Physical AI专题研究:自动驾驶先行,人形机器人殿后

1.从摄像头等传感器理解真实世界；

2.预测其他物体下一步会怎样运动；

3.在不确定环境中规划动作；

4.在毫秒级延迟下闭环控制硬件；

5.通过“真实部署—数据回传—模型升级—OTA”形成飞轮。

更重要的是，物理ai，比数字场景ai的要求更加苛刻：

做对90%没有商业价值，99%也不够，真正商业化需要在长尾场景中不断增加可靠性小数点后面的“9”。

自动驾驶的优势包括：任务目标非常清楚，只要全地从A点到B点；空间相对简单，只管方向、刹车、加速；道路规则高度结构化；数据量巨大但容易自动采集。

而人形机器人相比之下就更难，需要面对几十个自由度、双手操作、接触力学、材质差异、自然语言指令和无限任务组合，难度指数级提高。（当然，我指的是家庭等较高难度商业化场景，不是指工厂固定场景干简单工作的机器人）

以上，就是我认为自动驾驶是人形机器人前哨的核心论证。

目前，tsla robotaxi已经实现真实收费、车内无人，但客观说规模还很小，开通城市集中在奥斯汀（几十辆级别）、达拉斯、休斯顿、迈阿密旧金山湾区等部分区域，且主要是modex y车型，目前运营数据跨过了从0到1，但是离cybercab大规模量产并在城市渗透，业绩体现在财报上，还有很长一段路要走。要耐心等待商业化的拐点。我粗略判断，要等到27下半年

开始，才是规模化运营的潜在加速点，28-29开始在公司财务上兑现。

一言以蔽之，自动驾驶是Physical AI第一次真正进入大规模真实世界、接受安全责任和商业模型检验。它如果跑通，会显著提高人形机器人跑通的概率。

说完自动驾驶，再说人形机器人。

人形机器人的卡点，一是灵巧手，二是大脑，尤其是后者，现在的机器人，不具备泛化能力。

人形机器人真正的技术拐点不是机器人跑得更快、跳得更高，是机器人的“大脑”从VLA升级为WAM（世界行动模型），只有这样才能推动人形机器人从身体会动，进入能够在物理世界里先想象结果、再规划行动的阶段。

相比自动驾驶，人形机器人公司要解决的事情太多了，主要瓶颈包括：复杂操作与环境适应性、长任务如何持续可靠运行、长程规划、技能迁移、泛化、从VLA的直接输出动作到WAM先预测结果再行动（大幅提升准确性和推理速度）。

虽然，WAM无法解决机器人低成本、可靠性长程任务工作的能力，但起码有望解决“机器人为什么有可能泛化”这一难题，这可能是接下来最重要的突破。

从LLM/VLM → VLA → WAM，采用多模态物理世界数据训练（机器人需要的不是纯视频生成模型，是哪内化了物理规律的世界模型），先让机器人大脑聪明起来，这是前提，此后再说规模化、降本、商业化。而这，比自动驾驶商业化需要的时间更久。

那么，在人形机器人的大脑从VLA进入WAM时代，哪些公司容易跑出来，容易构筑竞争壁垒？

这些公司主要考察的能力维度是：世界模型架构、多模态数据清洗和对齐、物理规律学习、仿真与真实世界之间的迁移能力、推理效率等。

人形机器人的技术主线正在从本体工程问题，升级为世界模型、物理数据和自主规划问题。

自研大脑+自研身体+大规模低成本量产的垂直一体化公司，将是最大赢家。

而部分专攻高价值/稀缺性高的细分领域的配套商做到极致的，也是产业链里的赢家，比如灵巧手、触觉传感器、边缘推理芯片、机器视觉、世界模型和仿真平台、真实视觉部署及数据闭环的产业链参与者。