文|山自

2026年，读懂的下AI行业的物理叙事逻辑正在经历彻底重构。曾经主导市场的产业生成式数字AI，如今已陷入增速放缓、半场不止同质化内卷及利润收缩的概念存量博弈；相反，由英伟达黄仁勋强力推动、狂欢并在夏季达沃斯论坛被列为年度头号技术趋势的读懂的下物理AI（Physical AI），正式接过接力棒，物理成为全球资本与科技巨头竞相布局的产业战略高地。

随着“世界模型”、半场不止“具身智能”、概念“物理推演”等热词频现，狂欢科技企业纷纷涌入物理AI赛道以抢占估值红利。读懂的下近期，物理冲刺港交所的产业Momenta被市场冠以“物理AI第一股”之称，引发广泛争议。然而，拨开资本市场的概念迷雾，我们必须厘清核心问题：物理AI的本质究竟是什么？这场产业变革的真实落地节奏与核心逻辑又在哪里？

相较于纠结单一企业的标签归属，深入理解物理AI的底层定义、发展脉络与商业化本质，才是洞察AI产业下半场的关键。回归产业本源不难发现：自动驾驶的核心价值，始终锚定于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

理解物理AI最直观的方式，是将其与大众熟知的数字AI进行对比。

过去三年爆火的ChatGPT、文生图、AI办公等技术，均属于数字AI范畴。其核心局限在于虚拟屏幕世界，主要处理文本、图像、代码等数字化信息，输出文字或画面等虚拟内容，解决的是信息交互与内容生产的效率问题。

而物理AI（Physical AI），则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共识，其核心本质为：

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，最终实现对现实物理世界的改造与赋能。

简而言之：
* 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”。

这一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，市场天花板逐渐显现；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，深度渗透工业生产、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。他多次公开强调：数字AI仅是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”迈向“智能造物”的关键拐点。

在行业早期，物理AI受限于硬件成本、数据积累及模型能力，长期停留在实验室阶段。直到近一年，随着大模型技术迭代、算力成本下降以及实体场景数据的爆发，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”。

1. 技术迭代：世界模型成为核心基石

区别于传统大语言模型的文本预测逻辑，世界模型的核心在于预测物理世界的动态变化，推演物体运动轨迹与环境演变规律。这解决了AI“看不懂复杂现实场景”及“无法预判未知风险”的核心痛点。目前，特斯拉、谷歌、英伟达、Momenta等国内外头部企业，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。

2. 产业落地：全方位爆发态势

近一年，物理AI赛道呈现爆发式增长：
* 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。资金高度集中于世界模型、通用仿真、具身智能等核心技术领域。
* 应用端：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。

3. 行业共识：巨头战略统一

全球科技巨头已完成战略对齐：
* 英伟达：搭建Omniverse仿真平台与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：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与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。区分“真物理AI”与“概念蹭热度”的关键，在于是否具备以下三大核心特质：

1. 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。一套底层模型应可适配汽车、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。
2. 完整的实体交互闭环：物理AI的核心是“可控、可执行”。AI需自主完成环境感知、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、审核或标定，真正实现对物理实体的自主掌控。
3. 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，当下许多企业的物理AI叙事存在概念泛化问题，近期热度极高的Momenta便是典型代表。

“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。

技术层面：专用模型，缺乏通用性

Momenta的R7世界模型是乘用车场景的专用优化模型。它聚焦于城市与高速路面行驶场景，仅针对车辆、行人、路面障碍物做物理轨迹预判。该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。

业务层面：垂直赛道，缺乏跨场景拓展

Momenta的全部营收与业务布局均聚焦于乘用车赛道。其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，缺乏物理AI企业必备的跨场景、跨行业拓展能力。其亮眼的营收增长与高毛利许可收入，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。

目前，物理AI的长期发展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，多品类实体落地与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：
1. 持续深耕出行垂直场景；
2. 扩大量产规模；
3. 优化收入结构；
4. 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与可持续的营收能力，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。