从屏幕走向车间，人工智能正在发生一次关键转向。继生成式人工智能在文本、图像等领域取得突破后，能够理解三维空间关系、接入传感器数据，并将其转化为机器人可执行动作的物理智能，正成为全球科技竞逐的新焦点。这不仅是技术升级，也在重塑产业运行逻辑。 传统生成式人工智能在应对现实世界的物理规律时短板明显。它能生成文案、绘制插画，但在需要理解重力、摩擦力、材料特性等物理约束的任务面前往往难以胜任。物理智能则在一定程度上补上了这块缺口。通过整合三维空间感知、传感器数据采集与处理、动作指令生成等能力，机器得以更准确地感知环境并完成现实中的操作。 此进展的影响不止于技术。专家认为，物理智能给企业带来的价值体现在多个层面：在成本结构上，智能体系统突破了传统劳动力的时间与空间限制；在组织形态上，企业正进入更紧密的人机协作阶段；在竞争逻辑上——产业从单纯的规模标准化——转向规模化与个性化并行。这将提升企业的市场响应能力与国际竞争力。 中国制造业处在这轮变革的前沿。在智能制造场景中，搭载物理智能的产线可实时感知物料位置、检测缺陷，并动态优化生产节奏，相比依赖固定程序的传统产线更具弹性。多台自主移动机器人在车间协同作业时，不仅能绕开静态障碍，还能预判工人行走路径并主动避让，提升人机协同的安全性与效率。国际数据公司预测，到2026年，超过40%已部署高级计划与排程系统的中国制造商将升级为人工智能赋能系统，开始实现更高程度的流程自主化。 中国在该领域的落地正在提速。今年初，阿里巴巴达摩院发布开源物理智能模型，可帮助机器人在工厂流水线和复杂环境中识别物体、预测轨迹、规划路径。工业和信息化部数据显示，2025年国内人形机器人整机企业已超过140家，发布产品超过330款。多位专家预测，2026年国内人形机器人产量可能突破10万台。这些信号表明，物理智能的产业化正在加速。 不过，物理智能的发展并不轻松，仍面临多重挑战。首先是虚实转换的难题。机器人即便在高精度模拟环境中训练成熟，进入真实场景后仍可能因细微差异导致误差上升。要构建覆盖从材料特性到大型制造设施的可验证世界模型，成本高、门槛高。 其次是安全与责任界定。在物理系统中，极小的错误也可能引发连锁反应。与虚拟世界不同，这不仅关乎经济损失，也涉及人身安全和责任追溯。当人工智能的错误决策造成实体损害时，责任如何认定、如何追责，需要法律、伦理与技术合力推进，形成相匹配的治理框架。 能源压力同样难以回避。国际能源署预测，到2030年，全球数据中心用电需求将增长一倍以上，人工智能将成为用电增加的重要推动因素。在“双碳”目标背景下，如何在推进物理智能应用与控制能源消耗之间找到平衡，是产业必须回答的问题。 面对挑战，业界普遍认为需要建立多维度应对机制：在技术层面，加强虚实转换基础研究，降低从模拟到现实的落地成本；在制度层面，完善人工智能在物理世界应用的法律框架与伦理规范；在能源层面，推进绿色计算，提高能源利用效率。同时，也需要更有效的科技传播机制，让中国在物理智能领域的创新与实践被国际社会更充分地理解与看见。
从信息世界的“会说会写”——到物理世界的“能干会做”——这场变化不仅意味着技术路径的调整，更指向产业组织方式与竞争规则的重塑。把握机遇的关键，是在真实场景中加快落地，同时守住安全与绿色底线，以更高水平的工程化、标准化与治理能力，把新技术转化为可持续的现实生产力。