近年来，英伟达创始人黄仁勋在多个场合反复提及一个概念——“物理AI”（Physical AI），并宣告其“ChatGPT时刻”已经到来。这一判断正在引领人工智能从我们熟悉的数字世界，向改造真实物理世界的新阶段迈进。那么，物理AI究竟是什么？它又将如何改变我们的生活？
简单来说，如果说以ChatGPT为代表的生成式AI是让机器学会了“能看会说”，主要在文本、图像等数字世界里进行创作和交互，那么物理AI的目标就是让机器“能动手干活”。它是一种能让自主系统（如机器人、自动驾驶汽车）在现实世界中感知环境、理解物理规律、进行推理决策，并最终执行复杂任务的技术体系。AI正从一个“数字助理”，进化为“物理世界的行动者”。
这一进化并非一蹴而就，背后是多项关键技术的协同突破。
是让AI真正“理解物理规则”。过去的AI并不懂得重力、摩擦力、惯性等基本物理常识，这使得它们在现实世界中显得笨拙。为了解决这个问题，以英伟达Cosmos为代表的“世界模型”应运而生。这类模型就像一个为AI打造的超高保真虚拟训练场或“数字孪生”世界。机器人可以在这个虚拟世界里，无限次地安全试错，反复练习开门、抓取杯子等动作，从而将物理规律刻入其“肌肉记忆”。通过这种在仿真环境中生成海量合成数据进行训练的方式，AI得以高效、低成本地学习现实世界的运作法则。
是让AI具备“思考并行动”的能力。传统的自动驾驶系统更像是遵循预设规则的程序，而新一代的物理AI系统则开始具备推理能力。例如，小鹏、吉利等企业展示的智驾系统，已经能输出完整的决策过程，如分析“左侧有车，我应减速”或“前方是施工区域，我需提前并线”。英伟达开源的Alpamayo自动驾驶模型，更是被设计为能够理解交通参与者之间的因果关系，并解释自己为何做出某个驾驶决策，从而更好地应对复杂多变的“长尾路况”。这种从“条件反射”到“逻辑推理”的转变，是物理AI走向成熟的关键。
是底层硬件算力的巨大进步。物理AI的训练和实时推理需要巨大的计算资源，高昂的成本曾是其发展的主要瓶颈。为此，英伟达推出了Vera Rubin等新一代计算平台。通过对CPU、GPU、网络芯片等进行系统性的协同设计，新平台大幅提升了算力效率，据称能将AI推理的成本降低至原来的十分之一。此外，高通等公司也推出了专为机器人设计的芯片。算力成本的下降和专用硬件的出现，为物理AI的规模化部署铺平了道路。
在应用层面，自动驾驶和机器人是物理AI最先落地的两大核心场景。在自动驾驶领域，英伟达已与梅赛德斯-奔驰等车企合作，搭载其物理AI技术栈的量产车型已计划上路，其最终目标是实现L4级别的Robotaxi（无人驾驶出租车）服务。在机器人领域，黄仁勋认为行业已迎来“ChatGPT时刻”，物理AI将赋能机器人走出实验室，进入工厂和家庭。例如，通过与特斯拉、波士顿动力等公司的合作，人形机器人正学习在真实工厂环境中完成分拣、搬运等复杂任务，其动作不再是死板的程序执行，而是基于环境感知的自主决策。
当然，物理AI的发展依然面临挑战。例如，如何弥合虚拟仿真与现实世界之间的细微差异（Sim-to-Real Gap），以及如何确保系统在物理世界中的绝对安全与可靠，都是亟待解决的难题。一个在数字世界无伤大雅的“幻觉”或错误，在物理世界中可能导致严重的财产损失甚至安全事故。
黄仁勋所强调的“物理AI”，是人工智能发展的下一波浪潮。它通过融合世界模型、物理仿真、推理能力和强大的硬件，让AI走出屏幕，真正开始理解并与我们身处的物理世界互动。从更安全的自动驾驶汽车到更智能的工业机器人，这场由AI驱动的物理世界变革，已经拉开序幕。
