Physical AI正在重塑全球AI行业市场

物理AI：

AI革命的下一个飞跃

过去一个世纪以来，硅谷从20世纪30、40年代初期的国防相关投资起步，一直是全球最具突破性技术进步的摇篮。一波接一波的创新浪潮重塑了全球经济：从集成电路、个人电脑到互联网、移动、云计算和社交媒体。如今，在日益动态的环境中——周期缩短、快速变化、技术颠覆几乎所有行业——硅谷持续引领。

最值得注意的是，湾区处于AI革命的最前沿。虽然生成式AI已趋于稳定，但下一个飞跃即将到来。随着智能体执行器和高保真仿真工具加速模型训练，AI开始从数字世界转向物理世界。能够“思考”而非仅执行预编程指令的机器人正在成为现实。

这一新篇章——物理AI，生成式AI、自主智能体与现实世界的融合——开启了几乎无限的工业应用前景。已有数十亿美元涌入该领域，物理AI有望以革命性规模重塑各行业。硅谷再次成为全球创新的无可争议中心。

超越机器人：

重塑市场的新叙事

 技术领域正经历根本性转变，从纯数字领域转向AI具身化并能直接与物质世界互动的领域。

我们定义这一新兴领域为“Physical AI”，即先进AI与物理系统的融合，使机器能够在现实世界中感知、推理、规划和行动。通过这一范式，形成动态反馈回路：传感器为系统提供环境感知数据，AI 'brain'处理这些数据，执行器随后执行相应的物理动作1。这种方法标志着传统预编程机器人的革命性突破。

传统机器人遵循严格的指令集，而物理AI系统则能在复杂、非结构化及不可预测的条件[2]下具备自适应性和韧性。

NVIDIA CEO Jensen Huang在CES 2025上指出：“从Perception AI开始——理解图像、文字和声音。接着是Generative AI——创建文本、图像和声音。现在，我们正进入Physical AI时代：能够感知、推理、规划和行动的AI。”

物理AI使强大的技术融合成为可能

Physical AI的崛起得益于技术趋势的强力融合，这些趋势共同将长期潜力转化为现实。其中四项发展尤为突出，构成基础性要素。

• 生成式AI整合：近期在大型多模态基础模型上的突破，提供了复杂的推理、规划和世界理解能力，这些能力长期以来是通用机器人所缺失的“大脑”。

• 现实世界建模：高保真、基于物理的digital twins的开发已成为物理AI发展的基石。该“simulation-to-reality”流程对解决机器人数据稀缺问题及受控环境下的系统测试至关重要。

• 智能体框架：物理AI的软件架构日益基于智能体原则。这些AI系统能够自主将高级目标分解为可执行步骤序列，通过各种数字和物理工具执行，并根据环境反馈进行调整。

• 硬件商品化

此外，得益于电动汽车和消费电子等行业的同步发展，关键硬件组件商品化大幅降低了成本，使机器人本体比以往更加经济实惠且功能强大。示例包括电池、高扭矩电机和固态激光雷达等先进传感器。

Venture Capital

是否正在向AI资本转型

过去十年，硅谷一直是全球Scaleup投资的标杆。硅谷Scaleup经济的资本流入在2021年达到峰值，超过1500亿美元的历史最高水平。随后出现不确定性、不稳定性和广泛放缓——即所谓的“VC回撤”——该趋势在2024年触底，使硅谷的Scaleup投资回落至2018年前水平。

当前，新一轮增长周期正在形成。

2025年，硅谷成长型公司投资达1110亿美元，仅AI就占1035亿美元，占比高达93%。简而言之，硅谷VC投资如今几乎等同于AI投资。每1美元科技投资中，93美分流向AI，AI正在疯狂吸金。这一轮是又一个泡沫，还是持久的全球趋势，仍有待观察。然而，确定的是，硅谷已全力押注AI。

这是一场要么重塑未来，要么摧毁未来的豪赌。

2025：

物理AI的崛起与生成式AI的临界点？

聚焦于硅谷的AI scaleup投资，浮现若干关键事实。

• 生成式AI

生成式AI投资在2023年达到拐点，投资额是AI应用投资的三倍以上（207亿美元 vs. 64亿美元）。这一年出现了标志性交易，包括微软领投的OpenAI 100亿美元融资、亚马逊向Anthropic注资40亿美元，以及Inflection AI获得微软和英伟达13亿美元投资。这些交易确立了生成式AI融资的新规模，将资本集中于少数基础模型头部企业。2025年，投资创下655亿美元的历史新高，主要由OpenAI（400亿美元）和Anthropic（130亿美元）的大额交易推动，两者估值均极高。

2024年相对较低的投资水平不应被视为放缓，而是大规模融资轮次后资金周期的自然回落。一旦企业获得数十亿美元的资金储备，短期内无需再次融资。因此，2024年与其说是撤退，不如说是“pause after the flood”，资本集中用于消化之前的巨额投资和扩大运营，为下一轮突破做准备。

• 物理AI

2025年，物理AI趋势明显兴起。仅今年前三个季度，物理AI领域的成长型公司筹集了161亿美元，主要由Meta与Scale AI之间的大规模交易推动——Scale AI是一家专注于为自动驾驶、AR/VR和机器人等现实世界应用提供高质量训练数据的AI平台公司。

其他近期重大融资案例包括：

• Figure AI，专注于AI驱动的人形机器人，于2024年2月从包括杰夫·贝佐斯的投资公司、微软、英伟达、英特尔等在内的财团筹集了约6.75亿美元。

• Neuralink,一家开发脑机接口和手术机器人的开创性企业，于2025年6月完成6.5亿美元融资，投资方包括ARK Invest、DFJ Growth、Founders Fund、G42、Human Capital、Lightspeed、QIA、Sequoia、Thrive Capital、Valor Equity Partners和Vy Capital。

这些数据凸显了该新兴领域需要大量资本投入，其目标正是革命性的技术突破。若势头持续，硅谷可能即将迎来下一轮革命浪潮。

重大技术突破需要巨额资本

近年来，硅谷打造了全球最密集的AI scaleup生态系统。

2023年，硅谷有2101家AI成长型公司⁴；仅两年时间，该数字增长三分之一，达到2774。如今，AI公司占硅谷成长型公司的四分之一。这些企业正以创纪录的速度吸引前所未有的巨额资本。累计融资2800亿美元，几乎是2023年1437亿美元的两倍。简而言之，自2000年以来，所有投资于高增长企业的资本中，三分之一用于AI。

更具体地说，在AI scaleups领域，生成式AI scaleups占公司数量的15%，却占历史总投资额的45%。换句话说，硅谷在AI scaleups上的投资中，每五美元就有两美元投入生成式AI。

与此同时，新兴的物理AI垂直领域正遵循类似的发展轨迹：254家成长型初创企业（占总数的9%）已吸引18%的AI总投资。

物理AI头部scaleups

图6展示了部分融资最多且近期蓬勃发展的物理AI高成长企业，包括基础平台、全自动驾驶领域的领军企业、机器人解决方案以及物流和配送等工业应用。

物理AI：

新兴技术与人形机器人的雄心

物理AI行业应用

制造业与物流

这是Physical AI应用的主要市场，由劳动力严重短缺、工资上涨和对运营效率的不懈追求驱动。

关键细分领域包括：

•  仓库自动化：机器人系统用于分拣、单件分离、码垛和拆垛。

•  装配线作业：用于复杂装配任务的先进机械臂和协作机器人（cobots）

•  预测性维护：AI系统监测实体设备，预测故障，并自主安排或执行维护，特别是在汽车和工业领域。

汽车业

该垂直领域由自动驾驶汽车的发展主导，AVs是物理AI的典型代表。AVs使用先进的传感器套件感知环境，并通过AI模型安全地应对物理世界的复杂性。

医疗保健业

• 手术机器人：高精度机器人系统，协助外科医生进行复杂微创手术。

• 患者护理与物流：辅助机器人协助患者移动、医院内药品及物资配送，以及养老机构支持。

农业

物理AI在农业中的应用正在创造“精准农业”的新范式，细分领域包括自动驾驶拖拉机、用于收获和除草的机器人系统以及基于无人机的作物监测。

军民两用、国防与安全

该领域将Physical AI应用于自主无人机、机器人监控系统和自动化战场物流与侦察。

消费与家居

虽然仍处于早期阶段，物理AI的长期愿景包括能够执行家务、提供陪伴和协助日常生活的家用人形机器人。

在位企业的战略

英伟达：赋能者

NVIDIA并未直接参与通用机器人制造，而是作为整个物理AI生态系统的基础技术提供商。该战略通过其全面的，全栈平台实现，被NVIDIA称为“三计算机”架构：

• 训练：NVIDIA DGX AI超级计算机位于技术栈顶端，提供训练大型复杂基础模型所需的海量计算能力，这些模型作为现代机器人的大脑。

• 模拟：中间层是NVIDIA Omniverse，一个用于创建高保真、物理准确的数字孪生的平台。Omniverse 允许开发者在虚拟环境中生成海量合成数据，并在实际部署前安全地测试、验证和优化机器人行为。

• 部署：最终层是NVIDIA Jetson Thor超级计算机，一款强大且节能的模块，专为机器人端边缘实时推理设计。该计算机直接在物理机器人上运行训练好的AI模型，使其能够感知、推理并自主行动。

谷歌与Meta：研究巨头

• 谷歌（通过DeepMind）的战略是将最先进的AI模型融入机器人系统。其旗舰项目Gemini Robotics整合了Gemini模型强大的多模态推理能力，以创建先进的视觉-语言-动作（VLA）模型。这些模型能够理解复杂的自然语言指令，并将其转化为物理动作。

• Meta的战略以开源为核心，旨在围绕其基础模型构建广泛的开发者和研究人员社区。其关键项目V-JEPA 2是一个开源的“世界模型”，旨在学习物理交互的直观理解，使AI代理能够预测行为后果并据此规划。

特斯拉：垂直整合战略

特斯拉正在推进独立且垂直整合的战略。效仿其在电动汽车市场的策略，特斯拉致力于掌控技术栈的每个关键层。公司主要项目包括Tesla Optimus——一款通用型自主人形机器人，以及一个完全垂直整合的物理AI平台计划。该计划由专为高效AI推理设计的FSD芯片驱动——该芯片可在设备本地运行机器人神经网络，并配合定制的Dojo超级计算机。

高通：边缘AI处理器

Qualcomm的核心战略聚焦边缘AI，将AI推理从集中式云数据中心直接迁移至本地设备。这一设备端方案通过Edge AI Box等硬件实现，该加速器专为高性能、低功耗运行多个AI模型而设计。为加速边缘硬件的采用，高通于2025年3月收购了Edge Impulse。这一战略举措为其生态系统提供了关键的软件和开发者赋能层。该集成方案通过本地处理数据降低实时分析延迟，增强数据安全，减少对云服务和数据传输的依赖，从而降低总体拥有成本，助力高通在工业IoT、零售分析及智慧城市基础设施等领域推动AI应用。

亚马逊：应用物流

作为全球最大的工业机器人运营商，亚马逊在物理AI方面的策略聚焦于提升自身运营效率。亚马逊在配送中心部署了超过100万台机器人，是物理AI的积极用户。为此，亚马逊开发了DeepFleet，这是一个生成式AI基础模型，并非用于通用推理，而是专门用于优化其庞大机器人车队的交通流量和协调。

苹果：面向消费者的设备端AI

历史上，苹果一直专注于消费电子产品的设备端AI。尽管该公司在大规模云端AI竞赛中被认为落后，但最新进展表明其内部研究正致力于高效地在设备端运行大型语言模型。近期，OpenAI与苹果前首席设计官乔尼·艾维达成65亿美元合作，明确旨在为消费市场打造Physical AI。