5月20日，全球AI芯片巨头英伟达宣布在新加坡设立其首个具身智能（Embodied AI）研发中心。这不仅是英伟达在亚太地区的第二处同类研发机构，更被视为其将"物理AI"从概念宣言推向产业落地的关键落子。

无独有偶，波场创始人孙宇晨近日也公开断言：“普通虚拟AI红利已经结束，未来3年唯一主线是物理AI。”

两条看似平行的行业动态，实则交汇于同一个产业共识：人工智能的竞争逻辑正在经历一场根本性的范式转换——从比拼大模型参数规模的“数字智能”竞赛，全面转向读懂物理世界运行规律的“物理智能”角逐。

这一转变，标志着全球AI产业正站在从生成式AI向物理AI迭代跃迁的历史性拐点。

“物理AI”启幕，万亿级蓝海正在打开

“物理AI”（Physical AI）的学术源头，可追溯至2020年发表于《Nature Machine Intelligence》的一篇开创性论文。彼时，研究者将其定义为“能够执行与智能生物相关任务的物理系统理论与实践”。

从学术概念到产业共识，物理AI经历了五年的酝酿与积累。2025年，黄仁勋在链博会上率先将物理AI定义为"人工智能下一波核心浪潮"；2026年CES大会上，他再次重申这一产业爆发节点。行业共识的持续强化，印证了物理AI已从实验室的前沿探索，正式迈入产业化的关键窗口期。

物理AI的本质，是给聪明的“大脑”装上能看的“眼睛”、能动的“身体”。 AI不再仅仅是处理数据的信息系统，而是要真正理解重力、摩擦力、惯性等物理规律，从而“懂得干活”。这意味着AI系统必须具备在真实世界中"感知—推理—行动—反馈"的完整闭环能力——这恰恰是传统生成式AI所不具备的物理世界交互基因。

当前，物理AI的市场空间正在以惊人的速度扩容。

物理AI所覆盖的具身智能、人形机器人、工业柔性制造、智能驾驶、医疗机器人等领域，正在汇聚成一个万亿级的产业蓝海。巴克莱银行(Barclays)预计，到2035年，整个物理AI市场规模可能达到5000亿美元至1.4万亿美元。据国际知名咨询机构沙利文预测，到2030年，中国物理AI仿真及数据平台市场规模将突破1800亿元人民币。

物理AI行业拐点的到来，是多重产业条件全面成熟的必然结果。多模态大模型、高保真仿真环境、机器人硬件产业链日趋完善，形成完备的底层支撑；需求端，工业智造、智能物流、自动驾驶、特种作业等场景需求集中爆发，叠加无人出行等终端应用快速渗透，物理AI加速迈入商业化落地阶段。

眼下，全球科技巨头已全线重兵押注物理AI赛道。从芯片巨头到云服务商，从机器人企业到汽车制造商，物理AI正成为新一轮科技竞争的战略制高点。

边缘计算：物理AI落地的"大脑皮层"

产业条件的成熟与巨头的重兵押注，让物理AI的落地从“能不能”变成了“快不快”。但当物理AI走向规模化部署，一个更深层的挑战浮出水面：现有的算力架构，能否支撑复杂多变的真实物理场景？

过去的AI大模型更多依托云端的超强算力完成数据处理和推理，终端设备只是简单的“传声筒”。而在物理AI时代，机器需要即时响应、数据无需跨网传输、隐私必须本地保护——边缘计算不再是云计算的补充，而是成为了物理AI时代的“第一现场”与核心刚需。

这一战略地位已获得产业顶层的强力确认。在最新的财报中，英伟达首次将“边缘计算”单列为独立板块，明确涵盖用于物理AI和代理式AI的数据处理设备。这一举动向市场释放了强烈信号：没有边缘计算，Agent AI和物理AI就无法真正落地。

剖析物理AI的运行流程，边缘计算的核心价值不可替代：

1. 感知与认知：算力卸载，释放端侧压力

物理AI需实时处理来自激光雷达、毫米波雷达、触觉传感器等多模态海量数据，且具身大模型参数量激增。端侧设备受限于散热与续航，难以独立支撑。边缘计算作为距离设备最近的“算力卸载点”，能高效融合多传感器数据，流畅运行复杂场景理解模型，极大释放端侧压力。

2. 决策与执行：全局视角，统筹群体智能

端侧设备天然存在“单体视野”局限。在无人工厂、智慧物流等多机协同场景中，极易导致路径冲突。边缘节点能提供“全局视角”，统筹路径规划与防碰撞调度，实现从“单机智能”向“群体智能”的跨越。同时，它也是关键的安全防线，能在端侧AI偶发异常时实现毫秒级急停接管。

3. 学习与进化：数据不出域，场景越用越聪明

物理AI的进化依赖于对长尾场景（Corner Cases）的持续学习。海量数据直传云端不仅面临带宽延迟，更存在严峻的商业隐私风险。边缘计算通过联邦学习等技术，在本地完成经验聚合与模型微调，确保“数据不出域”的同时，实现分布式进化，让AI在特定场景中越用越聪明。

全球玩家纷纷布局

在这股浪潮中，边缘计算产业正经历从"连接管道"到"智能底座"的价值重构。以下从硬件、软件、服务三个维度，剖析主要玩家的动作。

• 边缘硬件

NVIDIA提出了"三台计算机"解决方案——云端DGX训练、Omniverse仿真、Jetson边缘部署——并配套推出Isaac GR00T N1.5 VLA模型、Cosmos世界基础模型，试图构建"机器人领域的安卓生态"。宇树科技、优必选Walker S2、Figure AI等主流人形机器人已采用Jetson作为核心算力。

华为昇腾310P已成为边缘AI标杆平台，截至2025年生态已发展80多家硬件伙伴，推出200多款场景化产品。华为云还将CloudRobo具身智能平台引入多地创新中心，覆盖工业机器人、人形机器人、复合机器人等全品类。

此外，高通推出Ventuno Q单板计算机，AMD以Xilinx FPGA和Ryzen Embedded系列切入工业自动化，Hailo、银牛微电子等新锐则以高能效比和3D视觉感知芯片争夺细分赛道。

• 边缘软件

NVIDIA的软件栈最为完整：Isaac Sim/Lab提供开源仿真与合成数据生成，Cosmos赋予机器人物理规律理解能力，GR00T N1.5作为VLA模型在Jetson Thor上实现实时推理。

高通收购Edge Impulse后，开发者社区扩张至25万，降低了在资源受限设备上部署视觉模型的门槛。

• 边缘服务

硬件和软件构成骨骼与神经，但物理AI的真正落地，依赖服务层提供的云-边-端协同与商业模式创新。这一层，以国内代表网宿科技举例。

网宿科技全球部署3000+边缘节点，覆盖90多个国家和地区，可为AI及物理AI的落地提供边缘智能服务。网宿已推出边缘AI网关、边缘模型推理、边缘AI应用等多款边缘AI产品，边缘AI业务已在智能驾舱、车联网、智能安防、智能家居、智慧医疗等物理AI相关场景中验证价值，这些场景的共同特征是"低时延刚性需求+高并发+本地化部署"。

除网宿外，云边协同也在加速。华为云CloudRobo、西门子工业边缘云将行业Know-How与边缘算力打包输出；RaaS（机器人即服务）模式在物流、清洁、巡检领域推广，客户按工作量付费，极大降低部署门槛，预计到2026年解决方案和RaaS收入占比将首次超过30%。

端边云协同：共筑物理AI时代的终极算力架构

如果用人体神经系统来比喻物理AI的算力架构：端侧芯片是负责条件反射与底层控制的“小脑”——快速、本能、低功耗；云端是汇聚通用知识的“图书馆”——海量、全面，但距离遥远；边缘计算则是负责复杂推理、群体协同与场景化学习的“大脑皮层” ——既具备足够的算力深度，又保持着对物理世界的近距离感知。

端、边、云的深度协同与混合架构，才是物理AI大规模部署的必由之路。

当巨头们默契宣告“物理AI时代已经到来”时，一个万亿级市场悄然开启，一场关于人类与机器如何共同改造真实世界的深刻变革，已然拉开帷幕。在这一背景下，边缘计算与物理AI的融合，正是当下最具叙事张力的技术-产业交叉点。