LLM 让 AI 第一次拥有了语言和推理的能力,但它们没有"行动"。物理 AI(Physical AI / Embodied AI / 具身智能)让 AI 第一次拥有了"身体"。它必须能看(Vision)+ 想(Language)+ 动(Action)。
LLM (2018-2023): 文本 → 文本 (GPT-4, Claude, Gemini) VLM (2024) : 文本+图像 → 文本 (GPT-4V, Qwen-VL) VLMM (2025) : 文本+图像+视频 → 文本 (Gemini 2, GPT-5) VLA (2025-2026): 文本+图像 → 动作 (GR00T, π₀, RT-2) ← 物理 AI 范式 World Model(2026): VLA 内部的世界表征 (Cosmos, Genesis, Genie 3)这是 AI "从数字世界走入物理世界"的关键范式跃迁。
要点:VLA(Vision-Language-Action)模型 = LLM 的"大脑"+ 机器人硬件的"身体"。本质上 VLA 是把 LLM 当成"大脑",让它处理文本指令和图像感知,然后输出动作指令(关节角度 / 抓取位姿 / 移动速度)。
Physical AI 不是单点算法,是4 层技术栈的协同:
| 层级 | 技术 | 代表企业 | 国产化率 |
|---|---|---|---|
| L1 大脑 | VLA 模型 · World Model · Reasoning | NVIDIA GR00T · Physical Intelligence π₀ · Google RT-3 · OpenVLA(开源) | 中国有差距(智源 Emu3 / 阿里 TongVLA 在追) |
| L2 仿真 | 数字孪生 · Sim-to-Real · 数据合成 | NVIDIA Isaac Lab · Cosmos · Genesis(开源) · ManiSkill | 中国有差距(腾讯 TienTonGym / 商汤 SenseTime) |
| L3 硬件本体 | 关节执行器 · 力矩传感器 · 灵巧手 | Tesla Optimus · Figure 02 · 优必选 · 智元 | 中国占优(40+ 玩家量产中) |
| L4 数据 | 遥操作 · 视频示范 · 跨本体数据 | Scale AI · 银河通用 TeleData · Covariant | 中国数据规模小,遥操作成本高 |
关键洞察:这 4 层里,中国只在L3 硬件本体有相对优势(40+ 玩家量产中),在 L1/L2/L4 都落后于美国头部。
| 公司 | 专精 | 2025 状态 |
|---|---|---|
| Apptronik | 通用人形(Apollo) | Google DeepMind 合作 · Mercedes 工厂测试 |
| Agility Robotics | Digit · 物流 | 亚马逊仓库部署 100+ |
| Boston Dynamics | Atlas · 液压/电驱混合 | 2024 电驱 Atlas 商业化 · Hyundai 工厂 |
| Sanctuary AI | Phoenix · 类人灵巧手 | 加拿大团队 · Magna 合作 |
| Covariant | Brain(灵巧操作) | 2024 被 Amazon 收购 · 物流仓库 |
| 公司 | 创始人(背景) | 主推产品 | 估值 | 专精 |
|---|---|---|---|---|
| 银河通用 | 王鹤(北大 / Stanford) | G1(轮式双臂) | ~13 亿美元 | 通用基础模型 · DexGrip 灵巧手 |
| 智元机器人 | 彭志辉(稚晖君 / 华为天才少年) | A2(双足) | ~15 亿美元 | 通用 + 量产能力 |
| 星动纪元 | 陈建宇(北大 / Intel) | X1(双足 · 全自主) | ~10 亿美元 | 全自主 端到端 VLA |
| 逐际动力 | 张志(上交大 / 卡耐基梅隆) | CL-1 · CL-2(双足) | ~10 亿美元 | 本体系顶会 VLA 算法 |
| 优必选 | 周剑(深圳) | Walker S · Walker S2 | 港股上市 · 560 亿港元 | 量产能力最成熟 · 已在工厂落地 |
| 公司 | 类型 | 拳头产品 |
|---|---|---|
| 傅利叶 | 通用人形 | GR-1(医疗康复) |
| 宇树科技 | 四足 + 人形 | H1(性价比双足 · 9.9 万 RMB) |
| 云深处 | 四足 | 绝影 X30 · 巡检 |
| 越疆科技 | 协作臂 / 人形 | Dobot X1 / MG400 |
| 节卡机器人 | 协作臂 | 节卡 Magic 2 |
| 非夕机器人 | 类人臂 / 力控 | Apollo · 力控自适应 |
| 翼菲科技 | 并联臂 / 拣选 | 机械臂视觉导引 |
| 大族机器人 | 协作臂 | Elfin · 中端 |
| 天智航 | 手术机器人 | 天玑骨科机器人 |
| 微创医疗机器人 | 手术机器人 | 图迈腔镜 |
| 思灵机器人 | 灵巧手 / 力控 | Dexterity 灵巧手 |
| Pudu Robotics | 配送机器人 | BellaBot 服务机器人 |
| 普渡科技 | 配送 + 服务 | 全场景服务机器人 |
| 擎朗智能 | 配送 + 无人仓 | Holabot + W3 |
| 塞灵力 | 工业机器人 | AGV + 复合机器人 |
| 极智嘉(Geek+) | 仓储机器人 | 全球仓储 AGV 龙头 |
| 高仙(GS) | 清洁机器人 | 商用清洁 · 全球出货 #1 |
| 坎德拉 | 配送 + 巡检 | 烛龙系列 · 室外配送 |
| 中国一汽/东风 | 车厂入局机器人 | 东风 Robo-01 / 一汽机器狗 |
| 小米 CyberOne | 手机厂跨界 | CyberDog 2 / CyberOne |
| 维度 | 美国 | 中国 | 差距 |
|---|---|---|---|
| 通用 VLA 大模型 | NVIDIA GR00T N1.5 / π₀.5 / RT-3 | 智源 Emu3 / 阿里 TongVLA / 银河通用 G-Dino | ~1.5 年 |
| 数据规模 | Open X-Embodiment 2M 轨迹 | 国家级具身智能数据集 ~500K | 3-5 年 |
| 硬件本体 | Optimus / Figure / Apptronik | 智元 / 银河 / 优必选 · 硬件水平持平 | 持平 |
| 灵巧手 | Apptronik · Figure · Sanctuary | 银河通用 DexGrip / 思灵 | 1-2 年 |
| Sim-to-Real | Isaac Lab / Cosmos | 腾讯 TienTonGym / 商汤 | 2 年 |
| 公司 | 国家 | 专精 | 2025 状态 |
|---|---|---|---|
| 1X Technologies | 挪威 + 美国 | NEO(家用) | OpenAI 投资 · 1000 台试用 |
| NEURA Robotics | 德国 | 4NE-1(认知机器人) | 2025 H1 上市 · 1 万美元单价 |
| Enchanted Tools | 法国 | Mirokai(社交机器人) | 2025 H1 工厂部署 |
| Pollen Robotics | 法国 | Reachy 2(开源) | 开源研究平台 |
| Halodi Robotics | 挪威 | Evobot(服务) | 2024 被 1X 收购 |
🇪🇺 欧洲路线:家用 + 社交 + 安全,强调 "陪伴" 而非"效率"。与中美的"工业流水线"路径形成对比。
| 预测机构 | 时间 | 出货量 | 市场规模 |
|---|---|---|---|
| Goldman Sachs(2024-06) | 2030 | 25 万台 | 380 亿美元 |
| Goldman Sachs(2025-09 修订) | 2030 | 50 万台 | 700 亿美元 |
| Goldman Sachs(乐观情形) | 2035 | 2500 万台 | 1540 亿美元 |
| ARK Invest | 2030 | — | 5 万亿(乘数效应含衍生) |
| Morgan Stanley | 2030 | 100 万台 | 3000 亿美元 |
| 中国信通院 | 2030 | 500 万台 | 1100 亿 RMB 国内 |
Q1:VLA 模型跟 GPT 有啥本质区别?
A:GPT 输出"文字",VLA 输出"动作"。本质 VLA 是 LLM 加了"动作头"(Action Head),把"语言决策"翻译成"机器人动作"。
Q2:具身智能到底算硬件还是算软件?
A:都不是。它是硬件 + 软件 + 数据 + 仿真 + 训练环境 = 完整 4 层技术栈。这跟当时云计算是 "服务器 + 虚拟机 + 网络 + API" 一个意思。
Q3:中国玩家会被 NVIDIA GR00T 挤死吗?
A:不会。GR00T 是开源基础模型(类似 Llama),中国玩家在其上 + 本体定制 + 数据集,可以做出差异化。但必须接受站在 NVIDIA 生态上。
Q4:Optimus 真能量产 1 万美元?
A:2027-2028 年目标,自研关节 + 自研电池 理论可行。但当前公布数据少,持谨慎乐观。
Q5:5 大中国独角兽谁能跑出来?
A:取决于路线选择 + 量产能力 + 资金三要素。乐观情形:银河通用(技术)与智元(全栈)最有可能,优必选(量产)已在港股上市。
Q6:具身智能需要的算力是多少?
A:训练单个 VLA 7B 模型 ≈ 4000 张 H100(B200)跑 1 个月。推理需要 Jetson Thor(2000 TOPS)级,这是 7 年前没有的算力。**未来 5 年训练算力需求增长 100 倍**。
Q7:Physical AI 跟 LLM 是替代关系还是协同关系?
A:协同。LLM 处理高层指令,Physical AI 的 VLA 处理低层动作。两者通过"任务分解"接口衔接。
资料来源:NVIDIA GTC 2025 / 2026 主题演讲 · Tesla AI Day 2024-12 · Figure 02 公开技术 whitepaper · Physical Intelligence π₀ paper(2024-12 arXiv) · Google DeepMind Open X-Embodiment 数据集论文 · Goldman Sachs Humanoid Robot Market Report 2025-09 · ARK Invest Big Ideas 2025 · 中国信通院《人形机器人产业研究 2025》 · 高工咨询《2025 中国具身智能产业链研究报告》 · 各公司官方发布与新闻稿。