（本文作者为 山自，钛媒体经授权发布）
Related articles
文 | 山自
2026 年，AI 行业的叙事正在彻底迭代。前两年大火的生成式数字 AI，如今已步入增速放缓、同质化内卷、利润收缩的存量阶段；而由英伟达黄仁勋持续押注、夏季达沃斯论坛列为年度头号技术趋势的物理 AI，正式接过行业接力棒，成为全球资本与科技巨头的核心布局方向。
一时间，世界模型、具身智能、物理推演成为行业热词，各类科技企业纷纷绑定物理 AI 赛道，试图抢占估值红利。近期，冲刺港交所的 Momenta 被市场冠以“ 物理 AI 第一股” 的头衔，引发广泛热议。但拨开资本市场的概念包装，我们需要先厘清最核心的问题：物理 AI 到底是什么？这场产业变革的核心逻辑和真实落地节奏是什么？
相较于纠结单一企业的标签归属，读懂物理 AI 的底层定义、发展脉络与商业化本质，才是看懂 AI 产业下半场的关键。而回归产业本源不难发现：自动驾驶的核心价值，始终锚定垂直场景的规模化落地与真实营收能力，而非泛化的物理 AI 概念叙事。
物理 AI，AI 产业的终极进化方向
想要理解物理 AI，最直观的方式是对比大众熟知的数字 AI。过去三年爆火的 ChatGPT、文生图、AI 办公等技术，都属于数字 AI，核心局限于虚拟屏幕世界，处理文本、图像、代码等数字化信息，输出的是文字、画面等虚拟内容，解决的是信息交互、内容生产的效率问题。
而物理 AI（Physical AI），是彻底跳出数字虚拟场景、扎根真实物理世界的新一代人工智能。结合英伟达黄仁勋的定义与行业统一标准，其核心本质是：能够感知三维物理空间、理解重力、摩擦、碰撞、运动等真实物理规律，通过世界模型推演环境变化，自主完成感知、推理、决策、实体执行的全闭环 AI 体系，最终实现 AI 对现实物理世界的改造与赋能。
简单来说，数字 AI 让机器“ 会思考、会表达”，物理 AI 让机器“ 会观察、会行动、会适应真实世界”。二者的核心差异，决定了物理 AI 拥有远超数字 AI 的产业空间。数字 AI 服务于线上虚拟场景，市场天花板逐步显现；而物理 AI 覆盖自动驾驶、人形机器人、工业自动化、低空设备、智能终端等实体赛道，渗透工业生产、交通出行、家庭服务等实体经济核心场景，是真正能重构实体产业的万亿级赛道。
从概念到落地：物理 AI 的崛起与一年产业迭代
物理 AI 的概念由英伟达 CEO 黄仁勋率先系统性提出，他多次公开表态：数字 AI 只是 AI 产业的上半场，物理 AI 才是未来数十年科技行业的核心增长浪潮，也是人工智能从“ 智能交互” 走向“ 智能造物” 的关键拐点。
在行业早期，物理 AI 更多是前沿技术概念，受限于硬件成本、数据积累、模型能力，长期停留在实验室阶段。直到近一年，随着大模型技术迭代、算力成本下降、实体场景数据爆发，物理 AI 正式迎来规模化落地拐点，2026 年也被业内公认为物理 AI 元年。
从技术迭代来看，世界模型的成熟是物理 AI 落地的核心基石。区别于传统大语言模型的文本预测逻辑，世界模型核心是预测物理世界的动态变化，推演物体运动轨迹、环境演变规律，解决了 AI 看不懂复杂现实场景、无法预判未知风险的核心痛点。目前，特斯拉、谷歌、英伟达、Momenta 等国内外企业，均已完成世界模型的技术布局，推动物理 AI 从理论走向量产。
从产业落地来看，近一年物理 AI 赛道呈现全方位爆发态势。资本端，2026 年一季度全球物理 AI 初创企业融资超 64 亿美元，国内半年融资突破 460 亿元，资金高度向世界模型、通用仿真、具身智能等核心技术领域集中；应用端，物理 AI 开始多场景落地，自动驾驶城市 NOA 大规模普及、工业机器人智能化升级、人形机器人完成 B 端试水、AI 眼镜等端侧智能终端快速渗透，产业生态持续完善。
从行业共识来看，全球科技巨头已完成战略统一。英伟达搭建 Omniverse 仿真平台、Cosmos 世界模型，打造物理 AI 底层算力与仿真底座；特斯拉以自动驾驶为入口，布局通用具身智能；国内企业也纷纷聚焦物理 AI 核心技术，推动 AI 技术与实体经济深度绑定，行业正式进入技术落地、商业化兑现的高速周期。
物理 AI 的核心门槛：通用能力与跨场景价值
经过一年的产业迭代，市场对物理 AI 企业的判定标准已形成清晰共识，核心具备两大核心特质，这也是区分“ 真物理 AI” 与“ 概念蹭热度” 的关键。
第一，通用物理建模能力。真正的物理 AI 技术，核心是掌握通用物理规律，一套底层模型可适配汽车、机器人、工业设备、低空飞行器等多类物理载体，实现跨行业、跨场景复用，具备极强的技术泛化能力，而非单一场景的定制化优化。
第二，完整的实体交互闭环。物理 AI 的核心是“ 可控、可执行”，AI 可自主完成环境感知、风险推演、决策输出、硬件操控的全流程闭环，无需第三方主体二次干预、审核、标定，真正实现对物理实体的自主掌控。
第三，多元化商业化场景。依托通用底层技术，可横向拓展出行、工业、家居、物流等多赛道业务，形成跨行业、可持续的营收体系，摆脱单一行业的周期束缚。
基于这套行业标准，当下很多企业的物理 AI 叙事，都存在一定的概念泛化问题，近期热度极高的 Momenta 便是典型。
“ 物理 AI 第一股” 是概念溢价，而非产业定位
凭借量产规模、市占率优势与 R7 世界模型技术，Momenta 被市场冠以“ 物理 AI 第一股”，为其 IPO 赋予了更高的赛道估值。但客观来看，这一标签更多是资本市场的营销包装，并非严格意义上的产业定位，无需过度放大争议，仅需厘清边界即可。
从技术层面，Momenta 的 R7 世界模型是乘用车场景的专用优化模型，聚焦城市、高速路面行驶场景，仅针对车辆、行人、路面障碍物做物理轨迹预判，技术无法迁移至工业机器人、低空设备、通用仿真等物理 AI 核心场景，不具备通用物理建模能力。同时，其算法方案需依托车企硬件载体，指令需主机厂二次标定，无法形成完整的物理自主交互闭环。
从业务层面，Momenta 的全部营收、业务布局均聚焦乘用车赛道，Robotaxi、无人卡车等远期规划也未跳出地面出行场景，始终是垂直出行赛道的技术服务商，没有物理 AI 企业必备的跨场景、跨行业拓展能力。其亮眼的营收增长、高毛利许可收入，均来自车载软件量产交付，是自动驾驶垂直场景的商业化成果，而非通用物理 AI 的价值兑现。
简言之，Momenta 是优秀的智能驾驶解决方案厂商，掌握了部分物理 AI 的技术特征，但并不具备完整的物理 AI 产业属性，“ 第一股” 的头衔更多是资本赋予的概念溢价，而非行业精准定位。
自动驾驶的核心，永远是落地与营收
物理 AI 宏大的赛道叙事，本质是为自动驾驶行业提供了长期技术想象，但无法改变企业的短期估值逻辑。
无论是 Momenta、文远知行、小马智行等头部玩家，还是行业一众新晋厂商，自动驾驶企业的核心竞争力，从来不依附于前沿概念，而扎根于垂直场景的规模化落地能力与真实营收造血能力。
物理 AI 的长期发展，目前行业仍处于早期布局阶段。通用世界模型、具身智能、跨场景仿真等核心技术仍在迭代，多品类实体落地、跨行业商业化还需长期沉淀。对自动驾驶企业而言，当下最务实的发展路径，不是绑定宏大的物理 AI 概念抬高估值，而是持续深耕出行垂直场景，扩大量产规模、优化收入结构，用真实的营收与盈利修复证明产业价值。
物理 AI 是长远的产业终局，而自动驾驶是当下务实的垂直赛道。Momenta 的案例也印证了一个朴素的产业真理：所有技术叙事最终都要服务于商业落地，资本市场的概念溢价转瞬即逝，唯有垂直场景的规模化应用、可持续的营收能力，才是科技企业的核心护城河。未来，随着物理 AI 技术持续成熟，自动驾驶与通用物理 AI 的边界或将逐步打通，但当下，坚守商业化落地、维持造血能力，依旧是智驾行业的唯一标准答案。
更多精彩内容，关注钛媒体微信号 （ID：taimeiti），或者下载钛媒体 App
