作者:Syed Armani
编译:Felix, PANews
AI 不再局限于屏幕和软件。随着 AI 与机器人技术的融合,机器正逐渐获得感知世界、解释不断变化的条件并实时采取行动的能力。这种向智能物理系统(即物理 AI)的转变正开始重塑各个行业,并有望随着技术的成熟影响日常家庭生活。
机器人领域的创新正以前所未有的速度激增。Figure 最近推出了专为家庭和商业应用设计的 Figure 03 人形机器人。它可以完成一些家务,如叠衣服和装洗碗机,但还不够完美。特斯拉正在工厂车间有限的内部试点项目中运行 Optimus 人形机器人。自主无人机和足式机器人正越来越多地被用于危险的检查任务。与此同时,宇树科技以及 FlexiTac 等触觉技术正致力于让机器人在杂乱的家庭环境中穿梭,确保在宠物和儿童周围安全活动,并协助处理日常琐事。智能机器人一旦准备就绪,将注重通用智能和情境感知,例如,无需明确指令即可识别出洒出的一杯水需要处理。
投资者正在将大量资金投入到有望支撑下一代机器人硬件的技术栈中。2026 年 1 月,Skild AI 在 C 轮融资中筹集了 14 亿美元,估值达到 140 亿美元,以扩展其通用机器人基础模型;而 Figure AI 在其 2025 年的 C 轮融资中筹集了超 10 亿美元,投后估值达 390 亿美元,用于扩大人类制造能力和工业部署。Apptronik 将其 A 轮融资扩大至 9.35 亿美元,NEURA Robotics 在其 B 轮融资中增加了 1.2 亿欧元。这些都突显出一个日益增长的共识:物理 AI 正在成为消费和工业机器人的战略基础。
智能机器人普及的拐点到了吗?
目前在该领域看到的加速发展,是多种技术融合的结果。几十年来,构成智能机器人的各个模块都是独立开发的,例如先进的 AI 算法、高保真传感器、机械臂和实时控制系统。直到最近,这些模块才开始融合,使机器人能在真实环境中有效地感知、推理和行动。以下是推动这一“机器人技术拐点”的关键因素:
经济因素:硬件终于实现了商品化。过去,机器人价格昂贵,因为每个部件都是定制的。现在,它们受益于消费电子产品和电动汽车的供应链。
-
执行器:高扭矩人形机器人的执行器历来价格昂贵,在小批量工业系统中,每个关节的成本通常超 1000 美元。而特斯拉和宇树科技等公司推出的新型垂直集成设计,正将部分执行器组件的成本降低到数百美元。
-
传感器:过去十年,激光雷达和深度摄像头的成本大幅下降。曾经售价约 1 万美元的高端设备,如今只需几百美元。这得益于固态设计的进步、大规模生产以及在汽车和移动设备领域的应用。
-
电池:全球对电动汽车的大规模投资降低了高密度锂离子电池的成本,并提高了其可靠性,许多机器人单次充电即可运行 2-4 小时。
边缘计算:机器人必须在本地处理信息,因为诸如平衡或抓取物体之类的实时控制任务不允许网络延迟。英伟达的 Jetson Thor 等芯片专为在板载运行 AI 推理而设计,同时处理多个传感器数据流。这使得机器人能在本地处理和跟踪其环境,无需依赖网络连接即可快速响应不断变化的环境。
“大脑”突破(AI 模型): 这是最大的变化。从“if/then”编程转向了“世界模型(World Models)”。世界模型是一种通过观看视频来学习现实世界运作方式的 AI 模型。不再通过编程让机器人“转动门把手”,而是向其展示 1 万个开门的视频。AI 只需观察视频,就能构建出关于物理学运作方式的思维模型,培养出物理直觉并在采取行动之前在心理上模拟场景。Google Deepmind Genie 3 和 NVIDIA Cosmos 就是这类新型世界模型的范例。
在机器更加智能的同时,成本也在持续下降。例如,Noetix Bumi(售价 1400 美元)机器人现在的价格与 iPhone 17 Pro Max 大致相同。硬件成本下降、AI 芯片性能提升以及世界模型能力增强,这些因素共同作用,使得智能机器人更容易被大众接受,并将研发范围从尖端科技实验室扩展到更广泛的领域。
如果机器人领域的“ChatGPT 时刻”在不久后到来,很可能会首先看到工业和物流领域的应用,然后才是真正意义上的家用人形机器人。尽管在智能机器人真正普及之前仍面临诸多挑战,但理性的乐观主义者会意识到,目前的趋势正指向一个未来,即智能机器人被广泛应用的可能性越来越大。
重大的软件突破通常伴随着硬件的突破。Instagram 和 TikTok 的出现,正是得益于必要的硬件。如果智能机器人硬件在不久的将来能大规模普及,那么一个有趣的问题就出现了:机器人应用程序会是下一波浪潮吗?
目前有哪些挑战阻碍了这一发展势头?
机器人训练数据:这是通用智能机器人发展面临的最大瓶颈。与可以抓取整个互联网的文本 AI 不同,机器人需要现实世界的经验,例如感受力、保持平衡以及与物体互动等。收集这类数据既缓慢又昂贵,而且非常耗费人力。
“物理性”问题:观看视频无法完全教会机器人如何操作物体或安全移动,它必须亲身感受力和接触。远程操作,即由人实时引导机器人,可以同时捕捉意图和力,是数据收集的最佳标准。生成数百小时的高质量数据,需要操作员全程在场,其扩展性远不及数字数据收集。
仿真与现实的差距:仿真可以低成本的生成大量数据,但由于物理现象未建模或环境不可预测,机器人将技能转移到现实世界时经常失败。
链上机器经济
区块链与机器人的结合为机器人技术当前面临的挑战提供了一种切实可行的解决方案。代币激励机制可以帮助协调数百万台机器人,并奖励远程操作设备或传感器数据的贡献者。每一次交互都成为宝贵的数据资产,构建出一个快速增长、社区所有的机器人数据集,其规模远超任何单一公司。
数据收集的代币化
机器人数据极具价值,但现实世界的传感和交互数据却十分稀缺。大型公司通过其车队收集海量的驾驶和工业数据,赋予独立开发者无法企及的规模优势。
去中心化物理 AI 允许用户远程操控机器人或贡献传感器数据,并获得代币激励。去中心化网络可在全球范围内协调成千上万的爱好者,帮助机器人应对复杂路面,或特殊环境的贡献者可以上传数据并获得奖励。尽管这些平台仍处于早期阶段,但它们预示着未来机器人数据可以更广泛地共享,削弱少数大型企业的垄断地位。
机器人作为经济主体
在“机器人即服务”模式中,智能机器人本身可以成为“代币化”资产。每个机器人(或使用权)可以由数字代币代表,允许多个用户拥有或租赁。支付给机器人的服务费可以通过代币或稳定币直接打入机器人的钱包。这种设置实现了自主创收:机器人通过工作赚钱,支付自身的运营成本,并自动向代币持有者分配利润。本质上,这是一种 Web3 协议,它将机器人转变为可编程、自给自足的服务提供商,并拥有透明且可追踪的收益。
物理 AI 市场版图
随着新一代智能机器学习和理解三维世界中纷繁复杂的现实,数字智能与物理行为之间的界限正在消失。
这场革命的核心是 AI 模型。由 Physical Intelligence 和 Skild AI 开发的复杂“大脑”超越了静态代码,为各种物理形态提供了通用智能。这些模型让机器人将敏捷性和移动性视为软件问题,使单一统一的“大脑”能够适应多种机器人身体。这种智能层由仿真平台和数据管道支持(例如 Zeromatter 提供的平台),允许系统在虚拟环境中安全训练后再部署到现实世界。
与机器人大脑一同发展的是去中心化物理 AI。例如,去中心化基础设施网络 Fabric Protocol 为自主机器人提供链上身份和加密钱包,并使用密码学验证机器工作。像 Auki、Peaq 和 IoTeX 这样的公司正在构建一个“机器经济”,机器人可以在其中共享 3D 地图、验证数据并自主交易。这种去中心化的方法确保了协调层不受单一企业的控制。
在工业领域,Bedrock Robotics 的自动驾驶建筑设备和 Mytra 的仓库自动化正在重新定义劳动力,ANYbotics 则在危险环境中处理日常维护工作。同时,随着 Figure 和宇树科技的推进,消费市场在家庭助理方面的突破指日可待。
2030 年展望
从理性乐观的角度来看,机器人技术的复兴已然来临。四股不可阻挡力量正在融合:硬件成本直线下跌,AI 模型智能不断攀升,边缘计算芯片提供空前算力,全球产业工人有望解决数据难题。到 2030 年,这种协同效应将推动物理 AI 渗透到世界各个角落,从自主农业到消防和养老护理等高风险领域。
历史表明,变革性的软件创新通常发生在硬件稳定之后。或许将迎来“智能租赁”时代,届时标准化人形机器人将运行标准操作系统并集成应用商店。正如之前的智能手机革命一样,未来几年将由“机器人应用商店”定义,用户无需购买专用设备,而是订阅机器人的技能。在这种模式下,价值从机器本身转移到它能够执行的特定“技能”。你无需购买专门的法语辅导机器人,只需在你的通用人形机器人上下载一个“法语技能应用”,它就能成为你的法语老师。到 2030 年,对于富裕人士来说,首选的节日礼物将不再是旗舰折叠屏手机,而是能真正帮助管理家务的智能助手。
这一预测建立在理性的乐观主义之上,尽管通往未来的道路很少是坦途,但种种技术融合正预示着一场深刻的机器技术变革。
相关阅读:当机器人学会思考、赚钱和协作,解析15类机器人技术和应用案例
