(资料图片)
资本热度持续抬升，物理AI、具身智能已经成为科技行业最受瞩目的赛道，市场规模预期向万亿级别快速抬升。但褪去概念包装，整个产业正站在技术理想与产业现实的交叉路口。
不久前，在“物理AI宏伟蓝图2030”活动现场，五一视界创始人李熠表示，物理AI无法简单复制大模型的爆发路径，当AI真正踏入真实物理世界，全行业仍要翻越数据供给、虚实落地、产业分工三道现实大山。
“数字AI拥有天然海量的互联网训练数据，产品做到六七十分就可以推向用户，容错空间很大。但物理AI不一样，智能体每一次决策都直接作用现实，一旦出错就会带来实实在在的风险，容错底线近乎严苛。”李熠表示，很多从业者在推进物理AI发展时，会不自觉套用大模型的发展经验，这恰恰是当下行业比较大的认知误区。
此外，摆在全行业面前最尖锐挑战就是结构性的数据荒。“相比数字AI和自动驾驶，具身智能当前面临两个卡点，数据稀缺和容错率低。”李熠直言，具身智能需要的不是文本信息，而是包含姿态、力觉、环境交互的高质量物理交互数据，这类数据无法从互联网批量抓取，采集成本极高。
行业测算显示，头部具身企业每年对高质量数据的需求达到百万小时量级，但自身产出的有效数据仅有十几万小时，存在十倍级别的供给缺口。更棘手的是，整个行业尚未形成统一可落地的数据质量标尺，大量采集而来的原始素材，因为轨迹物理一致性不达标，根本无法用于模型训练。
比数据缺口更难破解的，是演示与商用之间难以弥合的鸿沟。“现在行业内部有一个清醒共识，现阶段产业的现实目标，是推动上万台机器人真正上岗作业，而不是完成表演性质的Demo（样本），这个目标实现难度，远高于外界普遍认知。”李熠说，大量机器人在展厅环境动作流畅，一旦走进工厂、矿山、园区等复杂真实场景，稳定性就会大打折扣。
“能不能把机器人从‘能演示’变成‘能作业’，才是这场竞争的终局问题。”李熠指出，物理AI的商业化闭环，不只是算法调优，它需要完整走完场景重建、仿真训练、效果评估、现场部署、持续运营的全链路。回顾自动驾驶十年发展历程，李熠认为物理类技术存在客观产业规律，“几乎所有科技产品，无论是硬件还是软件，往往要迭代到第三代或者第四代，才会迎来规模化商业化窗口”，具身智能很难跳开这一周期。自动驾驶仿真从车企可选研发工具升级为法定准入必备条件的过程也提示行业，政策、标准的收敛，才是大规模落地的重要前提。
面向2030，物理AI赛道的市场想象空间已从千亿迈向万亿，但李熠判断产业成熟会遵循明确的先后顺序：自动驾驶会伴随强制标准落地率先走向产业集中；具身智能不会一步实现家用通用人形机器人的普及，会优先在工厂、电站这类约束明确的垂直场景取得突破；空天探索更多以试点预研为主。
在五一视界的规划里，物理AI发展分为清晰的三站：自动驾驶是第一站，具身智能是第二站，空天探索是第三站。