文章核心观点 - AI发展正从处理语言符号的“符号空间”突破，迈向能够理解并与物理世界交互的“物理AI”或“世界模型”阶段 这一转变被认为是AI发展的下一个浪潮 将重塑庞大的制造业、汽车与交通等行业 并创造巨大的经济价值 [2][3][4] - 智能体AI的实用性和算力需求已迎来爆发拐点 而下一波技术浪潮是面向真实世界的“实体AI” 其核心是让AI理解自然法则和物理规律 如重力、摩擦、惯性、因果等 [2][3][4] - 人工智能与物理世界的结合 即“信息和现实世界结合的产业” 被预估为一个价值90万亿美元的庞大产业 [1][13] AI发展阶段的演进与行业布局 - 2026年 AI跨越重要门槛 模型性能显著提升 推理能力增强 幻觉减少 落地应用能力大幅提升 基于AI构建的应用首次开创真实的经济价值 [2] - 智能体AI已迎来发展拐点 其实用性在全球企业中得到广泛验证 由此带来的算力需求呈爆发式增长 [2] - 下一阶段是“实体AI” 即将AI和智能体系统应用于制造业、机器人等物理领域 这将带来巨大的发展机遇 [3] - 不止英伟达 硅谷围绕世界AI的布局动作频频 例如Google DeepMind的Genie3可生成可交互三维环境 并被Waymo改造为自动驾驶仿真工具 [5] - 图灵奖得主Yann LeCun离开Meta后创立AMI Labs 并于2026年3月完成10.3亿美元种子融资 投前估值达35亿美元 成为欧洲有史以来最大的种子轮融资 其判断大语言模型无法真正理解物理世界 新公司押注JEPA架构 [5][6] - “AI教母”李飞飞的World Labs在2026年2月完成新一轮10亿美元融资 估值逼近50亿美元 其首款产品Marble专注于生成物理规律正确的三维世界 [6] 物理AI/世界模型的技术内涵与价值 - 物理AI被定义为“能够理解自然法则的AI” 其核心是让AI不再只处理语言符号 而是真正理解并与物理世界交互 [4] - 现实世界具有恒常性、因果关系以及摩擦力、重力、惯性等物理规律 过去的AI对此几乎一无所知 物理AI正是为填补这一鸿沟而生 [4] - 理解真实世界的AI将通过自动驾驶与机器人 重塑庞大的汽车、交通与制造业 [4] - 物理AI的意义不亚于当年互联网将信息流通成本压至接近零 那场革命重塑了信息的生产与分配 而这场革命重塑的则是物理世界本身的设计与运转方式 [13] - 当AI扎根于科学、物理学及经过验证的工业知识时 它将成为人类智慧的倍增器 [14] 工业制造领域的应用与合作 - 2026年2月 英伟达与法国工业软件巨头达索系统宣布达成长期战略合作伙伴关系 共同为各行业关键业务场景搭建共享工业的AI架构 这被称为“25年来规模最大”的战略合作 [3][9] - 达索系统旗下的SOLIDWORKS、CATIA是工业领域主流设计软件 其3DEXPERIENCE平台服务超过4500万用户和40万家客户 [3][9] - 合作核心目标是构建“工业世界模型”——经过科学验证、扎根于物理学的AI系统 可作为生物学、材料科学、工程和制造领域的关键任务平台 [9] - 达索系统的核心优势在于工业“硬知识”已沉淀在其软件中 而许多大语言模型公司不具备这些专业知识 [10] - 通过AI协助 可以在数字世界中以极低成本完成大量平行迭代 替代需要反复制作物理原型的测试 从而更有效、更快速地完成产品开发 [11] - 达索系统通过旗下云品牌OUTSCALE 在全球三大洲基于英伟达最新AI基础设施部署“AI工厂” 旨在为平台上的AI模型提供增强功能 同时确保客户数据隐私与主权 [9] 虚拟孪生与制造业变革 - 虚拟孪生技术用数字模型精确映射物理系统 让工程师在虚拟世界中测试、迭代 达索系统在此方向已耕耘多年 [12] - 该技术大规模落地的根本瓶颈是算力 足够真实复杂的物理仿真需要远超以往的计算能力 如今这个瓶颈正在被打破 [12] - 与英伟达的合作 使达索系统高度真实的虚拟孪生模型能够在大规模、高精度和接近实时的条件下运行 并被AI直接使用 从而让虚拟孪生从工程工具升级为可持续运行的系统级能力 [11] - 黄仁勋表示 过去工业化企业三分之一的时间在设计和数字化上 更多时间花在构建物理形态上 未来可以将100%的时间花在数字化上 从设计到操作“都由软件定义” [12] - 人工智能与机器人的结合能够重塑制造业流程和效率 AI可以在数字世界中模拟由数百万物体组成的工厂集合体 并更合理地安排生产线和组织机器人运作 [13] - AI进入工业的价值在于 通过提升仿真建模效率和机器人智能水平 让占据全球供应链绝大部分的中小企业也能够使用这些前沿技术 从而重塑整个工业的效率 [13]