物理AI崛起:产业下半场的真实与泡沫

2026 年,AI 产业叙事迎来转折 。生成式数字 AI 增速放缓, 物理 AI 接过接力棒, 成为资本与科技巨头的核心布局方向。从世界模型到具身智能, 物理 AI 浪潮席卷而来, 但这场变革究竟是产业升级还是概念狂欢? 本文从定义、技术迭代、产业落地及企业估值多维度解析。

📌 物理 AI vs 数字 AI: 本质差异与产业空间

数字 AI 局限于虚拟屏幕, 处理文本、图像等数字化信息 ; 物理 AI 则扎根真实世界, 感知三维空间, 理解物理规律, 完成感知、推理、决策、执行全闭环。数字 AI 让机器“会思考”, 物理 AI 让机器“会行动”。物理 AI 覆盖自动驾驶、人形机器人、工业自动化等实体赛道, 市场空间远超数字 AI, 是真正能重构实体产业的万亿级赛道。

从已披露信息看, 这一变化更值得关注的, 不只是表面动作本身, 还包括其对后续行业节奏、用户预期和市场竞争的连锁影响。

🔍 从概念到落地: 物理 AI 的元年与产业迭代

物理 AI 概念由英伟达 CEO 黄仁勋率先提出。 早期受限于硬件与数据 , 停留在实验室。近一年随着大模型迭代、算力成本下降,2026 年被公认为物理 AI 元年。

• 世界模型成熟: 特斯拉、谷歌、英伟达等企业完成布局, 推动物理 AI 从理论走向量产。
• 资本涌入:2026 年一季度全球融资超 64 亿美元, 国内半年融资突破 460 亿元。
• 应用落地: 自动驾驶 NOA 普及, 工业机器人升级, 人形机器人 B 端试水,AI 眼镜渗透。

💡 物理 AI 的核心门槛: 通用能力与跨场景价值

• 通用物理建模: 一套模型适配汽车、机器人、工业设备等多载体, 实现跨场景复用。
• 完整交互闭环:AI 自主完成感知、决策、执行, 无需第三方干预。
• 多元化场景: 横向拓展多赛道, 形成可持续营收体系。

基于此标准, 许多企业的物理 AI 叙事存在泛化 。例如 Momenta 被冠以“物理 AI 第一股”, 但其 R7 世界模型为乘用车专用, 技术无法迁移至工业机器人, 算法需主机厂二次标定, 不具备通用能力。Momenta 本质是智能驾驶解决方案厂商, 而非严格意义上的物理 AI 企业。

📊 自动驾驶的核心: 落地与营收才是硬道理

物理 AI 仍处早期, 通用世界模型、具身智能等核心技术尚需迭代 。对自动驾驶企业而言, 最务实路径是深耕垂直场景, 扩大量产规模, 优化收入结构。所有技术叙事终需服务商业落地, 唯有规模应用与可持续营收才是核心护城河。Momenta 的案例印证了这一真理: 概念溢价转瞬即逝, 垂直场景的规模化能力才是科技企业的长期根基。