概念

物理 AI（Physical AI）

概念解析

定义与起源

物理 AI 是 黄仁勋 在 2024-2025 年间正式定型的"AI 第三波"叙事：当感知 AI、生成式 AI 之后，AI 进入物理世界——它必须理解摩擦力、惯性、物体永恒性、因果。它不只看懂文字和图像，还要看懂物理。

最完整的命名出现在 2025-01 CES 2025 - Project DIGITS 与 Cosmos：

"AI 始于感知 AI——理解图像、文字和声音；接着是生成式 AI——创造文字、图像和声音。而现在，我们正进入物理 AI 的时代——一个能够感知、推理、规划并行动的 AI。"
——2025-01 CES 2025 - Project DIGITS 与 Cosmos

2025-Q4 NVIDIA FY25 财报 - Blackwell ramp 给出了它和"普通 AI"的关键区别：

"These physical systems require a new type of AI—we call it physical AI. It needs to not just understand the meaning of language and meaning of words, but it needs to understand the meaning of the world—friction, inertia, object permanence, cause and effect. All these things that are common sense to you and I, the AI has to learn these physical effects."

"物理系统需要一种新的 AI——我们叫它物理 AI。它不能仅仅理解语言和意义，它必须理解世界的意义——摩擦力、惯性、物体永恒性、因果。所有这些对你我是常识，但 AI 要去学这些物理效应。"
——2025-Q4 NVIDIA FY25 财报 - Blackwell ramp

核心要义

第一,机器人的 ChatGPT 时刻就在眼前。

黄仁勋 在 2025-01 CES 2025 - Project DIGITS 与 Cosmos 把 Cosmos 的发布类比为大语言模型的起点：

"The ChatGPT moment for robotics is around the corner."
"机器人的 ChatGPT 时刻就在眼前。"
——2025-01 CES 2025 - Project DIGITS 与 Cosmos

第二,物理 AI 需要"三台计算机"，不是一台。

这是 黄仁勋 最反复强调的方法论：

"We need three computers. The first one is still the training machine, DGX. The third one is what's in the robot, AGX/Jetson. But in between, we need a second computer—a simulation engine, a virtual world for the robot to learn in. We call it Omniverse, and the machine that runs it is called OVX."

"下一波 AI 要理解物理世界，我们需要三台计算机。第一台仍然是 AI 训练机 DGX。第三台是放在机器人里的 AGX/Jetson。但在它们中间，我们还需要第二台计算机——一个模拟引擎，给机器人一个可以学习的虚拟世界。我们把这个虚拟世界叫 Omniverse。"
——2024-03 GTC 2024 - Blackwell B200 发布

第三,物理 AI 的可验证奖励就是物理定律。

在 2025-03 GTC 2025 - Blackwell Ultra 与 Vera Rubin 里，黄仁勋 给出了"为什么物理 AI 训练能 scale"的本质答案：

"在物理 AI 里，可验证奖励是什么？很简单——物理定律。所以我们需要一个物理引擎，专门为细粒度刚体 / 软体、触觉反馈、精细运动控制而设计，要 GPU 加速到可以在超实时速度里训练。"
——2025-03 GTC 2025 - Blackwell Ultra 与 Vera Rubin

这就是 NVIDIA 联合 DeepMind 和 Disney Research 发布 Newton 物理引擎的根本原因。

第四,数据瓶颈要靠合成数据 + 数字孪生来解决。

真实世界数据太慢、太贵、太少。黄仁勋 给出的答案是 Cosmos、Isaac GR00T Blueprint、Omniverse Replicator：

"Synthetic data is the key to training data factories for AVs. We will have mountains of training data."

"合成数据是训练自动驾驶数据工厂的关键。我们会拥有一座座训练数据的大山。"
——2025-01 CES 2025 - Project DIGITS 与 Cosmos

实践应用

常见误区

误区一：物理 AI = 机器人。
错。物理 AI 包括自动驾驶、机器人、工厂自动化、AI 控制的医疗设备、AI 控制的能源系统——任何"AI 必须理解物理"的场景。

误区二：物理 AI 是远期愿景，还没法商用。
错。汽车产业已经在用：2025-Q4 NVIDIA FY25 财报 - Blackwell ramp 提到"今天路上有 10 亿辆车，未来每一辆都会是机器人车——不停收集数据，用 AI 工厂持续改进自己"。

误区三：物理 AI 不需要超大算力，因为它跑在边缘设备上。
错。物理 AI 需要"三台计算机"——边缘只是其中一台。训练和仿真都要海量算力。

黄仁勋原话精选

"The ChatGPT moment for robotics is around the corner."
"机器人的 ChatGPT 时刻就在眼前。"
——2025-01 CES 2025 - Project DIGITS 与 Cosmos

"Every single thing that moves will be autonomous one day—either fully or largely so."
"未来每一个会动的东西都将是自动的——要么完全自动、要么在很大程度上自动。"
——2021-11 GTC 2021 秋 - Omniverse 与数字孪生

"Before this decade is out, the world will be short at least 50 million human laborers. We would happily pay 50 thousand dollars per year per person—and now we'd happily pay 50 thousand dollars per year for a robot."
"本 decade 结束前，世界将缺少至少 5000 万个人类劳动力。我们会非常乐意付每人 5 万美元年薪——可现在我们大概要付 5 万美元年薪给机器人。"
——2025-03 GTC 2025 - Blackwell Ultra 与 Vera Rubin

"Physical AI and robotics is moving at lightspeed. Everybody pay attention to this space. This is likely going to be the largest industry of all."
"物理 AI 和机器人正在飞速前进。所有人注意这个方向，这很可能是有史以来最大的产业。"
——2025-03 GTC 2025 - Blackwell Ultra 与 Vera Rubin

思想演变

相关概念

典型案例