AI走向物理世界，真能突破重重关卡吗？

AI与物理世界融合的现状

大模型带来的变革

大模型的发展让AI在语言理解方面取得了显著进步，然而在与物理世界融合时，仍面临诸多问题。从2015年起，AI就开始尝试走向物理世界，如今基于大模型的AI虽解决了基本理解问题，但现实世界的复杂问题依旧众多。例如在自动驾驶领域，车辆周边环境的精准评测就极具挑战，机器要应对各种变量和突发情况，实现完全自主运营还需漫长时间。

技术落地的重重关卡

AI与物理世界融合要跨越感知、决策、执行等重重关卡。具身智能对物理环境多维度感知与动作决策的复杂程度远超自动驾驶，目前行业短期内难以实现全场景突破。像医疗领域，AI走向物理世界面临数据稀缺和监管严格的双重困境，实现通用具身智能落地困难重重。

投资视角下的AI走向物理世界

各机构关注方向

国科嘉和陈洪武看好具身智能领域，但认为当前赛道估值泡沫显著。他指出具备真实落地能力、解决真问题的企业有长期投资价值，投资端需理性看待估值上涨。天创资本洪雷表示，3年内大模型对物理世界感知理解仍需努力，核心硬件等领域具备长期投资潜力。聚合资本李旺觉得AI将率先在物流等简单场景落地，具备全栈技术能力的企业最具投资价值。

投资策略与风险应对

面对泡沫，各机构有不同应对策略。陈洪武建议企业把握窗口期多融资、严控烧钱节奏。洪雷主张“往前多走半步”，提前布局并引导被投企业储备现金。李旺计划上半年完成核心布局后转向价值洼地，收紧投资节奏。马建平认为应坚守价值投资，锁定技术源头。王啸强调不被市场情绪裹挟，通过组合投资平衡风险。杨瑞荣则坚守医疗领域能创造临床价值的项目，拒绝纯概念炒作。

AI走向物理世界的落地路径探讨

不同场景的落地时间

多位嘉宾认为，3年内AI走向物理世界将率先在工业场景实现规模化落地，家庭场景成熟至少需要3-5年。工业场景简单、标准化程度高，重复性工作多，如九合创投王啸所投的工业机器人公司已有规模化收入。而家庭场景面临数据收集、模型处理、端侧算力、本体适配等诸多难题，实现全自主机器人还需很长时间。

核心环节与投资机会

AI走向物理世界的核心环节存在投资机会。数据积累、世界模型迭代、端侧算力升级、本体成熟等方向都有待突破，目前尚无成建制的龙头公司，创业公司仍有机会。例如医疗领域，从单病种、单场景的小闭环应用突破，具备单病种数据闭环、能与医疗硬件深度融合的AI技术企业具备核心投资价值。

AI走向物理世界充满挑战与机遇。尽管当前存在估值泡沫，但随着技术发展，有望在特定场景实现突破。投资机构需谨慎选择，关注能解决实际问题、实现场景落地的项目，创业者也应把握机遇，突破技术关卡，推动AI与物理世界深度融合。

相关问答

AI走向物理世界，近3年在感知方面有哪些挑战？

大模型对物理世界温度、大小等属性感知不足，从字意和概率上实现人工智能，距离真正理解感官世界还有很长的路要走，且实现多维度感知与动作决策难度大。

具身智能在数据闭环方面面临什么问题？

互联网公开数据已被LLM大量使用，具身智能所需真实世界数据需高质量采集，比如机器人拧瓶盖、穿针引线等操作的数据获取困难。

投资AI走向物理世界的项目，如何判断是否有价值？

关键看能否解决真问题、可落地量产、有真实收入。能做到这些的企业，即便有一定估值溢价也合理，因为其推动了科技成果转化。

医疗领域AI走向物理世界，数据方面的最大门槛是什么？

医疗数据可用性低，普通人健康数据与院内诊疗数据等难以结合形成完整闭环，导致能被具身智能所用的数据极少。

AI走向物理世界，家庭场景成熟为何需要更长时间？

家庭场景面临数据收集难、现有大模型架构处理时空数据能力不足、端侧算力不够、本体不成熟等诸多问题，实现全自主机器人尚需时日。

如何应对AI走向物理世界进程中的市场泡沫？

投资机构要理性看待，不被市场情绪裹挟。如提前布局、平衡机会与估值、组合投资、关注项目能否创造真实价值等。