不能不知的物理AI變革 (上)
2022年ChatGPT橫空出世，那一刻標誌著人工智能（AI）大模型時代的開端。大型語言模型如GPT系列、BERT等，透過海量數據訓練，帶來了自然語言處理、內容生成和決策輔助的爆發性增長。投資者蜂擁而至，NVIDIA、OpenAI等公司股價如火箭般竄升。時至2026年，市場風向已悄然轉變，經過數年發展，大模型的邊際效應遞減，投資焦點逐漸從純軟件AI轉向「物理AI」（Physical AI）。這不僅是技術演進，更是AI與現實世界深度融合的必然趨勢。
物理AI，顧名思義是將人工智能技術應用於物理世界的系統與應用。它不同於傳統的數字AI（如聊天或圖像生成模型），後者主要依賴雲端計算和數據處理，而物理AI強調AI與物理環境的互動，包括感知、決策和執行。簡單來說，物理AI是讓機器「懂」物理世界的AI。從技術層面看，物理AI的核心組成包括三大部分：感知層、決策層和執行層。感知層依賴感測器（如LiDAR雷達、攝像頭、觸覺感測器）來收集實時物理數據，例如機器人手臂感知物體的重量和形狀。決策層則整合AI算法，如強化學習和電腦視覺，讓系統基於數據做出判斷。執行層涉及機械臂、輪式移動平台或無人機等硬體，實現物理動作，例如Boston Dynamics的Atlas機器人，能夠在複雜環境中奔跑、跳躍和搬運物品，這就是物理AI的典型體現。
與大模型AI相比，物理AI的挑戰更大。它不僅需要處理海量數據，還要應對物理世界的不可預測性，如重力、摩擦力和環境噪音。早在2023年，OpenAI就投資了物理AI初創公司1X Technologies，開發出能模仿人類動作的機器人Neo，這標誌著行業從「虛擬智能」向「實體智能」的轉型。物理AI不是取代大模型，而是其延伸——大模型提供「大腦」，物理AI提供「身體」。
在當今全球經濟中，物理AI的重要性堪比工業革命的蒸汽機。它解決了AI發展的瓶頸。純數字AI雖然強大，但無法直接影響物理世界；物理AI則填補了這一空白，實現AI的「落地」應用。從宏觀經濟角度看，物理AI是提升生產力的關鍵。根據麥肯錫全球研究所的報告，到2030年，AI將貢獻全球GDP的15.7萬億美元，其中物理AI佔比將超過40%，主要來自製造業和物流的自動化。疫情後，勞動力短缺和供應鏈斷裂暴露了傳統產業的脆弱性，物理AI透過機器人替代人力，降低成本並提高效率。例如，在汽車製造中，物理AI機器人能24小時不間斷組裝，錯誤率低於0.1%。
地緣政治層面，物理AI也至關重要。美中科技競爭中，物理AI成為新戰場。美國透過CHIPS Act投資晶片製造，中國則在機器人產業鏈上領先。2025年，全球機器人市場規模預計達2,500億美元，物理AI是其核心驅動。忽略物理AI，意味著錯失下一個科技浪潮，就像錯過互聯網時代一樣。更深層次，物理AI推動可持續發展，氣候變化下物理AI可優化能源使用，如智能電網AI系統實時調整供電，減少浪費。聯合國可持續發展目標中，物理AI有助於實現「工業、創新和基礎設施」的目標。
由於篇幅所限，下期文章繼續探討！祝各位讀者馬年行大運，身體健康！
權益申報：筆者為證監會持牌人士，並無持有上述股票
