Physical AI 与具身智能总览

版权说明：本文为公开资料调研整理的综述，非原文转载；各来源完整内容请访问文末参考链接。

一、核心定义

1. Physical AI（物理AI）

定义：Physical AI 是让 AI 在物理世界中感知、推理和行动的完整工程系统。它强调”从数字空间走向物理空间”，即 AI 系统能够理解物理约束（如重力、摩擦、质量）并执行物理动作。

关键特性：

感知层：通过传感器理解物理环境
推理层：结合物理模型和AI算法做出决策
行动层：在物理世界中执行精确操作

2. 具身智能（Embodied AI / Embodied Intelligence）

定义：具身智能是AI与物理实体融合的概念，让机器进入现实世界，抓取物品、配送药品、检测缺陷并完成物理任务。它关注的是”智能从何而来”——智能不是大脑单独计算的结果，而是大脑、身体、环境三者交互的产物。

核心主张：没有身体，就没有真正的智能；智能必须在与物理世界的持续互动中生长出来。

二、历史与起源

具身智能：一个 30 年前的学术命题

时间	事件
1991年	MIT 机器人学家 Rodney Brooks 在《Intelligence Without Representation》论文中提出：真正的智能不需要先建立世界的内部表征，而是通过身体与环境的直接互动涌现出来的
1990s	具身认知（Embodied Cognition）研究范式形成
2000s	具身智能成为认知科学、哲学和机器人学领域的重要研究方向
2023-2026	具身智能与机器人基础模型结合，进入工程落地阶段

Physical AI：英伟达造的产业词

时间	事件
2024年	英伟达 CEO 黄仁勋在 CES 上首次广泛使用 “Physical AI” 这一术语
2025年	物理AI驱动的增长，AI 机器人 startups 投资达到 $41 亿美元（占全部风险投资 9%）
2026年	Physical AI 成为AI产业的核心方向

三、各方的定义与立场

1. 学术界 / 研究界

来源	定义
Rodney Brooks (1991)	智能不需要先建立世界的内部表征，而是通过身体与环境的直接互动涌现出来的
Springer 论文	Physical AI 代表一种新的科学范式，智能不是仅仅计算，而是通过封闭循环的实时物理世界交互物理实例化的
Nature 论文	Robotics 是系统在物理世界中实时行动并遇到后果的领域，是竞争关于世界模型、 embodiment、affordances 和物理AI的竞争场

2. 工业界 / 投资界

来源	定义
NVIDIA (黄仁勋)	Physical AI 是让 AI 在物理世界中感知、推理和行动的完整工程系统
Klaro Investments	Physical AI 是让 AI 在物理世界感知、推理和行动的完整工程系统；具身智能强调智能体透过具体身体与环境持续互动；世界模型是 AI 认知世界的底层框架
银行家机构	Physical AI 推动增长，2025年投资达到 $41 亿美元

3. 技术社区 / 工程师

来源	定义
Embodied AI Hub	具身AI把 Robotics AI、Physical AI、VLA Models 和机器人学习连接起来，让机器人感知现实环境、理解自然语言指令、规划动作步骤，并在物理世界中安全执行
DeepWiki	Physical AI 指能够感知、理解、推理并与物理世界进行实时互动的智能系统

四、三者的核心差异

维度	具身智能 (Embodied AI)	Physical AI	具身大模型 (Embodied Foundation Model)
属性	理论框架 / 研究范式	产品品类 / 产业概念	技术组件 / 模型类型
起源圈子	学术界、认知科学	工业界、投资圈	AI 技术社区、工程师
核心问题	智能从何而来？	如何在物理世界部署 AI？	机器人的大脑用什么模型？
层级	理念层	系统层	组件层
典型使用者	学者、哲学家	工程师、产品经理	AI 开发者、机器人公司

五、具身AI技术栈

具身AI技术栈由 6 个模块组成：

┌─────────────────────────────────────────────────────────────┐
│                    具身AI技术栈                              │
├─────────────────────────────────────────────────────────────┤
│                                                             │
│  01 VLA Models (视觉-语言-动作模型)                           │
│     └── 连接机器人看到的东西、人类所说的话、机器人该做什么     │
│                                                             │
│  02 Robot Foundation Models (机器人基础模型)                   │
│     └── 通用预训练策略，支持多种机器人身体、环境和任务族        │
│                                                             │
│  03 World Models (世界模型)                                  │
│     └── 内部预测器，在执行前模拟物体交互和行动后果               │
│                                                             │
│  04 Sim-to-Real Transfer (仿真到现实迁移)                       │
│     └── 机器人在数字孪生中训练，以较低成本和更低风险转移到硬件    │
│                                                             │
│  05 Robot Learning (机器人学习)                               │
│     └── 机器人从人类演示、强化反馈和真实操作数据中改进        │
│                                                             │
│  06 Motion Planning and Control (运动规划与控制)                 │
│     └── 高层决策与底层运动控制的桥接                               │
│                                                             │
└─────────────────────────────────────────────────────────────┘

六、具身AI与 Physical AI 的相同点与不同点

相同点

相同点	说明
都关注物理世界	都涉及AI与物理环境的交互
都涉及具身智能	都需要机器人或智能体在物理世界中行动
都使用相似的技术栈	VLA、世界模型、仿真到现实迁移等

不同点

不同点	具身智能	Physical AI
性质	研究领域、理论框架	产品品类、工程系统
关注点	智能从何而来（哲学问题）	如何在物理世界部署AI（工程问题）
使用场景	学术研究、基础理论	商业产品、工程实践
目标	理解智能的本质	构建可在物理世界中工作的系统

七、应用方向

1. 港口设备

设备	研究内容
门座式起重机	自动化作业技术研究分析
堆取料机	刚柔耦合动力学建模
装船机/卸船机	无人化作业验证

2. 仓库自动化

项目	描述
Dynamic Logistics Warehouse	基于Gazebo的仓库动态环境模拟
LASER-Robotics/Warehouse_Gazebo	受Kiva机器人启发，在Gazebo中模拟L1Br机器人
智能仓储机器人强化学习系统	结合Stable-Baselines3强化学习库，构建自主货物分拣能力

3. 机械臂与产线

项目	描述
机械臂智能装配	打通MoveIt和Gazebo之间的通信
流水线机械臂系统	集成MoveIt!轨迹规划与Gazebo仿真

八、资源链接

资源	链接
Gazebo 官方文档	https://gazebosim.org/docs/
Gazebo 教程	https://gazebosim.org/api/sim/10/tutorials.html
Gazebo 模型库	https://app.gazebosim.org/
具身AI Hub	https://www.embodiedai.digital/
NVIDIA Physical AI	https://www.nvidia.com/en-us/glossary/generative-physical-ai/
NVIDIA Cosmos 世界模型	https://www.nvidia.cn/ai/cosmos/
NVIDIA Omniverse	https://www.nvidia.com/en-us/ai/omniverse/
清华大学具身智能综述	https://www.sohu.com/a/945250835_701814
物理AI与具身智能区别	https://www.shengwang.cn/blog/blogdetail/physical-ai-embodied-ai-embodied-llm/
具身AI技术栈	https://www.embodiedai.digital/zh/

技术栈各层的详细拆解，见 Physical AI 技术栈深度解析。