物理AI：从硅片到现实世界的智能桥梁

事件概述

在2026 Synopsys Executive Forum（隶属Synopsys Converge）上，一场以“物理AI”为主题的小组讨论聚集了来自Arm、NVIDIA、Schaeffler和Synopsys的高管。与会者一致认为，物理AI（Physical AI）将AI从其数字边界扩展到现实世界，使机器能够感知、决策并采取行动，其影响将深入工厂、医院和城市街道，但实现这一愿景需要全新的工程方法。

核心观点

• 定义与目标：Arm物理AI执行副总裁Drew Henry称“物理AI就是有身体的AI，它在机器内部运行”。NVIDIA物理AI模拟副总裁Rev Lebaredian指出，今天典型工厂与十年前相比变化不大，而物理AI将“建立从计算机到物理世界原子的桥梁”，信息世界中已发生的增长即将在物理世界重演，每个行业都将被改造。

• 经济潜力：全球GDP约100万亿美元，ICT行业仅贡献其中一小部分。物理AI瞄准的是更庞大的经济活动：人员与货物运输、产品组装、医疗保健等。Synopsys首席产品管理官Ravi Subramanian认为，物理AI本质上是“智能运动控制”，并促使机器人从临时修补转向真正严谨的科学学科。

• 专业技能规模化：物理AI可将高度专业化的技能（如外科手术、复杂设备调试、高级仿真流程）注入系统中，使其成为人类专业知识的延伸。Henry举例说，一位外科医生多年的技能可通过物理AI推广到全球，让手术不再局限于特定地点。Lebaredian补充说，代理式AI系统能驱动仿真工具，使更多工程师乃至非专家受益于高端仿真。

• 机器人“大脑”与数字孪生：工业机器人已存在数十年，但其身体能力远超“大脑”。Lebaredian表示，过去缺少的是让机器人有用的“大脑”。物理AI通过海量模拟、物理定律和纠正反馈训练机器人，而非预设每个动作。部署前，机器人和物理AI系统的数字孪生在虚拟工厂、仓库或诊所中运行数百万场景以验证行为；部署后，真实世界数据回流至数字孪生，形成“模拟→训练→部署→观察→再训练”的持续闭环。Schaeffler集团人形机器人总裁Dave Kehr认为，物理AI将是自动化的下一大步，未来只需向通用机器人下达指令，它就能自主执行操作，而无需数月的训练和设置。

• 系统级工程方法：物理AI系统由传感器、执行器、处理器、网络和软件构成，运行在动态环境中，验证难度远超传统机械工程，更像现代芯片设计。Telemetry市场研究副总裁、小组主持人Sam Abuelsamid强调，不能再以孤岛方式工作，需要将芯片设计、控制软件、机械系统、仿真工具和目标应用整合起来。Synopsys的多物理场融合等方案，能在硬件存在之前构建共享虚拟环境，让AI代理、控制软件和物理模型交互。

• 经济与劳动力变革：Lebaredian指出，国家GDP通常与人口相关，如果能制造物理机器人劳动力，GDP将不再受人口限制。Subramanian承认劳动力市场将经历动荡，但消除“枯燥、肮脏、危险”的3D工作对人类是净收益，将带来更安全、更优质的生活。

值得关注

物理AI的实现依赖集成化设计流程、多物理场仿真和AI参与式的工程方法论。这些方法已在芯片设计中成型，未来将延伸至整个物理世界，使数字主线真正连接软件、硅片与现实设备。