作者：Syed Armani
編譯：Felix, PANews
AI 不再侷限於屏幕和軟件。隨著 AI 與機器人技術的融合，機器正逐漸獲得感知世界、解釋不斷變化的條件並實時採取行動的能力。這種向智能物理系統（即物理 AI）的轉變正開始重塑各個行業，並有望隨著技術的成熟影響日常家庭生活。
機器人領域的創新正以前所未有的速度激增。Figure 最近推出了專為家庭和商業應用設計的 Figure 03 人形機器人。它可以完成一些家務，如疊衣服和裝洗碗機，但還不夠完美。特斯拉正在工廠車間有限的內部試點項目中運行 Optimus 人形機器人。自主無人機和足式機器人正越來越多地被用於危險的檢查任務。與此同時，宇樹科技以及 FlexiTac 等觸覺技術正致力於讓機器人在雜亂的家庭環境中穿梭，確保在寵物和兒童周圍安全活動，並協助處理日常瑣事。智能機器人一旦準備就緒，將注重通用智能和情境感知，例如，無需明確指令即可識別出灑出的一杯水需要處理。
投資者正在將大量資金投入到有望支撐下一代機器人硬件的技術棧中。2026 年 1 月，Skild AI 在 C 輪融資中籌集了 14 億美元，估值達到 140 億美元，以擴展其通用機器人基礎模型；而 Figure AI 在其 2025 年的 C 輪融資中籌集了超 10 億美元，投後估值達 390 億美元，用於擴大人類製造能力和工業部署。Apptronik 將其 A 輪融資擴大至 9.35 億美元，NEURA Robotics 在其 B 輪融資中增加了 1.2 億歐元。這些都突顯出一個日益增長的共識：物理 AI 正在成為消費和工業機器人的戰略基礎。
智能機器人普及的拐點到了嗎？
目前在該領域看到的加速發展，是多種技術融合的結果。幾十年來，構成智能機器人的各個模塊都是獨立開發的，例如先進的 AI 算法、高保真傳感器、機械臂和實時控制系統。直到最近，這些模塊才開始融合，使機器人能在真實環境中有效地感知、推理和行動。以下是推動這一“機器人技術拐點”的關鍵因素：
經濟因素：硬件終於實現了商品化。過去，機器人價格昂貴，因為每個部件都是定製的。現在，它們受益於消費電子產品和電動汽車的供應鏈。
執行器：高扭矩人形機器人的執行器歷來價格昂貴，在小批量工業系統中，每個關節的成本通常超 1000 美元。而特斯拉和宇樹科技等公司推出的新型垂直集成設計，正將部分執行器組件的成本降低到數百美元。
傳感器：過去十年，激光雷達和深度攝像頭的成本大幅下降。曾經售價約 1 萬美元的高端設備，如今只需幾百美元。這得益於固態設計的進步、大規模生產以及在汽車和移動設備領域的應用。
電池：全球對電動汽車的大規模投資降低了高密度鋰離子電池的成本，並提高了其可靠性，許多機器人單次充電即可運行 2-4 小時。
邊緣計算：機器人必須在本地處理信息，因為諸如平衡或抓取物體之類的實時控制任務不允許網絡延遲。英偉達的 Jetson Thor 等芯片專為在板載運行 AI 推理而設計，同時處理多個傳感器數據流。這使得機器人能在本地處理和跟蹤其環境，無需依賴網絡連接即可快速響應不斷變化的環境。
“大腦”突破（AI 模型）： 這是最大的變化。從“if/then”編程轉向了“世界模型（World Models）”。世界模型是一種通過觀看視頻來學習現實世界運作方式的 AI 模型。不再通過編程讓機器人“轉動門把手”，而是向其展示 1 萬個開門的視頻。AI 只需觀察視頻，就能構建出關於物理學運作方式的思維模型，培養出物理直覺並在採取行動之前在心理上模擬場景。Google Deepmind Genie 3 和 NVIDIA Cosmos 就是這類新型世界模型的範例。
在機器更加智能的同時，成本也在持續下降。例如，Noetix Bumi（售價 1400 美元）機器人現在的價格與 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強，這些因素共同作用，使得智能機器人更容易被大眾接受，並將研發範圍從尖端科技實驗室擴展到更廣泛的領域。
如果機器人領域的“ChatGPT 時刻”在不久後到來，很可能會首先看到工業和物流領域的應用，然後才是真正意義上的家用人形機器人。儘管在智能機器人真正普及之前仍面臨諸多挑戰，但理性的樂觀主義者會意識到，目前的趨勢正指向一個未來，即智能機器人被廣泛應用的可能性越來越大。
重大的軟件突破通常伴隨著硬件的突破。Instagram 和 TikTok 的出現，正是得益於必要的硬件。如果智能機器人硬件在不久的將來能大規模普及，那麼一個有趣的問題就出現了：機器人應用程序會是下一波浪潮嗎？
目前有哪些挑戰阻礙了這一發展勢頭？
機器人訓練數據：這是通用智能機器人發展面臨的最大瓶頸。與可以抓取整個互聯網的文本 AI 不同，機器人需要現實世界的經驗，例如感受力、保持平衡以及與物體互動等。收集這類數據既緩慢又昂貴，而且非常耗費人力。
“物理性”問題：觀看視頻無法完全教會機器人如何操作物體或安全移動，它必須親身感受力和接觸。遠程操作，即由人實時引導機器人，可以同時捕捉意圖和力，是數據收集的最佳標準。生成數百小時的高質量數據，需要操作員全程在場，其擴展性遠不及數字數據收集。
仿真與現實的差距：仿真可以低成本的生成大量數據，但由於物理現象未建模或環境不可預測，機器人將技能轉移到現實世界時經常失敗。
鏈上機器經濟
區塊鏈與機器人的結合為機器人技術當前面臨的挑戰提供了一種切實可行的解決方案。代幣激勵機制可以幫助協調數百萬臺機器人，並獎勵遠程操作設備或傳感器數據的貢獻者。每一次交互都成為寶貴的數據資產，構建出一個快速增長、社區所有的機器人數據集，其規模遠超任何單一公司。
數據收集的代幣化
機器人數據極具價值，但現實世界的傳感和交互數據卻十分稀缺。大型公司通過其車隊收集海量的駕駛和工業數據，賦予獨立開發者無法企及的規模優勢。
去中心化物理 AI 允許用戶遠程操控機器人或貢獻傳感器數據，並獲得代幣激勵。去中心化網絡可在全球範圍內協調成千上萬的愛好者，幫助機器人應對複雜路面，或特殊環境的貢獻者可以上傳數據並獲得獎勵。儘管這些平臺仍處於早期階段，但它們預示著未來機器人數據可以更廣泛地共享，削弱少數大型企業的壟斷地位。
機器人作為經濟主體
在“機器人即服務”模式中，智能機器人本身可以成為“代幣化”資產。每個機器人（或使用權）可以由數字代幣代表，允許多個用戶擁有或租賃。支付給機器人的服務費可以通過代幣或穩定幣直接打入機器人的錢包。這種設置實現了自主創收：機器人通過工作賺錢，支付自身的運營成本，並自動向代幣持有者分配利潤。本質上，這是一種 Web3 協議，它將機器人轉變為可編程、自給自足的服務提供商，並擁有透明且可追蹤的收益。
物理 AI 市場版圖
隨著新一代智能機器學習和理解三維世界中紛繁複雜的現實，數字智能與物理行為之間的界限正在消失。
這場革命的核心是 AI 模型。由 Physical Intelligence 和 Skild AI 開發的複雜“大腦”超越了靜態代碼，為各種物理形態提供了通用智能。這些模型讓機器人將敏捷性和移動性視為軟件問題，使單一統一的“大腦”能夠適應多種機器人身體。這種智能層由仿真平臺和數據管道支持（例如 Zeromatter 提供的平臺），允許系統在虛擬環境中安全訓練後再部署到現實世界。
與機器人大腦一同發展的是去中心化物理 AI。例如，去中心化基礎設施網絡 Fabric Protocol 為自主機器人提供鏈上身份和加密錢包，並使用密碼學驗證機器工作。像 Auki、Peaq 和 IoTeX 這樣的公司正在構建一個“機器經濟”，機器人可以在其中共享 3D 地圖、驗證數據並自主交易。這種去中心化的方法確保了協調層不受單一企業的控制。
在工業領域，Bedrock Robotics 的自動駕駛建築設備和 Mytra 的倉庫自動化正在重新定義勞動力，ANYbotics 則在危險環境中處理日常維護工作。同時，隨著 Figure 和宇樹科技的推進，消費市場在家庭助理方面的突破指日可待。
2030 年展望
從理性樂觀的角度來看，機器人技術的復興已然來臨。四股不可阻擋力量正在融合：硬件成本直線下跌，AI 模型智能不斷攀升，邊緣計算芯片提供空前算力，全球產業工人有望解決數據難題。到 2030 年，這種協同效應將推動物理 AI 滲透到世界各個角落，從自主農業到消防和養老護理等高風險領域。
歷史表明，變革性的軟件創新通常發生在硬件穩定之後。或許將迎來“智能租賃”時代，屆時標準化人形機器人將運行標準操作系統並集成應用商店。正如之前的智能手機革命一樣，未來幾年將由“機器人應用商店”定義，用戶無需購買專用設備，而是訂閱機器人的技能。在這種模式下，價值從機器本身轉移到它能夠執行的特定“技能”。你無需購買專門的法語輔導機器人，只需在你的通用人形機器人上下載一個“法語技能應用”，它就能成為你的法語老師。到 2030 年，對於富裕人士來說，首選的節日禮物將不再是旗艦摺疊屏手機，而是能真正幫助管理家務的智能助手。
這一預測建立在理性的樂觀主義之上，儘管通往未來的道路很少是坦途，但種種技術融合正預示著一場深刻的機器技術變革。
