根據XM外匯官網(wǎng)APP的市場(chǎng)身智報道，IDC指出，趨勢隨著(zhù)人工智能技術(shù)向機器人和自動(dòng)駕駛汽車(chē)等自主機系統的物理滲透，對物理交互能力的推動(dòng)需求日益增長(cháng)，物理AI（Physical AI）應運而生。人工其核心在于使自主機器具備在真實(shí)世界中進(jìn)行“感知—理解—執行”的向具閉環(huán)能力，這是市場(chǎng)身智人工智能向具身智能轉型的重要橋梁。

IDC最近發(fā)布的趨勢報告《物理AI時(shí)代來(lái)臨：仿真先行、云端訓練到端側部署，物理具身智能機器人邁向高效落地》指出：

物理AI是推動(dòng)利用人工智能技術(shù)對現實(shí)世界進(jìn)行理解、推理與交互的人工模型，通常應用于機器人和自動(dòng)駕駛汽車(chē)等自主機械體。向具

物理AI時(shí)代的市場(chǎng)身智到來(lái)與市場(chǎng)發(fā)展

物理交互的需求推動(dòng)了物理AI的發(fā)展。

隨著(zhù)機器人和無(wú)人系統在制造、趨勢醫療和物流等領(lǐng)域的物理廣泛應用，用戶(hù)對智能化的要求逐步提高，不僅要具備識別和理解能力，還需在真實(shí)環(huán)境中穩定感知、決策和執行。這種對類(lèi)人感知、自主決策及精準執行能力的需求，正是物理AI發(fā)展的主要驅動(dòng)力。

AI技術(shù)加速助力物理實(shí)體。

從視覺(jué)感知模型、決策控制算法，到大規模預訓練模型與強化學(xué)習框架，人工智能正在為機器人和自動(dòng)駕駛系統提供更強的自主學(xué)習與執行能力。

物理AI面臨的挑戰及計算平臺支持

在機器人、汽車(chē)等自主智能設備中的物理AI應用當前面臨三大技術(shù)挑戰：

- 泛化能力不足：模型需突破環(huán)境、任務(wù)和硬件本身的限制，以在復雜多變的現實(shí)場(chǎng)景中穩定執行。

- 數據稀缺與高成本：訓練物理模型需要大量高質(zhì)量的數據，現實(shí)中的數據采集成本高且難以覆蓋極端場(chǎng)景。

- 端側部署受限：算力、功耗和體積的限制使得物理模型難以高效運行，實(shí)時(shí)“感知—決策—執行”的閉環(huán)面臨挑戰。

應對這些挑戰，先進(jìn)的計算架構是實(shí)現具身智能落地的核心支持。當前有三大計算平臺在物理AI發(fā)展中協(xié)同作用，從模型訓練到應用部署，確保自主智能體在復雜動(dòng)態(tài)的現實(shí)環(huán)境中高效全面地感知、決策與執行：

- 認知訓練平臺：提供強大的算力，通過(guò)多模態(tài)感知與決策訓練，持續優(yōu)化具身智能模型的能力。

- 虛擬仿真平臺：結合高精度物理引擎與數字孿生技術(shù)，生成真實(shí)可復現的訓練數據，低成本優(yōu)化操作及導航技能。

- 實(shí)時(shí)部署平臺：基于高性能推理計算資源，將訓練出的模型迅速應用于端側設備，完成“感知—決策—執行”的閉環(huán)。

未來(lái)展望：具身智能機器人快速崛起

隨著(zhù)物理AI及其計算平臺的持續進(jìn)步，具身智能機器人將成為物理AI時(shí)代的重要發(fā)展方向，應用的落地進(jìn)程也日益加快。IDC預測，到2029年，全球機器人市場(chǎng)規模將超過(guò)4,000億美元，具身智能機器人預計將占市場(chǎng)的30%以上，引領(lǐng)機器人向通用化與自主化的高階階段發(fā)展。

IDC中國新興技術(shù)研究部的研究經(jīng)理李君蘭表示：

物理AI在機器人領(lǐng)域的實(shí)施將依托“三大計算平臺”，按照“仿真先行—云端訓練—端側部署”的路徑迅速推進(jìn)。虛擬仿真平臺提供低成本高復現的訓練數據，認知訓練依托云端算力加速模型的訓練，實(shí)時(shí)部署平臺則聚焦提升普通設備的運算效率。