在人工智能的浪潮中，随着大模型（LLM）的爆发，一个新的概念逐渐占据行业视野——Physical AI（物理 AI）。然而，对于这一领域的未来走向，一位拥有深厚行业背景的资深人士提出了截然不同的见解。
NVIDIA 前机器人产品营销负责人 Amulya Vishwanath，如今作为一名活跃的投资人，在接受 TechCrunch 采访时指出，物理 AI 目前正处于一个类似于“乐高时代”的积累阶段。这一观点不仅挑战了当前市场对于通用基础模型将迅速解决物理世界问题的乐观预期，也为行业提供了更为冷静的思考视角。
“乐高时代”：基础组件仍在重建
Vishwanath 将当前物理 AI 的发展比作孩童搭建乐高积木的早期阶段。在这个阶段，虽然有了基本的积木（组件），但积木之间的咬合度、标准化程度以及整体的搭建逻辑仍在不断摸索和完善中。
他强调，物理 AI 的核心不仅仅是制造机器人，而是如何将数字智能与物理实体无缝结合。目前，支撑这一结合的基础构件——包括执行器、机械手、底层软件架构以及安全标准——都在经历一场彻底的重建和优化。这些硬件和软件组件尚未达到大规模普及所需的成熟度和标准化水平。
通用模型并非万能药
当前，业界普遍存在一种观点，认为类似 ChatGPT 的大语言模型一旦出现，就能像通过文本生成一样，瞬间赋予机器人通用的智能。然而，Vishwanath 对此持保留态度。
他指出，大模型擅长处理概率性的文本生成，但物理世界是确定性的，充满了不可预测的变量。机器人面临的挑战不仅仅是“理解”语言，更在于如何在复杂的物理环境中安全、精确地执行动作。这种从“感知”到“决策”再到“行动”的闭环，远比单纯的语言处理要复杂得多。因此，单纯依赖通用的软件模型，而忽视底层物理组件的进化，很难真正实现物理 AI 的突破。
Physical AI 的真正内涵
Vishwanath 认为，Physical AI 的本质是一种融合。它要求技术不仅要具备强大的计算能力和算法逻辑，还要有能够适应物理环境的硬件基础。这就像是一辆超级跑车，如果没有高性能的引擎和传动系统，仅仅依靠一个先进的导航系统是无法跑得快的。
在投资人眼中，这意味着机会不仅存在于算法层面的初创公司，更存在于那些能够提供高性能执行器、精密传感器以及构建安全标准的企业。只有当这些“乐高积木”足够坚固和标准时，构建出复杂的物理智能系统才成为可能。
行业展望：回归务实
Vishwanath 的观点为狂热的科技投资市场泼了一盆冷水，但也指明了方向。物理 AI 的落地不会一蹴而就，它需要硬件和软件的协同进化。对于投资者和创业者而言，与其盲目追逐通用模型的炒作，不如沉下心来打磨基础组件，解决物理世界中的具体问题。
正如 Vishwanath 所言，物理 AI 不仅仅是关于机器人的故事，它是关于如何让智能在物理世界中真正“活”过来的宏大叙事。在这场漫长的“乐高搭建”过程中，耐心和务实将成为胜出的关键。
信息来源：AI News & Artificial Intelligence | TechCrunch，原文链接：https://techcrunch.com/podcast/physical-ai-is-more-than-robots-says-the-nvidia-veteran-now-investing-in-it/
封面图片来源：Unsplash / 摄影师 Brecht Corbeel
