具身智能跨越“感知—行动”鸿沟

在近期一场聚焦人工智能未来走向的高端对话中，宇树科技创始人王兴兴与英伟达创始人黄仁勋围绕“物理AI”展开深度交流，双方一致认为，人工智能正从虚拟世界的文本与图像生成，加速迈向能够理解并改变物理世界的具身智能新阶段。王兴兴指出，过去两年大模型在语言与视觉领域的突破，为机器人提供了前所未有的“大脑”基础，但真正的瓶颈在于如何让智能体在真实环境中完成从感知到行动的闭环。黄仁勋则强调，物理AI的核心在于构建一个能够模拟现实规律、并在其中训练智能体的数字孪生环境，英伟达正在Omniverse平台与仿真工具链，为这一目标提供基础设施。两位业界巨头的共识是，物理AI的爆发并非单一技术的突破，而是感知、决策、执行与仿真训练等多环节协同演进的结果，当前正处于从实验室走向产业化的关键窗口期。

仿真训练成为突破现实数据瓶颈的关键路径

在对话中，黄仁勋详细阐述了仿真环境对物理AI训练不可替代的价值。他指出，真实世界中机器人采集数据成本高昂、周期漫长且难以覆盖极端场景，而高保真物理仿真，可以在虚拟空间中生成海量带有精确标注的训练样本，让智能体在“安全试错”中快速迭代。王兴兴对此深表认同，并结合宇树科技在四足机器人与人形机器人上的实践表示，仿真到现实的迁移能力是决定产品落地速度的核心指标。他透露，宇树在运动控制算法的训练中大量依赖仿真平台，域随机化等技术缩小虚拟与现实的差距，使机器人能够在复杂地形中保持稳定运动。黄仁勋补充说，英伟达即将推出的新一代仿真引擎将进一步缩小“仿真—现实”鸿沟，支持更复杂的接触力学与传感器建模，这意味着物理AI的训练效率将迎来数量级提升。业界分析认为，仿真训练体系的成熟，正在把物理AI从“数据饥渴”中解放出来，为规模化落地扫清关键障碍。

人形机器人成为物理AI最具想象力的载体

当话题转向物理AI的形态载体时，王兴兴与黄仁勋都将目光投向人形机器人。王兴兴认为，人形结构是物理AI与人类世界交互的自然接口，因为人类社会的工具、设施与空间均围绕人体工程学设计，人形机器人无需改造环境即可执行多样化任务。他透露，宇树正在推进人形机器人的成本优化与量产准备，目标是在工业巡检、物流搬运等场景中率先实现商业闭环。黄仁勋则从算力与平台角度指出，人形机器人对实时感知、运动规划与多模态交互的要求极高，需要端侧算力与云端训练的紧密配合。他预计，未来几年人形机器人将像智能手机一样经历快速迭代，而英伟达的Jetson平台与Isaac机器人开发工具链将持续为这一进程提供支撑。两位嘉宾均提醒，人形机器人的普及不会一蹴而就，需要在大脑智能、运动控制与成本控制三条战线上同步突破，但物理AI的爆发将为人形机器人注入决定性的加速度。

产业链协同呼唤开放生态与标准共建

对话中，王兴兴与黄仁勋反复提及“生态”一词。王兴兴坦言，物理AI的产业链条极长，从传感器、执行器、芯片到算法、仿真、场景应用，没有任何一家企业能够独立完成全部环节。宇树选择在运动控制与整机设计上深耕，同时积极与上游芯片厂商和下游场景方合作，以开放姿态融入更大生态。黄仁勋则表示，英伟达的定位是提供“物理AI的操作系统级平台”，CUDA、Omniverse与Isaac等工具降低开发者的创新门槛，让更多中小企业能够专注于垂直场景的差异化开发。他特别强调，物理AI时代需要建立跨行业的接口标准与安全规范，否则碎片化的技术路线将拖慢整体产业化进程。王兴兴对此呼应称，中国在机器人供应链与场景丰富度上具有独特优势，若能与全球开发者社区形成合力，有望在物理AI的标准化进程中扮演重要角色。两位巨头的共识是，开放生态不是可选项而是必由之路，只有产业链各环节协同进化，物理AI才能从“单点突破”走向“系统爆发”。

物理AI重塑生产力与就业结构的双重图景

在对话的尾声，两位嘉宾将视角拉升至社会影响层面。黄仁勋认为，物理AI的意义远超技术本身，它将像工业革命一样重塑生产力结构——从制造业到物流业，从农业到服务业，具备物理行动能力的智能体将承担大量重复性、危险性劳动，释放人类创造力。他同时提醒，这一进程会带来就业结构的深刻调整，社会需要提前布局技能再培训与伦理框架。王兴兴则从企业实践出发，指出物理AI的落地应遵循“先辅助、后替代”的渐进路径，在工业场景中先让机器人承担辅助角色，人机协作积累信任与经验，再逐步扩展自主能力边界。他透露，宇树在部分工厂的试点中已实现人机混合作业，效率提升显著且员工接受度高于预期。两位巨头均表示，物理AI的爆发前夕，业界既要保持技术乐观，也要对风险保持清醒，政策制定者、企业与研究机构应共同构建负责任的创新环境。随着对话落下帷幕，一个清晰的信号已经释放：物理AI的浪潮正在加速涌来，而这场由技术巨头与产业先锋共同推动的变革，或将重新定义智能与物理世界的关系。