В марте 2026 года AMI Labs, основанная лауреатом премии Тьюринга и бывшим главным ученым по ИИ в Meta Янном Лекуном, объявила о завершении посевного раунда финансирования на сумму 1,03 миллиарда долларов.
Почти в то же время:
- World Labs, основанная Фэй-Фэй Ли, привлекла новое финансирование на сумму около 1 миллиарда долларов
- Google DeepMind представила мировую модель Genie 3
- Tesla продолжает внедрение гуманоидного робота Optimus на своих заводах
Эти события происходят не изолированно, а указывают на более четкий тренд: ИИ переходит от «понимания цифрового мира» к «пониманию и воздействию на физический мир».
Если 2024 год был периодом экспансии больших языковых моделей, 2025 год — периодом исследования внедрения агентов, то в 2026 году ключевой нарратив Кремниевой долины смещается к более фундаментальному вопросу: может ли ИИ действительно понять «как устроен мир» и выполнять задачи в реальности?
Это не просто изменение технического направления, это означает, что цепочка создания стоимости в отрасли переписывается. За последние два года основная конкуренция в сфере ИИ в основном сосредотачивалась на нескольких высокопороговых环节, таких как модели, вычислительные мощности и центры обработки данных; когда же ИИ начинает真正 входить в физический мир, конкуренция больше не происходит только на уровне моделей, а одновременно расширяется на аппаратные платформы, системную интеграцию, сбор данных, симуляционные среды,协同 цепочки поставок и внедрение в реальные сценарии. Другими словами, Physical AI приносит не точечное прорыв, а перестройку всей инфраструктурной системы.
Именно поэтому этот виток изменений для китайского мира, особенно для китайских предпринимателей, инженеров и инвесторов, может быть не просто новой волной технологического бума, но и редким窗口 структурных возможностей. В отличие от предыдущего раунда соревнований, в основном определяемого ресурсами для обучения больших моделей и суперкапиталом, Physical AI по своей природе больше зависит от复合ных способностей: нужно понимать алгоритмы и разбираться в инженерии; нужно уметь осуществлять системную协同, а также погружаться вглубь производственных,供应链 и отраслевых сценариев. Те команды, которые сочетают техническую глубину, способность к аппаратной协同 и видение индустрии Китая и США,反而 имеют больше шансов занять ключевые позиции в этом новом цикле.
Другими словами, Physical AI — это не просто новая история, которую рассказывают в Кремниевой долине, это也可能是 самый важный входной билет для китайцев в предстоящем витке глобальных изменений технологической инфраструктуры.
01 Вековое противостояние двух направлений: сторонники LLM vs. сторонники мировых моделей
За последние три года большие языковые модели (LLM) почти полностью определяли путь развития ИИ, их核心 парадигма основана на предсказании следующего токена (next-token prediction) с использованием огромных объемов текстовых данных. Но границы этой парадигмы也逐渐 проявляются: она может «описывать» физический мир, но не обладает исполняемым пониманием; ей не хватает способности моделировать причинно-следственные связи и физические ограничения; она также ограничена в连续ном принятии решений и долгосрочных задачах.
Поэтому一派 во главе с Янном Лекуном начал продвигать другой путь: Мировая модель (World Model) — предсказание «состояния», а не «текста». Ключевое различие между ними заключается в том, что LLM использует текст как объект обучения и язык как форму вывода, по сути оставаясь на уровне «познания и выражения»; whereas мировая модель использует состояние физического мира как объект моделирования, напрямую указывая на замкнутый цикл способностей «восприятие—решение—исполнение».
Это не только оценка Лекуна. В первом квартале 2026 года направление мировых моделей几乎 одновременно достигло нескольких ключевых успехов: AMI Labs с核心 архитектурой JEPA明确 сделала ставку на долгосрочную стратегию «сначала исследования, потом продукт»; World Labs, начав с «пространственного интеллекта», пытается заставить ИИ真正 понять отношения, occlusion и физические ограничения в трехмерном мире; Google DeepMind через Genie 3 продвигает генерацию динамических сред в реальном времени и использует их для обучения агентов.
Пути трех компаний разные, но они указывают на один и тот же тренд: Следующий скачок ИИ — это не просто генерация лучшего текста, а более точное моделирование мира и выполнение в нем действий.
02 Аппаратная война: Кто создает «тело»?
Мировая модель решает проблему «мозга» — как ИИ понимает физический мир. Но вторая половина поля битвы Physical AI同样激烈: кто будет создавать «тело»?
В 2026 году сектор гуманоидных роботов перешел от «демо в лаборатории» к阶段 «серийного производства на заводе». Несколько ключевых цифр:
Tesla Optimus Gen 3: Более 1000 единиц уже развернуты на заводах Gigafactory Texas и Fremont для выполнения задач по обработке деталей и сборке. Это крупнейшее в истории развертывание гуманоидных роботов на заводе. Tesla строит в Giga Texas специализированный завод годовой мощностью 10 миллионов единиц, цель — снизить себестоимость одной единицы до 20 тысяч долларов — два года назад средняя цена по отрасли составляла 5-25 тысяч долларов.
Boston Dynamics Atlas: Продуктовая версия Atlas на CES 2026, рост 6,2 фута, 56 степеней свободы, может поднимать грузы весом 110 фунтов. Более важно его «душа» — Boston Dynamics объявила о сотрудничестве с Google DeepMind по интеграции передовых базовых моделей в Atlas. Производственные мощности на 2026 год уже забронированы Hyundai и Google DeepMind, планируется завод мощностью 30000 единиц/год.
Figure 03: Figure AI при оценке в 39 миллиардов долларов привлекла 1 миллиард долларов (2025), ее Figure 02 за 11 месяцев пробной эксплуатации на заводе BMW Spartanburg участвовала в производстве более 30000 BMW X3, переместила более 90000 деталей,累计 отработала 1250 часов. Figure 03 на этой основе全面 модернизирована, оснащена 48+ степенями свободы и专属 платформой ИИ Helix.
Mind Robotics: В марте только что объявила о финансировании в 500 миллионов долларов,专注于 промышленное масштабирование развертывания роботов с ИИ.
Но в этой аппаратной гонке всплывает недооцененный环节: ловкие руки (Dexterous Hand).
Ноги гуманоидного робота решают проблему передвижения, туловище — проблему нагрузки, но то, что真正 определяет, может ли робот работать в сложной среде, — это руки. На примере Tesla Optimus, стоимость рук составляет 17% от стоимости всей машины, около 9500 долларов — это самый дорогой单一 компонент.
Ловкие руки сложны из-за фундаментального противоречия: пространство для пальцев слишком мало, чтобы поместить большие моторы; малые моторы не имеют достаточного крутящего момента, поэтому требуют редукторов с высоким передаточным числом для усиления силы; а редукторы с высоким передаточным числом приводят к инерционным искажениям, потере обратной связи по усилию и механическому износу — эти три проблемы на物理ческом уровне «отравляют» процесс обучения ИИ.
Ряд новых компаний пытается прорвать это узкое место. Некоторые используют архитектуру осевых магнитопотоковых моторов, чтобы сократить передаточное число с 288:1 до 15:1,实现 полностью реверсивно управляемую ловкую руку; другие через同步设计 перчаток для сбора данных позволяют нулевые потери при переносе данных о действиях человека на аппаратное обеспечение робота. Эти, казалось бы, небольшие аппаратные инновации, могут быть одной из самых ключевых инфраструктур во всей экосистеме Physical AI.
03 NVIDIA: «Продавец лопат» в эпоху Physical AI
В каждой технологической волне появляется «продавец лопат».
В эпоху больших моделей NVIDIA стала главным бенефициаром благодаря GPU и экосистеме CUDA; в эпоху Physical AI ее роль进一步升级 — не только提供 вычислительные мощности, а попытка построить整套 инфраструктуру для эпохи роботов.
На конференции GTC в марте 2026 года NVIDIA представила整套 платформенных возможностей,围绕 Physical AI: включая модель «визуальный-языковой-действие» Isaac GR00T для гуманоидных роботов, серию Cosmos для генерации大规模 синтетических данных, а также инструментарий, покрывающий обучение, оценку и развертывание (такие как Isaac Lab и OSMO). Эти возможности не являются точечными инструментами, а постепенно формируют полную систему разработки и эксплуатации.
Многие робототехнические компании, включая Boston Dynamics, Caterpillar, Franka Robotics, LG, NEURA Robotics, уже строят下一代 системы на платформе NVIDIA.
Их стратегия也非常清晰:
Не участвовать в конечных продуктах, а стать底层 стандартом для всей отрасли.
Если представить Physical AI как строящийся город, то NVIDIA одновременно提供 цемент, арматуру и электросеть.
04 Данные: Самый дефицитный «нефть» Physical AI
В мире больших языковых моделей интернет提供几乎无限的 текстовые данные. Но в Physical AI浮现更 фундаментальный вопрос:
Данные о манипуляциях в реальном мире极其稀缺.
Это делает данные одним из самых关键ных и дефицитных ресурсов во всей产业链.
В настоящее время отрасль в основном исследует три пути.
Путь реальных данных. На примере Physical Intelligence, ее модель π0 обучена на более чем 10000 часов реальных данных操作 роботов, покрывающих多种 типов роботов и задач,能够 выполнять сложные манипуляции (например, складывание одежды, сборка картонных коробок). Ее открытое распространение по сути提供 отрасли «базовую предварительно обученную основу для манипуляций».
Путь синтетических данных. Genie 3 от Google DeepMind и Cosmos от NVIDIA пытаются с помощью мировых моделей генерировать大规模 симуляционные среды,完成 обучение в виртуальном мире, а затем переносить его в реальный мир.核心 вызов этого пути — sim-to-real gap (разрыв между симуляцией и реальностью), но с повышением точности симуляции этот разрыв постепенно сокращается.
Путь телеоперации человеком. Через устройства like перчатки для сбора данных, действия человека直接映射руются в системы роботов. Этот способ дает данные最高ого качества, но все еще имеет ограничения по стоимости и возможности масштабирования.
Tesla пробует混合ный путь:通过持续 сбор видео действий человека на заводе для обучения двигательных способностей Optimus.
В долгосрочной перспективе конкурентный ландшафт Physical AI, вероятно, будет зависеть не от того, чья модель最优, а от того, у кого больше всего и最高окачественных данных о взаимодействии с физическим миром. Как только маховик данных начнет вращаться, его барьеры будут усиливаться экспоненциально.
05┃ Что говорят деньги: Полная карта финансирования Physical AI в 2026 Q1
Цифры не лгут. Вот ключевые события финансирования в области Physical AI в первом квартале 2026 года:
【Уровень мировых моделей】
· AMI Labs (Лекун) — $1,03 млрд, посевной раунд, оценка $35 млрд
· World Labs (Ли Фэй-Фэй) — $1 млрд, новый раунд, Autodesk инвестировал $200 млн
【Уровень базовых моделей】
· Physical Intelligence — ведутся переговоры о $1 млрд, новом раунде, оценка превысит $11 млрд
· RLWRLD — $41 млн, расширение посевного раунда
【Гуманоидные роботы (готовые изделия)】
· Figure AI — ранее при оценке в $39 млрд привлекла $1 млрд (2025)
· Mind Robotics — $500 млн, промышленное масштабирование развертывания
· Galaxea — $434 млн, Series B, единорог
· Humanoid — $290 млн, посевной раунд, прямой единорог
· Generative Bionics — €70 млн, посевной раунд
【Инфраструктура и инструменты】
· NVIDIA — продолжает инвестировать в платформы Isaac GR00T / Cosmos
· RoboForce — $52 млн, платформа рабочей силы Physical AI
Только по этим公开ным данным, в Q1 привлечено более $6,4 млрд. И это не включает внутренние инвестиции крупных компаний, таких как Tesla, Hyundai/Boston Dynamics, Google DeepMind.
Направление потока капитала говорит об одном: Physical AI уже прошла阶段 «доказательства концепции» и вступила в阶段 «строительства инфраструктуры». Инвесторы больше не спрашивают «можно ли использовать роботов», а спрашивают «чья инфраструктура позволит роботам масштабироваться быстрее всего».
06 Холодный анализ: Пузырь или переломный момент?
Конечно, в Кремниевой долине никогда не бывает недостатка в пузырях. Перед лицом ажиотажа вокруг Physical AI стоит задуматься над несколькими冷静ными вопросами:
Демо ≠ Развертывание. Как共识 участников отрасли на Давосе 2026: пропасть между впечатляющим демо и системой, которая может работать без сбоев 10000 раз подряд, гораздо больше, чем暗示ет реклама. Figure 02 на заводе BMW действительно участвовала в производстве 30000 автомобилей, но она выполняла относительно стандартизированную переноску деталей, а не ловкую сборку.
Sim-to-real по-прежнему крепкий орешек. Достоверность мировых моделей повышается, но长尾 сложность физического мира — изменения освещения, различия материалов, непредвиденные столкновения — остаются最大的 вызовом для пути синтетических данных.
Бизнес-модель еще не отработана. Сам Лекун говорит, что AMI Labs первый год будет заниматься только исследованиями. World Labs пробует модель бесплатно+платно. Physical Intelligence открыла исходный код核心ной модели. В настоящее время доходы этих компаний几乎 равны нулю, капитал ставит на парадигмальную монополию через 3-5 лет.
Серый носорог безопасности и регулирования. Когда тысячи роботов со способностью к автономному принятию решений войдут на заводы и даже в дома, кто будет нести ответственность за инциденты? В настоящее время глобальные рамки регулирования Physical AI几乎 пусты.
Но именно эти проблемы говорят о том, что мы находимся на ранней стадии технологического переломного момента, а не на вершине пузыря. Каждая настоящая смена парадигмы — интернет, смартфоны, облачные вычисления — на ранних стадиях сопровождалась阶段, когда «демо намного лучше продукта». Ключевое отличие在于: прогрессирует ли底层 технология по-настоящему, а не только презентация PowerPoint.
От архитектуры JEPA Лекуна, до генерации мира в реальном времени Genie 3, до способности к泛化 68 задач π0, до развертывания Optimus на уровне 1000 единиц на заводе — успехи Q1 2026 года являются реальными инженерными прорывами, а не замками на песке.
07 Physical AI — это не отдельное направление, это конечная форма ИИ.
Physical AI — это не новое направление, оно更像 одна из конечных форм ИИ.
Когда ИИ переходит от «понимания мира» к «входу в мир»,真正 переписывается не только граница возможностей моделей, но и способ отраслевого разделения труда и распределения стоимости. Будущая конкуренция будет происходить не только в параметрах моделей и кластерах вычислительных мощностей, но также в роботизированных платформах, ловких руках, сборе данных, симуляционных системах, отраслевых сценариях и способности组织 цепочки поставок.
Именно поэтому этот виток особенно важен для китайцев.
Потому что за последние двадцать лет одним из самых глубоких накоплений китайцев从来不是单一技术标签, а способность真正 связать передовые технологии, инженерное исполнение, аппаратное производство и межрегиональную отраслевую协同. Будь то предприниматели, инженеры, инвесторы или организаторы отраслевых ресурсов, те, кто сможет抓住这一轮 миграции от цифрового интеллекта к физическому, получат возможность не просто участвовать в тренде, а на некоторых ключевых уровнях стать частью самого тренда.
2026 год, возможно, еще далек от зрелости Physical AI; но именно потому, что он еще на ранней стадии,窗口 только открывается. Для китайцев это, возможно, не очередной цикл «участия по следам», а новая отправная точка, которая дает больше возможностей для глубокого проникновения на уровни инфраструктуры, платформ и ключевых компонентов.
Статья из WeChat Official Account «硅兔君» (ID:gh_1faae33d0655), автор: 硅兔君
