在硅谷的叙事里，大模型已经统治了比特（Bit）的世界，但黄仁勋的目光，已经盯上了原子（Atom）。

“下一波人工智能浪潮是物理人工智能（Physical AI），它将席卷全球最大的产业。”在最近的公开发言中，英伟达CEO黄仁勋为AI的下半场划定了赛道。他甚至带着一丝恨铁不成钢的意味，指出了当下大模型的致命软肋：

“如今大多数人工智能并不理解物理定律、摩擦力、惯性或因果关系。这些是儿童甚至宠物都具备的物理推理能力。”

这句话犹如一盆冷水，浇在了沉迷于“文本生成”、“代码编写”和“多模态对话”的AI狂热之上。它揭示了一个极其残酷的现实：我们今天引以为傲的大模型，本质上更像一个被关在服务器里的“缸中之脑”。它读遍了人类所有的图书馆，却连一个积木都搭不稳。

而黄仁勋的判断，不仅是对技术趋势的预判，更是一场关乎万亿美元级商业版图重塑的宣言。

缸中之脑的困境：为什么AI不懂摩擦力？

要让AI走出屏幕，进入工厂、马路和家庭，最大的拦路虎在于：大语言模型（LLM）的成功，无法直接平移到物理世界。

大模型的底层逻辑是概率。它通过预测下一个词来生成文本，它不需要理解万有引力，只需要知道“苹果”后面跟着“落地”。在语言和图像的虚拟世界里，这种基于海量数据的“模式匹配”极其有效。

但在物理世界里，容错率是零。

当一台重达两吨的自动驾驶汽车在雨天的湿滑路面上行驶时，或者当一个人形机器人在杂乱的工厂车间里搬运玻璃时，它们面对的变量是无限且实时的。摩擦力会随温度改变，惯性会让机械臂在急停时产生震颤，因果关系会在一瞬间崩塌——这不是靠“预测下一个词”能解决的问题。

正如黄仁勋所说，这些物理推理能力，儿童和宠物天生具备。一只猫从桌上跳下，能在零点几秒内精准计算出落点、调整身体姿态。而哪怕是世界上最先进的机器人，在面临未知地形时，往往也会摔得四脚朝天。

缺乏对真实物理法则的深刻理解，是AI迈向现实的致命路障。

物理AI：具身智能的“真实大脑”

如果说大模型赋予了AI“泛化的常识”，那么物理AI（Physical AI）则要求AI具备“空间与时间的直觉”。

黄仁勋所描绘的物理AI，不仅是一个装在铁壳里的AI，而是一整套基于世界模型（World Model）的全新架构。它要求AI能够在数字世界中模拟真实的物理规律，进行低成本的试错与强化学习，然后再将这种能力低延迟地部署到现实世界中。

这恰好呼应了当前创投圈最火热的赛道——具身智能（Embodied AI）。

我们在之前的文章中探讨过，华为系高管正在批量下场做具身智能，硅谷和五道口的资本正在疯狂涌入机器人赛道。但黄仁勋的视角更为宏大：物理AI不仅仅是造几个人形机器人。它指向的是全球最大的产业——制造业、物流、重工业、农业和医疗。

多家机构对物理AI及相关机器人应用的长期经济价值给出了万亿美元级的预测，但具体数字、时间节点和统计口径差异很大：有的聚焦2030年前后的相关市场，有的则把机器人和物理AI的规模化经济价值放到2040年前后，且地域范围、是否包含工作流重构等口径并不统一。因此，更稳妥的理解是：这是一个万亿美元级的方向性判断，而非一个可以精确到某一年、某一地域的统一测算。软件产业的规模有上限，而把全球物理基础设施逐步用AI改造一遍，其商业想象空间确实巨大。

英伟达的阳谋：在虚拟世界“训练”地球

面对如此庞大的蛋糕，英伟达早已布好了局。

既然现实世界中收集数据的成本极高（让机器人摔坏几百万次成本太高），那么物理AI的绝佳训练场，必然在虚拟世界中。

这也解释了英伟达为何极力推崇“数字孪生”与Omniverse平台。未来，工厂和城市都会在虚拟空间里拥有一个“数字克隆”。在这里，牛顿定律、流体力学被模拟。AI智能体可以在这个数字世界里，以远超现实的速度进行模拟训练。一晚上的模拟，可能相当于在真实世界里试错很久。

为了填补物理AI极度缺乏的真实交互数据，英伟达推出了Project GR00T——一个面向人形机器人的开放参考平台，包含基础模型、仿真框架和部署工具链。配合Isaac机器人仿真平台，英伟达试图建立一个从“虚拟试错”到“现实部署”的生态系统。

然而，这里横亘着一个业内著名的难题：“Sim-to-Real（从模拟到现实）”的鸿沟。虚拟环境毕竟是对现实的简化，哪怕是最顶级的物理引擎，也无法完美模拟光线在真实环境中的每一丝折射，或者一块布料在现实中的复杂形变。模型在虚拟世界里练就的绝世武功，到了现实中可能因为一个小小的传感器噪声而彻底破功。攻克这个鸿沟，将是所有物理AI玩家必须跨越的生死线。

在这个过程中，英伟达不仅卖出了用于训练大模型的算力芯片，还将卖出用于实时物理推理的边缘计算芯片。从云端到终端，它试图通吃物理AI时代的每一块利润。

从数字到实体：资本与泡沫的试炼场

当资本嗅到“物理AI”的确定性时，狂热也随之而来。

正如我们在讨论具身智能赛道时提到的，硅谷在努力展示硬核技术，而部分国内创业公司则在用PPT造神，把能移动一瓶矿泉水当做世界模型的突破。

物理AI的门槛，比大语言模型还要高得多。它不仅需要顶尖的AI算法人才，还需要极其深厚的机械工程、材料科学和供应链管理能力。这是一个典型的软硬结合赛道，任何试图用“互联网思维”去降维打击的玩家，最终都会被制造业的物理规律按在地上摩擦。

国内真正的机会，在于硬件供应链的规模化制造与成本控制。当AI的“大脑”逐渐开源或被巨头垄断时，中国企业（以宇树为代表的本土硬件公司，以及智元机器人等带有华为背景的创业团队）在关节电机、减速器、传感器和整机制造的规模化供应与成本控制上具有优势；但也要看到，核心部件仍高度依赖专业供应商的分工协作，并非全部自研自产。这种供应链能力，将成为全球物理AI落地不可或缺的底座之一。

结语：文明的奇点，在于AI走出屏幕

过去两年，我们沉浸在大模型带来的智力狂欢中。文字、代码、图像，AI在赛博空间里无所不能。

但黄仁勋的警告提醒了我们：真正的工业革命，不是靠屏幕里的像素完成的，而是靠工厂里的机器、马路上的汽车完成的。当AI真正理解了摩擦力、惯性和因果律，当它能够像孩子一样与真实的物理世界互动时，人类文明才会迎来真正的奇点。

那个奇点，不发生在服务器里，而发生在我们身边的每一个原子之上。在这个通往物理世界的征途中，所有的旧产业都将被重写，而赢家，将是那些既懂得敬畏物理定律，又敢于拥抱疯狂算力的人。

本文来自微信公众号“Tech商业”，作者：Tech商业，36氪经授权发布。