过去我们熟悉的AI，大多在处理信息，如写邮件、做表格、回答问题。但物理AI不一样，它得懂空间、力量、运动和碰撞，还得通过机械臂、外骨骼、机器人这些设备，到现实世界里去动手。
据Gartner预测，到2030年，超过80%的企业将在设计、制造、产品和服务等各个环节采用物理AI。这背后其实是一次转向：AI从处理信息，走向物理世界。
从输出文字到输出动作
想知道物理AI跟生成式AI有啥区别，看它最后能做什么就行。生成式AI能写文字、画图、剪视频，说到底还是在处理信息、创造内容。物理AI能做的是动作：抓、搬、装、走。一个能写诗的模型，你让它端杯水走两步试试？水在杯子里晃，脚步一乱就洒了。它压根不知道这些。物理AI要补的，就是这种“物理常识”。
它干活的过程，其实是个循环：先看环境，再琢磨力、摩擦、重心这些事，然后决定怎么动，指挥机械臂或机器人去动，动完还得从环境里收到反馈，不对就调。这一圈少一步都不行。但最容易被小看的，是中间那步：它到底懂不懂物理。
光靠“见得多”不够。传统的视觉-语言-动作模型，说白了是靠统计关联撑着的。它看过大量抓取示范，能把动作做得挺像样，但手里这个苹果有多软、该使多大劲，它判断不了。它学到的是“看到什么场景、该做什么动作”的关联，而不是“这个动作做下去，物体会发生什么变化”的后果。世界模型就是来补这一块的。
世界模型预测的不是“下一个词”，而是在当前动作下，物体和环境接下来会怎么变。它让AI在脑子里先推一遍：用多大力推过去，物体会往哪走，会遇到多大阻力。语言模型学的是文本里的规律，世界模型学的是空间和时间里的规律：光怎么落在物体表面，物体怎么对力做出反应。
真正的难题在仿真与现实之间
物理AI眼下最大的瓶颈是“Sim-to-Real鸿沟”，说白了就是仿真里练得再好，一到现实就傻眼。一个双臂机器人在仿真环境里插精密零件，能练到几乎不出错。但第一次面对真实产线上那些有点磨损、摆得稍微歪了一点的零件，它可能直接愣住。
问题出在仿真太简化了。现实世界什么怪事都有：灯光角度变一点，视觉识别就可能失灵;表面的摩擦力、弹性形变、质量分布，在仿真里常常就设几个固定数。机器人学到的是一套死板的视觉-运动对应，不是真能随机应变的操作本事。
怎么破？不是把仿真做得跟现实一模一样，那几乎做不到。更靠谱的是把仿真、世界模型和真实数据串成一个循环：仿真里尽量把摩擦、形变、光照这些变化都做足，甚至故意把参数设得乱七八糟;真机上跑的时候，把力觉、视觉和失败案例都收回来，做校准，让模型接着学;世界模型在没见过的场景里先推演下一步。这样机器人就不是死记看到什么就干什么，而是边干边估摸，错了就调。目标不是造个跟现实一模一样的仿真，而是让AI在仿真和现实之间来回磨，最后学会真能用的操作本事。
写在最后
物理AI的“ChatGPT时刻”是否到来，眼下还没有定论。但方向已经摆在那里：AI正在从屏幕里走出来，进入那些需要力气、触觉和空间判断的现场。它未必会替人包办一切，但它会重新划分人和机器的分工。过去，人亲手去拧、去搬、去装;以后，更多是人拿主意、AI去执行。
