市场趋势：物理AI推动人工智能向具身智能迈进

根据XM外汇官网APP的市场身智报道，IDC指出，趋势随着人工智能技术向机器人和自动驾驶汽车等自主机系统的物理渗透，对物理交互能力的推动需求日益增长，物理AI（Physical AI）应运而生。人工其核心在于使自主机器具备在真实世界中进行“感知—理解—执行”的向具闭环能力，这是市场身智人工智能向具身智能转型的重要桥梁。

IDC最近发布的趋势报告《物理AI时代来临：仿真先行、云端训练到端侧部署，物理具身智能机器人迈向高效落地》指出：

物理AI是推动利用人工智能技术对现实世界进行理解、推理与交互的人工模型，通常应用于机器人和自动驾驶汽车等自主机械体。向具

物理AI时代的市场身智到来与市场发展

物理交互的需求推动了物理AI的发展。

随着机器人和无人系统在制造、趋势医疗和物流等领域的物理广泛应用，用户对智能化的要求逐步提高，不仅要具备识别和理解能力，还需在真实环境中稳定感知、决策和执行。这种对类人感知、自主决策及精准执行能力的需求，正是物理AI发展的主要驱动力。

AI技术加速助力物理实体。

从视觉感知模型、决策控制算法，到大规模预训练模型与强化学习框架，人工智能正在为机器人和自动驾驶系统提供更强的自主学习与执行能力。

物理AI面临的挑战及计算平台支持

在机器人、汽车等自主智能设备中的物理AI应用当前面临三大技术挑战：

- 泛化能力不足：模型需突破环境、任务和硬件本身的限制，以在复杂多变的现实场景中稳定执行。

- 数据稀缺与高成本：训练物理模型需要大量高质量的数据，现实中的数据采集成本高且难以覆盖极端场景。

- 端侧部署受限：算力、功耗和体积的限制使得物理模型难以高效运行，实时“感知—决策—执行”的闭环面临挑战。

应对这些挑战，先进的计算架构是实现具身智能落地的核心支持。当前有三大计算平台在物理AI发展中协同作用，从模型训练到应用部署，确保自主智能体在复杂动态的现实环境中高效全面地感知、决策与执行：

- 认知训练平台：提供强大的算力，通过多模态感知与决策训练，持续优化具身智能模型的能力。

- 虚拟仿真平台：结合高精度物理引擎与数字孪生技术，生成真实可复现的训练数据，低成本优化操作及导航技能。

- 实时部署平台：基于高性能推理计算资源，将训练出的模型迅速应用于端侧设备，完成“感知—决策—执行”的闭环。

未来展望：具身智能机器人快速崛起

随着物理AI及其计算平台的持续进步，具身智能机器人将成为物理AI时代的重要发展方向，应用的落地进程也日益加快。IDC预测，到2029年，全球机器人市场规模将超过4,000亿美元，具身智能机器人预计将占市场的30%以上，引领机器人向通用化与自主化的高阶阶段发展。

IDC中国新兴技术研究部的研究经理李君兰表示：

物理AI在机器人领域的实施将依托“三大计算平台”，按照“仿真先行—云端训练—端侧部署”的路径迅速推进。虚拟仿真平台提供低成本高复现的训练数据，认知训练依托云端算力加速模型的训练，实时部署平台则聚焦提升普通设备的运算效率。