什么和为什么，更重要的是知道怎么做，能够将抽象的知识转化为具体的行动。
B
黄仁勋对物理AI的前景极其乐观。他曾在CES上表示，Physical AI将催生超50万亿美元💵规模的行业变革，涉及1000万家工厂、20万个仓库、未来数十亿计台人形『机器人』️和15亿辆汽车及卡车。这个数字听起来令人震撼，但背后有着坚实的逻辑支撑。
世界上有10亿知识工作者，AI智能体可能是下一个『机器人』️行业，很可能是一个价值数万亿美元💵的机会。黄仁勋在CES 2025上表示。他认为，物理AI意味着AI不再局限于虚拟世界，而是开始走向现实世界，并将在『机器人』️、物流、汽车、制造等千行百业成为主流应用。
在黄仁勋的规划中，未来将有两款高产量的『机器人』️产品：第一个是自动驾驶汽车，第二个很可能就是人形『机器人』️。这两种机器都需要具有人类般的感知能力，能够应对快速变化的环境，并在几乎没有容错的情况下做出即时反应。他对人形『机器人』️的潜力感到特别兴奋，因为它们最有可能适应为人类设计的环境。
黄仁勋还预言，『机器人』️时代已经到来，未来所有移动的物体都将实现自主运行。这个预言的背后，是对物理AI技术成熟度和应用潜力的深度判断。从技术发展的角度看，随着计算能力的提升、传感器成本的降低、算法的优化，物理AI正在从实验室概念走向商业应用的临界点。
『英伟达』在物理AI领域的布局可以追溯到多年前对『机器人』️技术的投入。该公司提出的物理AI概念，核心在于将物理规律与人工智能技术相结合，通过整合真实物理规则来优化AI生成的内容，使其更符合现实世界的逻辑与规律。
但是『英伟达』不敢步子迈得太大，与传统AI应用不同，物理AI系统直接与物理世界交互，其错误可能导致严重的安全后果。这要求物理AI系统具备更高的可靠性和安全性标准。
『英伟达』目前的方案是Halos安全系统。这是一个全栈安全系统，它可以统一硬件架构、AI模型、软件工具和安全标准，确保物理AI系统在各种环境下的稳定运行。从数据收集、模型训练到部署应用，每个环节都需要严格的安全验证。
视角来到阿里这边，他们选择将『英伟达』物理AI软件栈纳入开发者选项，背后有着深层的战略考量。当前的AI大模型应用主要集中在线上场景，而物理AI试图将整个现实世界融入AI当中。这种从虚拟到现实的跨越，正是阿里云在AI时代需要抢占的制高点。
阿里云智能集团董事长兼CEO吴泳铭在云栖大会上表示：生成式AI最大的想象力，绝不是在手机屏幕上做一两个新的超级app，而是接管数字世界，改变物理世界。这一表态清晰地表明了阿里对物理AI重要性的认识。
阿里云CTO周靖人说过这么一句话，『通义千问』已开源300+模型，累计下载量超过了6亿。
然而，面对物理AI的发展趋势，通义大模型也面临着从二维理解向三维交互转型的挑战。传统的『大语言模型』擅长处理文本和图像，但在理解物理世界的空间关系、物理规律方面存在天然的局限性。这正是阿里需要引入物理AI技术栈的根本原因。
但，这正好也是阿里的瓶颈。阿里的数据更多来自于『互联网』，而非线下。这就迫使他们需要找到一个全新的途径，以帮助通义来完成虚拟到物理的转变。
李飞飞曾经也说过类似的观点，她认为对于AI而言，如果无法建立三维世界模型，就无法真正理解、操作或重建现实世界。
通过集成『英伟达』的物理AI软件栈，阿里可以为通义大模型增加空间理解和物理交互能力。这种集成不仅仅是技术层面的叠加，更是从语言智能向空间智能的战略转型。开发者可以利用阿里云的基础设施和通义大模型的语言能力，结合『英伟达』的物理仿真和『机器人』️控制技术，构建真正能够在物理世界中工作的AI系统。
不过与之相对的，物理AI的发展不是孤立的，它需要与现有的AI技术生态深度融合。『大语言模型』提供了强大的语言理解和推理能力，计算机视觉技术提供了环境感知能力，『机器人』️技术提供了物理执行能力。物理AI正是这些技术融合的产物。
在这个融合过程中，数据流动和处理架构至关重要。物理AI系统需要实时处理来自多个传感器的海量数据，进行快速决策，并控制执行器完成动作。这对计算架构和算法优化提出了极高要求。
云边协同是物理AI部署的重要模式。复杂的AI推理可以在云端进行，而实时的控制决策则在边缘设备上执行。这种架构既能利用云端的强大计算能力，又能满足实时性要求。
所以阿里也相当于给P物理AI提供了发展的养料。
C
如果说第一代感知AI让机器学会了看和听，第二代生成式AI让机器学会了创造，那么物理AI则让机器真正学会了行动。
然而，物理AI的发展也面临着诸多挑战。首先是技术上的挑战，如何让AI系统在复杂的物理环境中稳定运行，如何降低巨大的计算成本以实现技术的普及化应用，这些都是当前亟待解决的问题。此外，仿真训练与现实应用之间的“现实差距”也是一大难题。尽管仿真可以提供大量数据，但如何确保这些数据在现实世界中的适用性是个关键问题。
物理AI或许不会像某些预测那样迅速颠覆所有行业，但它必将逐步改变我们的工作和生活方式。它不仅是技术的革新，更是对传统行业的颠覆和重塑。随着技术的不断发展和应用场景的拓展，物理AI将成为推动全球经济增长和社会进步的重要力量。
