物理人工智能

核心观点

• 物理AI推动人机协作迈向新阶段：物理AI将AI从数字领域带入现实世界，使机器能够感知、推理和自主行动。它使机器人能够泛化跨任务和环境，感知和导航复杂环境，做出上下文感知的决策，并适应现实世界的差异，从而在各种行业和环境中扩展其应用。
• 物理AI正处于拐点：多模态基础模型正在重新定义机器人智能，使机器人能够适应不熟悉的情况而无需特定的任务重新编程。同时，模拟的进步缩短了机器人训练周期，而AI-机器人-数据飞轮正在加速改进，随着每个现实世界部署的改进，硬件成本（如传感器、执行器和电动机）的下降，以及机器人即服务（RaaS）等商业模式的兴起，这些变化正在降低采用障碍。
• 物理AI的价值是多维度的：高管们预计在生产力、效率和质量方面获得最大的收益，其次是运营弹性和灵活性。物理AI还改善了工作场所安全并减少了体力劳动，因为机器人越来越多地承担危险和体力要求高的任务。除了运营影响外，物理AI还在打开新的增长途径：近四分之一的高管预计会出现新的收入机会，60%的人认为它将使机器人能够在以前不可能或实际的地方使用。
• 物理AI的采用正在增长：近八分之七的组织已经参与其中，其中27%正在部署或扩展，65%预计在五年内实现规模化。主要的推动因素是劳动力短缺（74%）和不断上升的劳动力成本（69%）。
• 扩展物理AI需要超越技术：扩展物理AI需要重新思考如何设计、保护、治理和运行系统。今天，系统尚未满足工业和其他安全关键环境的高可靠性阈值，而灵巧性仍然有限。进步还受到数据稀缺的阻碍——现实世界的物理交互数据稀缺且难以获得。为了在人们和资产安全的同时使能力成熟，必须通过确定性的机制来强制执行安全，这些机制独立于AI层。此外，随着机器人自主性的增长，网络安全风险也在扩大，需要控制以防止未经授权的访问和操纵。监管框架落后于自主物理行动的现实，留下了关于责任和可接受风险的不确定问题。运营上，企业必须计划硬件限制，管理规模化的机器人车队，加强数据和AI治理，以及重新培训劳动力。

关键数据

• 67%的高管认为物理AI将改变他们的行业
• 64%的高管认为物理AI将成为其行业竞争力的关键驱动因素
• 79%的组织已经参与物理AI
• 65%的组织预计在五年内实现物理AI的规模化
• 近四分之一（37%）的高管预计物理AI将创造新的收入机会
• 60%的高管认为物理AI将使机器人能够在以前不可能或实际的地方使用

研究结论

物理AI代表了从早期自动化到人机协作新阶段的重大转变。它使机器人能够适应更动态的环境，并扩展其应用范围，从而解决传统自动化无法解决的问题。随着劳动力短缺、不断上升的劳动力成本和不断增长的投资，物理AI已成为企业提高生产力和竞争力的关键。然而，扩展物理AI需要超越技术，需要建立安全、网络安全、监管和运营方面的准备。