物理 AI 漫画图解
聊天机器人可以帮你写邮件、总结会议、为辩论的双方辩护。但它们做不到的是：伸手到一条移动的流水线上，拿起一块鸡腿肉，精确称重到克，然后放到一个每次位置都不完全相同的托盘中。
第二个任务很无聊。但它比开车穿越曼哈顿还要难——而这正是人工智能下一个十年悄然决战的战场。
我们终于为这种差异找到了一个名字：物理AI。这种智能不只是描述世界，而是通过传感器、电机和必须经受现实考验的机器在世界中行动。屏幕是可选的。摩擦是不可避免的。
过去一年里，我一直在撰写关于正在构建这一切的公司的长篇故事。从7月16日开始，我尝试一些更短的内容——每次一个想法，三格漫画。在第一个系列发布之前，这里是项目背后的思考，用项目本身的方式呈现。
1、没人愿意资助的瓶颈
几乎所有人都认为机器人技术的难点在于大脑。其实不是。你可以构建模型。麻烦从这里开始：每一次笨拙的抓取、每一次绊倒、每一次恢复，都必须由人类观察和标注，才能变成机器人可以学习的东西。语言模型可以免费从已有的文本中学习，数量以万亿计。而机器人必须一次一次地制造自己的现实——并且必须有人付钱给那些将现实转化为经验的人。因此，物理AI的瓶颈很少是技术问题。更多时候它是一个预算项目。更多的机器人并不意味着更少的劳动力；它们意味着更多的标注工作。这个领域诚实的表述并不光鲜：如果你想要更好的物理AI，请资助数据。
2、竞赛从"知道"转向了"做到"
多年来，AI的竞赛是关于知识的——谁拥有最智能的模型，最巧妙的基准分数。物理AI改变了计分板。在韩国，一家名为Maum AI的公司构建了他们直言不讳地称为"数据工厂"的系统：先仿真，然后真实机器人测试，再现场部署——这是一个有目的、以工业节奏将机器人经验转化为训练数据的循环。它的JindoBot巡逻设施并嗅出危险；它的UchiBot则专为与人互动这种更柔和的任务而设计。关键不在于单个机器人。而在于它背后的承认：前沿已经从模型知道什么转移到了机器能在真实场所可靠做什么。这是一个更难获得的成绩——也更难伪造。
3、平台隐藏在信号塔中
这里有一个更安静的转变，那种不会成为趋势的类型。承载你电话呼叫的基站开始承载别的东西：算力。将AI处理放在信号塔内——行业称之为AI-RAN——网络就不再是愚蠢的管道，而成为可以在数据实际产生和使用的地方运行智能的分布式基础设施。更低的延迟、更可预测的行为，以及电信公司从边缘芯片中赚钱的全新方式。这需要一个联盟来推动——无线电专业知识、AI计算能力，以及一个愿意做小白鼠的现网——这是整个领域中反复出现的教训：没有哪个参与者能独自构建物理AI。
4、资金已经在流动
如果你怀疑这一切是否重要，那就跟着资本走。2026年6月11日，一家名为Prometheus的初创公司——由杰夫·贝佐斯联合领导——宣布已筹集120亿美元，估值410亿美元，这是物理AI领域有史以来最大的单笔押注之一。其目标是打造"通用人工工程师"：能够设计和帮助制造复杂物理产品的软件，从喷气发动机到药物化合物，通过学习物理定律——而不仅仅是文本模式。团队来自Google X、OpenAI、DeepMind、Tesla等。然而一个公平且发人深省的问题仍然悬而未决：一家估值410亿美元但没有任何已交付产品的公司，是一个愿景，而非定论。这是物理世界的真实模型，还是基于当今工具构建的非常昂贵的工程师助手？目前没人知道。正是这种不确定性让它值得关注。
5、为什么从模拟器开始，而不是机器人
目前机器人领域最有趣的举动是反直觉的：在开放硬件之前先开放研究。WiRobotics正是这样做的，发布了其ALLEX人形机器人的仿真模型——经过调校使其行为与真实机器一致，精确到关节的施力和阻力——这样研究人员可以在没有实体机器人的情况下研究控制、学习和合成数据。这个赌注耐心而精明：如果社区现在就开始构建，趁硬件仍然稀缺时，那么当硬件出货时，这些成果就能迁移到真实机器人上。当生态系统共同成长时，物理AI的发展会更快。
6、那么，接下来是什么
以上每一个想法都被压缩成三格漫画——一个主张、一个张力、一个你可以在1分钟内读完并思考一周的要点。从7月16日开始，我将以系列形式发布它们：不是我通常写的深度4000字长文，而是它们精炼、视觉化的表亲。一个概念，清晰绘制，频率足够高，成为一种习惯。
如果你喜欢这类内容——真实公司、真实数据、诚实的风险，没有炒作——完整的合集将发布在Gumroad上，每个漫画背后的长文故事已经在那里等待。为三格漫画而来，为千字版本留下。
聊天机器人时代教会了机器描述世界。下一个时代正在教它们触摸世界——比任何向你推销AI的人愿意承认的更慢、更脏、更昂贵。一次三格漫画，我将记录谁在真正学习这个教训，谁只是在画示意图。
原文链接：Physical AI, explained in three panels
汇智网翻译整理，转载请标明出处