目前数字AI正在走出屏幕，去理解现实世界的重力、惯性、碰撞等物理规律，AI的下一波浪潮就是物理AI。全国人大代表，福建省政府参事、福州理工学院校长、国脉科技及慧翰股份实控人陈国鹰认为，“十五五”时期，我国新能源汽车将从电动化、智能化向交通出行服务化发展，护城河不是比某一单项技术，而是比人工智能“数字赋能”的效率，比物理AI进化的速度。

各行业从数字AI向物理AI加速进化

理解物理AI的重要性，首先要明白之前的AI“笨”在哪里。

无论是ChatGPT还是Sora，它们本质上都是“屏幕内的AI”。它们在海量的文本、图像和视频数据中学习，擅长归纳、推理和生成。但它们对现实世界的基本规律缺乏认知，比如重力会让物体下落、碰撞会发生形变，无法精准应对与物理世界交互的复杂场景。

这种“物理盲”在虚拟内容生成领域或许只是影响观感，但是如果将其应用到飞机、汽车等真实场景中，就会出现连锁不良反应。而这恰恰是物理AI需要解决的问题。

斯图加特大学教授、国际机器人联合会技术委员会主席AlexanderVerl指出，物理AI的目标是扩展当前的AI，使其具备对空间关系及物理行为的掌握。它不仅接收图像、视频等常见多模态输入，更关键的是引入了现实世界的传感器数据，旨在将这些信息转化为对物理世界的见解。

在清华大学机械工程系副教授李曙光则从另一个角度阐释，物理AI是指机器人除了大脑之外，还可以充分利用自己的身体（包括材料、结构和力）实现特定的智能感知、决策和运动，并与真实世界直接交互。也就是说，机器人的物理身体本身就是其‘智能’的重要组成部分。”简言之，物理AI同时具备了“知识大脑”与能够执行智能行为的“物理身体”。

英伟达CEO黄仁勋将物理AI定义为AI的“下一波浪潮”，一个蕴藏数万亿美元机会的“物理AI”时代。

筑牢物理AI基础设施底座

（图片来源：摄图网）

物理AI的规模化落地，离不开强大的基础设施支撑，算力、网络、数据、模型，缺一不可。运营商凭借覆盖全国的网络基础设施、海量的用户数据资源和完善的服务体系，成为物理AI基础设施建设的核心力量。

算力是物理AI发展的核心底座。在算力布局上，三大运营商与科技厂商各展所长、协同推进。中国电信构建“算力、平台、数据、模型、应用”五位一体的智能云体系，成功实现了实现资源、框架、工具三重解耦，为用户提供跨域、异构算力灵活调度，可调度算力达87EFLOPS。中国移动在全国的已建成13个全国性、区域性智算中心节点，智算规模超43EFLOPS。中国联通构建了覆盖270+个城市、总算力40EFlops的全国智算一张网。

网络是连接物理世界的神经网络。三大运营商持续推进5G-A网络建设，构建起跨越“空天海地”全域连接的网络体系，为物理AI提供高速、稳定、低时延的网络支撑。中国电信已建成全球规模领先的5G-A网络，部署13万余个5G-A基站，覆盖300多个重点城市，实现上行超1Gbps、下行超10Gbps的极致速率，同时已在六省启动5G-A×AI大上行试点，其中安徽电信在合肥骆岗中央公园的试点成效显著，部署后网络深度覆盖显著增强。中国移动已实现全国重点城市5G-A网络全覆盖，推出“5G-A+边缘计算”解决方案，将网络时延控制在1毫秒以内，适配自动驾驶、车路协同等物理AI核心场景。中国联通联合推出RedCap轻量化模组，降低低空飞行器、工业设备的网络接入成本。

落地之路需考虑数据安全问题

技术最终要落地生根。物理AI的进化，离不开具体的应用场景来“喂养”和“打磨”。

在技术突破层面，阿里巴巴达摩院发布开源物理AI模型RynnBrain，可帮助机器人在工厂流水线和厨房等复杂环境中识别物体、预测轨迹、规划路径。中国电信联合中兴通讯打造南京滨江智能工厂“滨江模式”，部署24大类5G+工业融合应用，核心聚焦“望闻问切”巡检机器人与5G视觉机械臂两大场景，巡检机器人搭载机械臂、工业高清摄像头及远程会议系统，可实时巡检设备运行状态、精准识别异常并预警。工信部数据显示，2025年国内人形机器人整机企业超140家，发布产品超330款；多位专家预测，2026年国内人形机器人产量可能突破10万台。

尽管技术路线日益清晰，应用场景不断拓展，但物理AI要真正实现规模化落地，仍需跨越一系列深层次的技术与产业壁垒。其中，数据问题尤为突出，不仅是数据量的积累，更包括数据质量、数据合规与数据安全。如何在数据采集、传输、存储和应用的全链条中确保安全，防止数据泄露和滥用，成为运营商和科技企业必须正视的课题。