快速阅读: 1月19日消息，英伟达CEO黄仁勋在公开场合表示，物理AI迎来“ChatGPT时刻”，该技术融合物理规律，实现感知—推理—行动闭环，已应用于智能制造、自动驾驶与医疗等领域；但受数据稀缺、仿真偏差及法律空白制约，仍需渐进推进以建立人机信任。
2026年1月5日，英伟达公司首席执行官黄仁勋在拉斯维加斯举行的国际消费电子展（CES）上表示，物理人工智能（物理AI）的“ChatGPT时刻”已经到来。他指出，能够理解现实世界、进行推理并规划行动的AI模型，正深度赋能制造业、医疗、交通和家庭服务等多个领域。
物理AI被定义为可感知、理解并在真实物理世界中执行复杂操作的智能系统。黄仁勋将AI演进划分为四个阶段：感知AI、生成AI、代理AI和物理AI。其核心在于融合重力、摩擦与材料特性等物理规律，实现从虚拟智能到实体执行的跨越。中国科学技术大学特任教授王翔解释，物理AI具备“感知—推理—行动—反馈”的闭环能力，可在开放、动态环境中稳定运行并持续进化。
在产业应用方面，物理AI正推动智能制造向柔性生产转型。搭载该技术的产线可实时感知物料状态、检测缺陷并动态优化流程。某新能源电池厂通过英伟达Omniverse构建数字孪生系统，设备利用率提升35%，能耗降低20%。特斯拉焊接机器人精度突破0.1毫米，并实现双手协同作业。多台自主移动机器人还能预判人员路径，主动避让，促进人机共融。
自动驾驶被视为物理AI的“主战场”。基于视觉—语言—行动架构的Alpamayo模型，能理解交通参与者行为背后的因果关系。小鹏汽车融合物理AI后，恶劣天气应对能力提升30%；特斯拉Optimus机器人动作精度提高50倍。
医疗领域亦受益显著。新一代手术机器人通过物理建模，自动调整缝合力度与器械参数。达芬奇系统集成物理AI后，术中出血量减少40%；超声穿刺机器人操作失误率下降60%。此外，物理AI有望加速科学发现，实现高通量自动化实验与迭代。
然而，大规模落地仍面临挑战。真实交互数据稀缺且成本高昂，极端场景覆盖困难。仿真与现实之间的偏差、传感噪声及动力学复杂性也制约系统鲁棒性。同时，事故责任归属尚无明确法律框架，亟需建立安全约束与审计机制。王翔强调，唯有通过透明设计与渐进部署，才能弥合人机信任鸿沟，推动物理AI真正融入社会。
(以上内容均由Ai生成)
引用自：澎湃新闻
