AI 正在进入“物理世界”阶段

自 ChatGPT 爆发以来，市场对 AI 的理解长期集中在“认知能力”层面，包括文本生成、代码编写与逻辑推理。这一阶段的核心，是让机器更好地理解并生成信息，本质仍属于数字世界内部的优化。然而，Andreessen Horowitz 在其研究中提出，AI 正在进入一个全新阶段：从“理解世界”转向“作用于世界”。

这一变化可以用一个清晰的三段式来理解：

  • 过去：AI 提供信息（回答问题）

  • 现在：AI 协助决策（Agent）

  • 未来：AI 直接执行（Physical AI）

也就是说，AI 的终极目标不再是“更聪明”，而是“更有用”，即能够在现实世界中完成任务并产生结果。

三大核心系统：机器人、自动科学与新型接口

三大核心系统

在 Physical AI 框架中，a16z 将其拆解为三个核心系统，这三者共同构成一个闭环数据飞轮，而不是孤立存在。

  1. 机器人系统，它是 AI 进入物理世界的执行载体。机器人不再只是机械设备，而是融合感知、决策与控制能力的综合系统。以 Tesla 为例，其推动的人形机器人项目，本质目标并不是硬件创新，而是打造可以在复杂环境中稳定执行任务的 AI 系统。

  2. 自主科学系统，即自动化实验平台。其意义在于让 AI 从“提出假设”延伸到“验证假设”。这一过程可以拆解为：

  • AI 生成研究假设

  • 系统自动设计实验流程

  • 实验设备执行并采集数据

  • AI 分析结果并迭代优化

这一闭环使得知识生产逐步自动化，同时产生大量高质量、具备因果关系的数据。

  1. 新型人机接口，包括 AR、可穿戴设备以及脑机接口（如 Neuralink）。这些设备的核心价值并不在交互体验，而在于数据采集能力，其主要作用可以总结为：

  • 记录人类操作行为（第一视角）

  • 捕捉生理与动作反馈

  • 提取潜在意图信号

这使得 AI 能够获得更真实、更连续的数据输入。

数据范式迁移：从互联网到真实世界

当前 AI 的发展正在遭遇一个隐性瓶颈：互联网数据红利逐渐耗尽。文本与代码数据虽然规模庞大，但其边际价值正在下降。在这一背景下，Physical AI 引入了新的数据来源，即来自真实世界的交互数据。

可以将两种数据范式对比理解：

  1. 互联网数据

  • 特征：规模大、易获取

  • 局限：以相关性为主、噪声高

  1. 物理世界数据

  • 特征：稀缺、获取成本高

  • 优势：具备因果关系、可验证

这一转变将直接推动 AI 能力的升级路径发生变化：

  • 从“预测系统”转向“控制系统”

  • 从“生成答案”转向“优化结果”

  • 从“离线训练”转向“实时反馈”

Physical AI 的底层基础设施

从技术实现角度来看，Physical AI 的竞争核心并不在应用层，而在基础设施层。其关键组成可以归纳为四个部分：

  • 仿真系统（Simulation）： 作为数据生成引擎，仿真系统可以在虚拟环境中训练 AI，大幅降低现实试错成本。以 NVIDIA 的 Omniverse 为代表，这类平台正在成为连接数字与物理世界的重要桥梁。

  • 世界模型（World Models）： 用于理解物理环境的运行规律，包括物体运动、环境变化等，是 AI 做出正确决策的前提。

  • 行动模型（Action Models）： 将决策转化为具体操作，是 AI 从“思考”走向“执行”的关键。

  • 新型传感器（Sensors）： 提供多维度输入，包括视觉、触觉与生物信号，使 AI 能够更全面地感知世界。

价值重构：谁在获取下一阶段红利

随着技术路径变化，价值分布也在重新调整。过去集中在应用层的价值正在被压缩，而系统层与基础设施层的重要性不断上升。

这一变化可以总结为三点：

  • 应用层趋于同质化：进入门槛低，竞争激烈

  • 系统层价值提升：机器人与自动化系统成为核心载体

  • 数据成为壁垒：真实世界数据难以复制，具备长期价值

特别是在数据层面，Physical AI 带来的最大变化在于：数据不再是“可无限复制的资源”，而变成“需要长期积累的资产”。

投资与产业推演：机会与约束

从投资视角来看，这一阶段呈现出明显不同的结构特征。

首先是资本密集度提升，Physical AI 更接近以下产业形态：

  • 半导体

  • 新能源

  • 航空航天

这意味着：

  • 投入更高

  • 回报周期更长

  • 技术壁垒更强

其次，产业链可以拆解为三个层级：

  • 上游：算力与仿真平台

  • 中游：模型与系统整合

  • 下游：应用与场景落地

最后，在发展节奏上，可以用一个三阶段模型来理解：

  • 短期：Agent 在数字世界扩展

  • 中期：人机协同系统成熟

  • 长期：Physical AI 实现规模化

未来路径：从 Agent 到 Physical AI

从长期演化路径来看，AI 的发展可以被抽象为三个阶段：

  • 认知 AI（代表：ChatGPT）：解决理解与生成问题

  • **Agent AI：**能够在数字环境中执行任务

  • **Physical AI：**能够在现实世界中完成任务

这一演化路径揭示了一个核心趋势：AI 正在从“信息处理工具”转变为“现实执行系统”。

结语：AI 的终局是什么

综合来看，a16z 的核心判断可以总结为三点：

  • AI 将进入物理世界

  • 数据来源将发生根本变化

  • 系统能力将取代单点模型能力

最终，AI 的终局并不是更好地理解世界，而是能够在真实环境中持续行动并产生结果。当这一能力成熟时，AI 将从工具升级为基础设施，并对产业结构与资本流向产生深远影响。