｜人工智能下一个浪潮剑指物理AI

　　，AI从当前的文本或者图像大模型向工业仿真、生物医药等物理规律驱动领域转移，未来AI的所有能力都能够融入物理世界。

　　按字面理解，物理AI是能够理解物理定律并与现实世界交互的智能实体系统，直白点说，现在的AI就是你问我答和文生图、文生，都是简单的认知性任务，但这却仅仅是AIGC的初始阶段，它的局限是始终无法跳出二维平面，无法实现能提升人类生产效率的超级智能。而物理AI是一种三维感知领域的AI，它不仅仅是人与机器的感官交互，而是要让机器能自己思考并实质性行动。

　　在黄仁勋看来，机器人是物理AI的一个很好的载体，这也是AIGC从二维平面向三维感知空间智能领域迈进的一个切入口，将真正地实现“机器思考”。物理AI通过机器人感知升级，可以让各种类型的机器人的生产效率实现脱胎换骨式的变化。比如人形机器人不再是玩具摆设，而是可以帮助人类干活的智能体；自动驾驶也可以根据环境的变化而实现智能判断与反应。总之，机器人会更像智商超越人好几倍的“钢铁侠”。

　　当然，机器人仅仅是物理AI的很小一部分，空间智能物理AI拥有广阔前景，不仅仅是机器人领域，包括自动驾驶领域也属于物理AI的实际应用。此外，还有很多可以实现机器智能感知与升级的领域。由此可见物理AI的广阔前景。不过，要实现物理AI的普及，必须解决两个问题。第一个是更快速的运算和容量更大的算力，第二个是更具落地性质的空间感知和垂直类大模型应用。

　　英伟达之所以对物理AI如此关注，一个很重要的原因是随着AI训练的逐步成熟，下游应用的产业链建设必须要跟上，否则就无法消纳越来越先进的GPU芯片和庞大的算力输出，仅仅依靠二维平面的问答和显然是不够的。因此，英伟达积极推动AI从二维平面向星辰大海般的三维物理感知层面进阶。要知道，机器人的全球年产值已达3000亿美元，而且随着科技的不断进步，这个行业还将迎来更广泛的应用。AI进入三维物理感知对算力的需求将是几何式的爆发增长，这对于越来越先进的GPU和庞大的算力消纳来说是件好事。

　　其次是我们需要更具落地性质的大模型应用。这种大模型不是简单的平面思考，而是空间智能AI大模型，是多模态的三维空间感知。比如给各种机器人做智能升级的大模型，让机器人能自己智能思考并反馈人的指令，不再是简单的重复指令，特别是像自动驾驶和人形机器人等需要不断思考与升级的机器人。可以预见，未来能在物理AI大风口起飞的，一定是垂直类的AI智能体。比如面向工业制造场景的空间智能闭环系统，或者面向金融、教育等垂直类的AI智能体。