以ChatGPT为代表的生成型AI，已经在文本、图像、视频等“数据世界”中取得了显著成果。那么，如果AI不仅仅停留在屏幕内，而是开始在现实世界中行动，会发生什么呢？
自动驾驶汽车在道路上行驶，工厂机器人抓取零部件，仓库中的自主移动机器人避开人群搬运货物。这些能够在现实世界中行动的AI，正被称为“物理AI”，并逐渐受到关注。
什么是物理AI
物理AI指的是通过摄像头、传感器等感知现实世界状况，并通过机器人、自动驾驶汽车、无人机等载体进行行动的技术。
过去的生成型AI主要在屏幕内工作，比如撰写文章、生成图像、分类数据，这些都属于数字空间内的任务。
而物理AI则必须在重力、摩擦、障碍物、人类动作、马达性能等现实世界的限制下运作。在屏幕内，AI即使犯错也可以通过修改文本来纠正，但在现实中，机器人手滑可能导致物品掉落，汽车判断失误可能引发事故。
因此，物理AI可以看作是赋予AI“身体”的尝试。
为什么现在关注物理AI
物理AI之所以变得现实，得益于多项技术进步。
首先，生成型AI中使用的“基础模型”理念已扩展到机器人领域。现在出现了能够学习视频、三维空间、传感器信息，并预测物理世界变化的“世界基础模型”技术。
其次，仿真技术的进步也很关键。通过在虚拟空间中重现真实工厂和仓库环境，让机器人进行数万次试验和错误训练，可以避免现实中损坏设备或发生事故。例如，日本国家NVIDIA的Omniverse和Cosmos等平台，成为支持物理AI开发的重要技术。
此外，机器人和车辆搭载的AI芯片性能提升，使得AI不仅能依赖大型云服务器，也能在现场设备中高效运行。
物理AI的应用领域
物理AI的典型应用包括制造业、物流、自驾车和机器人。
传统工业机器人擅长在固定位置重复预设动作，而配备物理AI的机器人则能识别散乱的零件，避开人和障碍物移动。
自动驾驶汽车也是物理AI的典型代表，通过摄像头和传感器信息，预测行人和其他车辆的动作，控制方向盘和刹车。
近年来，人形机器人（即仿人机器人）也备受关注。因为它们与人类形态相似，有望直接使用为人类设计的楼梯、门和工具。
现实世界的挑战
当然，物理AI仍未达到万能。
最大难点在于现实世界的不可预测性。光线微变、地面湿滑、人类突然移动等细微差异，都可能干扰AI的判断。
此外，事故责任、安全标准和法律法规的完善也是重大挑战。与仅在屏幕内出错的AI不同，现实中行动的AI对安全性的要求截然不同。
如果说过去的AI是“在屏幕内思考的AI”，那么物理AI就是“在现实世界行动的AI”。AI的活跃舞台，正从屏幕内逐步扩展到现实世界。
