物理AI不是下一个风口，而是下一轮工业革命

文 | 山自 7月20日，洛杉矶SIGGRAPH会场。NVIDIA的Neil Ashton站在台上，身后屏幕亮起四个大字："Physical AI Day"。同一天，Google DeepMind的Carolina Parada对着WIRED的镜头说出另一句话："这是通往物理AGI的里程碑。" 她指的是Gemini Robotics 2——这个能控制人形机器人拧灯泡、系垃圾袋、整理货架的模型。而NVIDIA当天扔下的Cosmos 3 Edge，是一个40亿参数的"精悍型世界模型"，能塞进Jetson Thor边缘芯片里实时运行，权重、代码、训练配方全部开源。 太平洋两岸，同一天，同一个信号：数字AI的叙事正在让位于物理AI的叙事。 这不是巧合。这是物理AI的历史性拐点。 物理AI正在经历一场结构性重估 先上数据，因为数字比任何形容词都诚实。CB Insights的数据显示，2026年Q1，Physical AI & robotics以11%的交易份额领跑所有AI细分领域，工业人形机器人开发商和机器人基础模型公司分别拿下交易量的前两位，各17笔和15笔交易。人形机器人公司2026年的融资规模有望达到创纪录的 100亿美元 。 2026年至今，全球物理AI领域的公开融资已经达到约 73.8亿美元 ，超过了2025年全年的37.7亿美元，更是2024年全年22.4亿美元的三倍多。中位数融资额从2025年的6100万美元飙升至 1.65亿美元 ，72%的交易都是九位数起步。 这是什么概念？ 这不是VC在投机器人，这是基础设施级别的资本在押注一个新时代。 看看这些名字：Uber创始人Travis Kalanick的Atoms拿了 17亿美元 ，a16z领投；Figure AI估值飙到 390亿美元 ；NEURA Robotics完成14亿美元C轮融资，估值70亿美元；Mind Robotics成立仅一年就拿下4亿美元B轮，估值34亿美元。 中国的势头同样凶猛。源自清华大学智能产业研究院（AIR）孵化的求之科技（DISCOVER Robotics）宣布完成 1亿美元天使+轮融资 ，IDG、星连、武岳峰、达晨等联合投资。8个月内完成三轮天使轮融资的正奇未来，金额达数亿元。资方阵容也颇为亮眼：鼎晖VGC投资、线性资本、上汽恒旭、周大福战投，囊括了顶级VC、车圈产业资本和高端消费产业资本三大类。 智平方B轮超10亿、星海图两个月拿近30亿、生数科技两个月26亿……2026年，'AI新贵们'集体押注世界模型。但最值得关注的变化不是"钱多了"，而是 钱的性质变了 。 2025年，物理AI市场还是"formation and experimentation"——50%的交易是首次融资，投的是"能不能做出来"。到了2026年，首次融资占比骤降到8%，92%的钱都流向了已经证明过自己的公司。投资者的问题从"有人能造出物理AI吗？"变成了" 哪家公司能最快把数据、硬件、制造和部署闭环跑起来？ " 这不是泡沫。这是 平台选择周期 。 真实数据瓶颈，物理AI的命门 资本的狂热背后，一个被多数人有意无意回避的问题正在浮出水面： 真实数据，才是物理AI的命门。 Applied Intuition的CTO Peter Ludwig说得直接：物理AI比数字AI难多了。数字AI可以直接抓取互联网公开数据，物理AI所需的矿场、农田、港口数据没有公开渠道；数字AI出bug推个软件更新就行，物理AI出bug可能死人。 但Ludwig没说完的那半句是： 即便你有钱、有人、有场景，没有真实数据，一切都是空中楼阁。 真实数据短缺，是当前机器人/物理AI赛道最核心的痛点与瓶颈。 绝大多数公司的数据尚来自专业采集机构提供的"干净数据"——在实验室里，工程师把物体摆好、灯光调好、动作设计好，机器人按部就班地完成预设任务。这些数据看起来很美，但有个致命缺陷： 它们不包含真实世界的混乱。 真实世界里，外卖车会突然从拐角冲出来，儿童会在机器人面前不可预测地奔跑，地面会有积水和鹅卵石，电梯信号会中断，小型犬会在你脚下绕圈。这些"脏数据"——包含失败案例、环境干扰、人类意图博弈的数据——才是训练模型泛化能力的核心燃料。 "完美数据教不出能干活的人形机器人。" 这句话正在成为物理AI行业的共识。 Grid Dynamics与韩国斗山机器人的合作就体现了这一困境。双方试图把物理AI软件接入协作机器人，让机器人能够识别变化的物体姿态并根据目标调整抓取策略。但合作声明中特意强调了一点：企业必须明确生产数据的所有权、存储位置和网络安全要求，尤其是在汽车、电子和医药等对工艺信息敏感的行业。 为什么？因为 数据就是物理AI的石油 ，而大多数工厂宁愿把数据锁在保险柜里，也不愿分享给机器人公司。 更残酷的是，物理AI的数据获取成本是指数级的。数字AI训练GPT-4，可以一次性喂进去整个互联网。物理AI训练一个拧螺丝的机器人，需要采集成千上万次"拧螺丝"的真实动作——每一次都要在真实环境里操作真实物体，失败一次就可能损坏设备。 这意味着什么？意味着物理AI的竞争，本质上是"谁能以最低成本拿到最多真实交互数据"的竞争。 没有数据闭环的公司，模型再漂亮也只是PPT。 物理AI时刻：技术、政策、资本三线并进 如果只看融资数字，可能会以为物理AI还是"画饼"阶段。但过去两周发生的一系列事件，正在把这个饼变成真的。 7月20日NVIDIA SIGGRAPH的"Physical AI Day"上，Cosmos 3 Edge的发布是一个标志性事件。这不是又一个云端大模型，而是一个40亿参数的"精悍型世界模型"，能塞进Jetson Thor边缘芯片里实时运行，推理吞吐每秒28帧，在VANTAGE-Bench视觉理解榜单上拿下同规模模型TOP1。 更狠的是，权重、代码、训练配方全部开源。 这意味着什么？意味着 物理AI的"大脑"正在从数据中心走向每一个机器人的关节。 以前你需要一个DGX超算集群才能训练机器人，现在一块Jetson开发板就能让机器人"边跑边思考"。 同一天，Google DeepMind发布了Gemini Robotics 2。这个模型能控制Apptronik的Apollo 2机器人拧灯泡、系垃圾袋、整理货架——不是预编程的固定动作，而是理解场景后自主规划。Google的野心很明确：做一个机器人的"Android操作系统"，让所有硬件厂商接入同一个智能层。 7月28日，FCC把"外国制造的人形机器人和四足机器人"加入了"覆盖清单"（Covered List），意味着新的外国机器人将无法获得进入美国市场的设备授权。虽然没点名，但谁都知道这针对的是谁——中国的人形机器人出货量正在碾压美国。 工信部预计2026年全国人形机器人产量将超 10万台 ，一季度出口同比增长 210% 。 Unitree 2025年出货超5500台，占据全球约32%的市场份额。中国制造商正把 数千台人形机器人推入物流中心和工厂，主要目的不是干活，是收集训练数据 。 这种"以量换数据"的策略，正在把中美之间的物理AI差距从"技术代差"变成"数据代差"——而数据，才是物理AI的石油。 7月底8月初，Unitree的