 |
何泽仪。 |
 |
《老去无忧：AI养老的中国方案》 何泽仪 著 人民邮电出版社 |
 |
机器人学习取物。 新华社发 |
□ 长江日报记者翟晓林 实习生王佑予
2026年被不少业内人士视为“物理AI（Physical AI）加速落地之年”。从世界经济论坛第十七届夏季达沃斯论坛的高度关注，到英伟达、Figure AI、小鹏、宇树、智元等企业的密集动作，具身智能、自动驾驶、工业机器人，正在从技术概念走向产业议程。
与之相对，前几年火爆的“元宇宙”概念渐趋沉寂，对数字分身、虚拟主播的争议抬头，“AI脸生理性厌恶”话题甚至冲上微博热搜。
人工智能是否正在“脱虚向实”？物理AI是否将取代虚拟AI（数字AI/生成式AI）？近日，人工智能养老领域专家、国际科技投资人何泽仪接受了长江日报《读+》周刊采访。
她认为，多种条件的成熟使今年成为物理AI爆发的关键节点；但物理AI不会取代虚拟AI，两者将长期共存。她特别强调，所谓“虚拟AI”是以大语言模型、Agent（智能体）、生成式AI和知识工作流为代表的信息智能，不应被简单理解为数字分身或虚拟数字人。“虚拟AI让机器理解人类语言，物理AI让机器理解现实世界。前者决定AI能不能思考，后者决定AI能不能行动。”
■ “物理AI”迎来爆发年
物理AI是能够感知、理解现实世界，并通过机器人、车辆、工业设备等实体系统在真实环境中完成任务的AI。它是能够理解现实世界并在现实世界中行动的人工智能，不仅要“看见”环境，还要理解物体的重量、位置、材质、摩擦、距离和风险。
今年1月，英伟达CEO黄仁勋在CES（国际消费电子展）演讲中17次提及“物理AI”，宣告人工智能从“理解语言”进阶到“理解物理世界并动手干活”。
4月，在北京亦庄举行的人形机器人半程马拉松比赛上，冠军“闪电”的速度超越人类男子半马世界纪录。
5月，在真实仓储环境中，Figure AI的三台人形机器人组成编队，通过自主轮换充电实现连续无故障运行200小时，累计分拣包裹近25万件。
在刚刚结束的第十七届夏季达沃斯论坛（大连）上，物理AI/具身智能被正式列为全球科技议程核心议题。论坛发布的《2026年十大新兴技术》报告中，物理AI发展的核心引擎“世界模型”被列为未来5年最有望重塑产业格局、影响社会发展的关键技术之一。
如果说CES上的Cosmos模型和达沃斯论坛上的冲咖啡机器人还带有展示意味，2026年二季度的央企集采与物流头部企业部署，则意味着物理AI开始规模化部署。国家电网计划集中采购具身智能设备约8500台，包括巡检机器狗、人形带电作业机器人、双臂巡检机器人；人形机器人进入顺丰、中国邮政物流枢纽分拣线；小鹏汽车旗下IRON人形机器人宣布下半年启动量产，宇树、智元等亦规划扩大交付规模……具身智能正在从实验室走向工厂和物流现场。
何泽仪认为，物理AI之所以热门起来，一是因为全球几十家公司持续制造机器人，形成了足够大的硬件需求；二是“规模法则（指描述模型性能如何随着模型大小、数据集大小和计算资源的增加而变化的经验性规律——《读+》注）”和大语言模型提供了支撑，让具身智能的发展进程更快；三是数据仿真、强化学习和数字孪生工具的成熟，提高了训练效率；四是资本、产业和政策在同一时间点汇合。“机器人、大模型、数据、资本在这个时间点汇合，物理AI不是一个单纯的技术热点，而是科学问题、资本问题、产业问题和应用问题叠加后形成的产业事件。”
物理AI应用正在快速发展，并被众多专家视为AI下一阶段的重要发展方向。但何泽仪不认为物理AI将取代虚拟AI，“两种AI对应人的不同需求，将长期共存。虚拟AI解决信息世界的问题，物理AI解决物质世界的问题。人类既需要答案，也需要行动；既需要知识，也需要服务”。
虚拟AI会继续处理信息、创作、咨询、知识管理和复杂工作流；物理AI接管需要改变物质世界的任务，包括搬运、巡检、护理、制造、驾驶和救援。而且，物理AI的大脑往往仍需大语言模型提供语义理解、任务拆解和人机交互能力，“虚拟大脑+物理身体”才是完整形态。
■ AI能否把水稳稳递到人手里，是一条分界线
“如果希望机器人替代人类完成工作，它就要具备人类对物理世界的理解力。”何泽仪这样解释“世界模型”的作用。
她举例称：机器人的手臂可以轻而易举抱起五六十公斤的老人。但如果它用同样的力气去拿杯子，杯子必然会被捏碎。“机器人递茶时，难度不在于‘看到茶杯并送过去’，而在于‘用多大的力度抓取茶杯、杯子是否装水、杯壁是否易碎、递给老人时手腕该停在哪里’。这些知识很难完全用语言描述，人类也很少通过语言学习这类能力，而是在长期身体经验中自然形成。所以，只拥有大语言模型的机器人无法理解这种力度控制，大多数情况下会捏碎杯子；如果换成老人的骨头，多半会捏碎骨头。”
“机器人进入居家场景真正的难点，不是有没有力气，而是能不能把力量变成温度。”何泽仪说，如果机器人只理解语言，不理解材质、重量、摩擦、重心和人体脆弱性，它就无法真正进入护理场景。“一条重要的分界线，不是AI会不会说话，而是AI能不能把一杯水稳稳递到人手里。”
这也是“世界模型”要解决的问题——通过建模、预测和模拟现实世界的运行规律，帮助AI理解物理世界的因果关系。它要让AI不仅知道“茶杯是什么”，还要知道“茶杯被抓住会怎样”“手滑会怎样”“水洒出来会怎样”“老人被碰到会怎样”。何泽仪说，发展世界模型，目前遇到的难题主要是模型能力不足和数据匮乏，“大语言模型可以学习人类过去十几年在互联网上留下的大量文本、图像、视频、语音和对话数据。但世界模型需要的是可交互、可标注、可反馈的物理数据，包括动作、力度、接触、失败、纠偏和后果。这类数据不是天然存在于互联网上的，采集成本更高，标注难度更大，安全要求也更高。”
■ 工程创新是不可忽视的驱动力量
这一轮AI硬件热里，全球著名电子一条街——深圳华强北成为不可忽视的驱动力量。在这儿，一个极客用一块树莓派（一款信用卡大小的单板计算机，引出几十个GPIO引脚，可直接连灯泡、电机、传感器、机械臂、摄像头——《读+》注）加十几个舵机，能“手搓”出一款迷你机械臂。
何泽仪高度认可华强北的组织能力，甚至将其工程创新水准与马斯克式工程降本相提并论。“中国目前在人工智能行业的爆发，本质上是三件事的结合：技术能力、工程能力和市场认知。马斯克的很多创新，本质上也是工程创新，是用极致供应链和极致工程能力，把成本不断往下打。华强北也是工程师文化的产物，它能用更低的成本、更快的速度，做出足够好、足够可用的方案。这种快速组织供应链的能力，推动的也是工程创新。”
她认为，物理AI不只属于实验室，也属于车间、工厂、供应链和工程师社群。“虚拟AI的门槛在模型，物理AI的门槛在系统。它不是一个模型就能解决的问题，而是传感器、执行器、材料、控制、软件、场景和成本共同构成的系统工程。”
她也特别提到了我国市场广泛的科技接受度。“中国人对技术的拥抱程度、对先进技术的欢迎程度，在全世界数一数二。技术接受度会直接影响到整个产业的发展。”
【访谈】
家庭养老可能是物理AI的最大考场
■ 以宇树为代表的“中国制造”，大幅降低了机器人研发成本
读+：过去几年，大家谈AI更多是在谈大模型、聊天机器人、内容生成。为什么现在行业突然开始强调“会动手”的物理AI？
何泽仪：“会说话”的AI已经完成了第一阶段的技术证明，但人类社会真正大量的问题，不只存在于语言世界里，而是存在于物理世界里。
大模型解决认知和表达问题。它可以写文章、做总结、回答问题、生成方案，这些都很重要。但是，如果独居老人摔倒，不是需要AI写一份分析报告，而是需要AI能第一时间发现后把老人扶起来，能把药递到手边，甚至帮助关火、开门，在紧急情况下做出现场反应。
所以物理AI的核心变化，是AI从屏幕里走出来，从“理解世界”走向“进入世界”。过去AI更多是一个信息系统，现在它要变成一个行动系统。这个转变非常关键。
读+：为什么物理AI能在今年爆发？
何泽仪：主要有三个条件。
第一，大语言模型的成功很大程度上验证了规模法则的可靠性。这意味着，在一定边界内，大规模投入算力、数据和模型参数，可以带来可预测能力的提升。
第二，以宇树科技为代表的中国制造业力量，显著降低了机器人硬件的使用门槛。过去高端机器人平台价格很高，例如波士顿动力的Spot曾以7.45万美元起售，Atlas这类人形机器人也长期不是普通开发者可以买来使用的产品。相比之下，宇树把人形机器人的价格拉到了几万元到十几万元：G1发布价为9.9万元起，R1发布价为3.99万元起，后来进一步下探到2.99万元起；四足机器人也有万元级、数万元级和工业级不同产品。价格降下来以后，机器人才真正变成大量创业公司和研究机构可以使用的底层平台。目前，许多海外实验室采用宇树机器人作为底板，在上面叠加自研的物理模型。
第三，全球学术界意识到，人类对物理世界感知数据的收集能力严重不足，已经成为制约机器人发展的瓶颈。这个瓶颈不仅激发了学术界的研究热情，也吸引了更多资本、技术和科研力量将机器人视为下一个爆发的点。
综合以上三点，今年注定将成为物理AI爆发的关键节点。
读+：人形机器人的规模化部署，有什么代表性事件？
何泽仪：有两个比较明确的标志性事件。一个是宇树在2025年人形机器人出货量超过5500台，公开披露期内四足机器人销量合计超过3.3万台。这个量在全球冲击很大。另一个是前段时间Figure机器人在受控的物流分拣测试中，连续运行约200个小时，累计分拣接近25万个包裹，没有出现硬件故障或系统崩溃。这证明机器在一个相对标准化、可重复的任务里，已经展现出长时间自主运行的潜力。
■ 机器人去“上学”，采集数据学本领
读+：您说发展物理AI一个很大的局限在于数据严重不足，能否举例说明？
何泽仪：家庭有各种随机情况，环境比工厂复杂太多。比如路中间放个纸箱子，人看一眼就知道，是空的就挪走，是满的就绕开，但机器人判断不了，扫地机器人现在还会卡在那里。环境复杂度高，就意味着需要更多数据。
读+：这个问题怎么解决？
何泽仪：目前数据解决方案大致有三种。
第一种是模拟物理世界。在电脑里用大模型模拟物理世界，生成模拟数据，用来训练机器人。这种模型在自动驾驶、机器人训练、手术模拟训练等领域的使用已经很普遍了。
第二种是像湖北这样设置人形机器人创新中心。我更愿意叫它“机器人学校”。人戴着VR设备做各种动作，旁边机器人跟着学。一个只会跳舞或跟人说话的机器人，进去“上学”，出来就能干点活了，因为里面收集了大量真实场景的数据，而且是人类跟机器人一起采集的。中国确实有大量人力和场景优势，这个方向我觉得挺扎实。
第三种是专门的公司把人类第一视角的视频转成机器人能识别的数据。早期效果不太理想，数据多，但好用的不多。现在这个方向还在快速发展，关键不只是视频量，而是这些视频能不能转化成机器人可学习、可执行、可泛化的动作数据。
总体来看，几种方案都在探索阶段。我个人觉得养老是个特别需要场景解决方案的领域。让养老院的护工戴上眼镜、手套这类设备去采集数据，给机器人储备真实的场景数据，这是个放眼未来、打好基础的路径。
■ 养老场景里，安全比炫技重要
读+：您有一个判断，认为家庭养老会成为物理AI最重要的应用场景之一，为什么这么说？
何泽仪：我一直不认为工厂是人形机器人最好的出发点。无人工厂多用机械臂，便宜好用还耐造。到企业级物流，用无人底盘车加自动装卸机也就够了。人形机器人其实很脆弱，大型的汽车、重机、物流行业都不喜欢人形机器人。
而家庭养老同时具备三个特点：需求极大、场景复杂、支付逻辑真实。
第一，需求极大。中国已经进入深度老龄化社会，老年人口规模非常大，而且绝大多数老人在家庭和社区中养老。截至2025年末，中国60岁及以上人口已经超过3.2亿，其中65岁及以上人口超过2.2亿。再加上中国九成以上老年人倾向于居家养老，这背后对应的是上亿级家庭照护场景。这个用量逻辑，远超工厂百万级的逻辑。
第二，场景足够复杂。工厂可以被改造，地面可以铺平，路线可以固定，物体可以标准化，动作可以重复。但每个家庭的户型、家具、光线、地面、生活习惯都不一样。老人今天把拖鞋放在门口，明天把纸箱放在走廊，后天可能把水洒在地上。这些对人来说是小事，对机器人来说都是挑战。
第三，有非常真实的支付逻辑。很多AI应用看起来很先进，但用户不一定愿意付钱。养老不一样。只要它能真正降低照护压力、减少风险、替代一部分人工、让老人更安全，家庭、机构、保险公司、政府都有可能成为支付方。
所以我一直认为，家庭养老不是一个边缘场景，而是物理AI最好的真实考场。
读+：物理AI进入家庭养老，最先落地的会是人形机器人吗？
何泽仪：这个想象很美好，但现实中一定是分阶段推进的。
第一阶段，是“看得见”。也就是通过雷达、床垫、摄像头、可穿戴设备、门磁、水电传感器等，让系统先知道老人在哪里、状态怎么样、有没有异常。
第二阶段，是“能判断”。系统不只收集数据，还能够识别风险。比如它知道老人今天走路比昨天慢了，起夜次数变多了，吃饭时间异常了，这些可能意味着身体状态变化。这个阶段的AI更像一个家庭养老的风险预警系统。
第三阶段，是“能调度”。AI发现问题以后，不只是报警，还把任务派给合适的人。比如通知子女、社区护理员、养老机构、家庭医生，甚至联动120、物业和邻居。
第四阶段，才是“会动手”。这个阶段，机器人开始真正介入动作任务，比如递水、送药、取物、辅助站立、夜间陪伴、简单清洁、紧急呼叫等。
家庭养老里的物理AI不会突然一步到位，而是从感知开始，从风险判断开始，再逐渐进入动作执行。人形机器人会出现，但它要先在有限任务里证明自己。
读+：在家庭养老中，什么样的动作最适合机器人先做？
何泽仪：高频、低风险、可标准化的动作。比如递水、送药盒、提醒服药、拿手机、拿眼镜、推送简单物品、夜间巡检、发现老人跌倒后呼叫帮助，这些都比“直接扶人洗澡”更适合早期落地。因为在养老场景里，安全性比炫技重要。机器人如果动作做错了，可能不是效率问题，而是安全事故。
我认为早期家庭养老机器人最有价值的，不是像电影里那样什么都会，而是在几个关键节点上解决真实痛点。比如老人半夜起床，机器人能不能提前亮灯、提醒地面障碍、通知家属；老人忘记吃药，机器人能不能把药送到面前并确认；老人长时间没有活动，系统能不能判断是不是出现了风险。
这些事情看起来不酷，但非常有价值。养老产业不是靠炫技驱动的，而是靠可靠性、稳定性和信任驱动的。
读+：物理AI做养老，最大的难点是什么？
何泽仪：最大的难点不是单点技术，而是系统集成。
很多公司可以做一个很漂亮的机器人，也有公司可以做一个传感器，还有公司可以做一个算法模型。但养老需要的是一个完整系统：硬件要便宜，传感器要可靠，算法要能判断风险，机器人要能执行动作，服务体系要能接住报警，家庭成员要能理解，政府和机构也要能管理。
如果只是卖一个机器人，这个产业很难起来。真正能跑通的，一定是“设备+数据+服务+场景”的系统方案。
另外，养老还有一个特殊问题，就是信任。老人会不会接受？子女会不会放心？护理员会不会觉得机器人是在帮他，而不是替代他？机构会不会愿意接入？这些都不是纯技术问题，而是社会系统问题。
所以家庭养老里的物理AI，不是简单地把机器人搬进老人家里，而是要重新设计一个以老人为中心的照护体系。过去AI解决的是“没人陪你说话”的问题，未来物理AI要解决的是“没人帮你动手”的问题。对于养老来说，这个变化非常重要。因为老年人真正需要的，不只是陪伴和聊天，而是在关键时刻有人能看见他、理解他、帮助他。
所以我认为，物理AI的爆发，最终一定会回到家庭养老这样的真实场景里。它不是一个概念游戏，而是一个非常具体的社会需求：当家庭变小、老人变多、护理员不足的时候，我们必须让AI从“会说话”走向“会动手”。