物理 AI 还是人形机器人：机器人未来之争

人形机器人正持续吸引眼球与风险投资，但 Arthur D. Little（ADL）等机构的多位专家认为，相比把类人形态放在生产线上，更大的机会藏在「物理 AI」的整体生态之中。物理 AI 指的是能够感知真实世界、自主决策并执行物理动作的智能机器，并不局限于人形外观。

人形机器人面临的现实障碍

ADL Blue Shift 总监 Albert Meige 认为，「机器人」一词源自捷克语「robota」（强迫劳动），但幻想人形机器人去装配小零件是不切实际的。当前的智能路线还不够成熟：视觉-语言-动作（VLA）模型把大语言模型、视频与动作结合在一起，可训练数据极为稀缺——LLM 可以消化整个互联网，而 VLA 需要机器人在真实任务中执行成百上千次动作，这类数据目前远不充足。

灵巧性是另一道坎。人类双手得益于约 27 个自由度，而当前最先进机器手仅达到 20–22 个，加上触觉感知与力控的差距，远不足以完成精细操作。

乐观派：人形机器人仍具战略价值

ADL 管理合伙人 Karim Taga 持更积极的看法，认为即便人形机器人短期内难以全面落地，它对整个机器人研发的投资仍具拉动作用。他指出日本 2025 年出生率创新低、人口约 1.22 亿、预计 2060 年跌破 1 亿，照护机器人或将率先在此类老龄化社会中扎根。

针对近期宇树人形机器人在武术演示中意外踢到儿童的传播视频，Taga 强调人形机器人需要清晰的监管护栏：「它们出厂时只有基础功能，必须针对具体用例训练，也必须训练它们不去做什么。」

物理 AI 的更大图景

仓储自动化公司 Locus Robotics 的 AI 与数据科学总监 Oscar Mendez 并不认为人形机器人会加速普及——「家里有 Roomba 就不需要人形机器人来吸尘」。他预测高 ROI 将来自异构机器人舰队，让每台机器各司其职。

ABI Research 首席机器人分析师 George Chowdhury 指出，传统机器人往往依赖训练好的神经网络或强化学习，只能在受控条件下工作，遇到变化就表现脆弱。物理 AI 的价值正是在于让传统机器人变得更鲁棒，能在未训练过的环境中保持表现。

Mendez 把这种增量式智能注入称为「AI sprinkles」（AI 撒料）：「不要让 AI 去学你已经知道怎么解决的问题，而是让它去建模那些你不知道怎么解决的问题。」

市场规模与展望

物理 AI 市场规模目前约为 180 亿美元，并以可观速度增长；近期预测认为到 2030 年将达到 600–1000 亿美元。这意味着即便人形机器人未必成为主流，「物理 AI」所代表的、为各类专用机器注入感知与决策能力的技术路线，仍将在未来五年持续扩大其商业版图。