在国泰海通2026策略会——《重定价时代的中国锚》上，恒业资本管理合伙人江一谈了谈自己对物理AI落地的一些构思。
“这是最好的时代，也是最坏的时代；是充满希望的春天，也是令人绝望的冬天；我们面前什么都没有，我们面前什么都有。”借用狄更斯在《双城记》中的这段话，江一认为当下我们正站在一个人类历史从未有过的分水岭。这不是一次单纯的技术升级，而是一场正在我们眼前发生的“技术裂变、产业屠杀与文明重构”。
回看过去三十年全球十大公司的全景图：从1990年的日本金融财阀，到2000年的通讯与互联网软件，再到石油与大众消费，而今天，榜单已经被英伟达、微软、台积电等AI与底层硬件巨头彻底霸占。这背后是一个不可逆的宏观坐标，未来的主线只有一条，就是AI, 但在AI的下半场重构整个实体经济的物理AI（Physical AI），正拉开万亿级经济体的大幕。
过去两年，我们见证了以大模型为核心的“虚拟AI”对信息与脑力工作带来的产业屠杀。在创造层，SHEIN的Agent每天生成10万稿，库存周转提升5倍；在执行层，微软的AIOS支持十万级并发调度，企业自动化覆盖率推高至85%；在复杂的研发决策层，大模型加持下的特斯拉Dojo超算，将电池研发周期从10年压缩到了短短3天；壳牌的地质Agent更是将钻井成功率从45%暴增至82%。
然而，大语言模型撑死了只是在重构“比特世界”。当AI技术正式迈入三维“物理空间”，我们需要让未来的物理大脑原生内化重力、流体动力学等直觉物理法则。
在迈向这一步时，传统的“做题家模型”面临着生死攸关的两大核心瓶颈与一个残酷的“三角约束”：
死亡陷阱一，是非结构化场景下的“数据荒漠”与模态缺失。作为历史的参照系，大语言模型的非线性算法突破语言逻辑的限制，足足用了40年的数据迭代；而自动驾驶仅仅为了跑通数据闭环，也耗费了近10年。如今真实物理世界的高维交互数据采集成本极高，如果仅靠目前极其低效的真机设备，业界60%的AI项目将直接死于数据枯竭。
死亡陷阱二，是“模型架构”与算力军阀的生死线。现有的传统端到端架构，根本无法有效建模三维空间里错综复杂的多维连续变量。而在高达50Hz的高频物理控制下，极高的云端Token延迟与能耗限制，让传统模式的代谢效率彻底破产。
这两大瓶颈，直接导致物理AI被困在了一个不可能的“三角约束中：我们必须要在极高的“任务复杂度（应对物理约束与环境变化）”下，同时突破“跨场景的泛化能力”，并保证极高的“执行成功率”。任何一条腿短了，商业化都不可能成立。
为了跨越这道死亡之谷、打破三角约束，纵观产业，物理AI的发展注定经历三大历史阶段： 阶段一：结构化场景的“虚拟对话与工具期”（2023 - 2025年）。边界锁定在语言、代码和像素，机器在封闭工厂执行死板的示教重放，缺乏干涉物理世界的通用灵魂。阶段二：半结构化场景的“软硬融合期”（2026 - 2028年）这是我们当下的爆发转折点。行业跳过混乱的家庭环境，优先切入商业空间。控制权正式从“工程师脚本”转向“神经网络底座”，打通小样本泛化。阶段三：全非结构化场景的“泛在实体期”（2029年+）。 软硬件彻底解耦，统一的通用物理AI操作系统驱动异构机器，全面走进人类生活空间，实现零样本（Zero-Shot）跨场景迁移。
站在爆发前夜的第二阶段，我们提炼出了决定未来十年赛道走向的“十大前沿战略预判”。
首先是重构底层的三大架构与算力趋势（解决模型瓶颈）：
趋势1：走向“物理基础世界模型”。 纯粹的模仿学习已达天花板。未来的主导者将是具备顶尖数学与物理背景的硬核团队，他们正将制造业几十年的 CAE/CAD 等工程仿真经验融入大模型，深度融合三维物体的物理交互与状态变化理解，大幅缩短训练时间。
趋势2：神经形态边缘计算打破算力税。实体运作容不下毫秒延迟，重度计算必须下放边缘端。依托脉冲神经网络（SNNs）实现事件驱动与极低功耗处理，彻底逃逸云端算力霸权。
趋势3：Sim-to-Real 2.0 成为第一数据引擎。生成式AI将动态构筑超写实仿真环境，结合Parseval正则化等约束抑制策略漂移，让机器在虚拟中海量并行试错，解决99%的长尾失败场景。
其次是升维大脑的三大数据与软件趋势（解决数据瓶颈）：
趋势4：高维触觉与“无本体数据采集 / UMI”。 纯视觉时代即将结束。为了解决物理模态数据缺失，资本正在疯狂涌入“无本体数据采集”赛道，这正催生出一批专门制造新型穿戴式数据采集设备的硬科技创业公司，用极低成本重构真实世界的高频六维力矩与触觉数据流。
趋势5：因果推断取代模式匹配。 物理世界容不下概率猜测。引入因果AI后，系统具备反事实推理能力，确保在高度非结构化空间中的绝对物理适应性。
趋势6：Physical AI OS（统一操作系统）的诞生。 硬件供应链正在迅速白菜价，终局的最高护城河掌握在能够跨平台调度所有异构物理实体的通用软件操作系统手中。
最后是决定商业胜负的四大控制与落地趋势（打破三角约束）：
趋势7：高阶流匹配（Flow Matching）VLA模型。 以Π0架构架构为代表的视觉-语言-动作模型，能将模糊自然语言指令微秒内转化为高维连续机械轨迹，一句话触发复杂物理闭环。
趋势8：模块化形态适应。 单一类人形态应对所有任务是伪命题。单一的大脑将根据接入的物理附属物（轮式、四足、灵巧手），动态优化解算算法。
趋势9：零信任物理安全范式。 强制部署独立的硬编码“形式化验证模型”，一旦发生幻觉，底层协议毫秒内锁死致动器，提供100%的安全兜底。
趋势10：猛攻商业物流高利润区。 避开混乱的C端家庭，资本与技术将优先降维打击医院运输、冷链仓储等高利润试验场，以此建立不可逆的数据飞轮。
在这个呼啸而至的万亿级物理AI经济体中，企业要想活下来并通吃利润，绝不能有任何短板。优质的物理AI企业必须建立起坚不可摧的“六维壁垒”。第一，终端保有体量：存量决定数据采样的广度，落地数量是形成马太效应的基础。第二，完整的数据闭环：依托仿真模拟数据+无本体/真机数据的双向沉淀，源源不断反哺模型。第三，高端硬件量产能力：具备精密零部件、灵巧手的低成本与规模化制造能力。第四，自主核心算法：深度掌握 VLA 模型与复杂环境的全身运动控制（WBC）。第五，多模态融合感知： 构建包含高维触觉、力觉的全面交互感知网。第六，软硬一体化代谢效率：适配边缘神经形态架构，摆脱重型算力绑架，实现极低功耗部署。
宏观视角的切换已经发生。在这场变革中，“AI GDP”作为一个独立的经济体，其质量调整后的产出年增长率已经狂飙至惊人的 2000% 以上。
面对如此庞大的新大陆，投资与商业估值的逻辑正在被彻底颠覆。传统的市盈率（P/E Ratio）已经失效，未来的估值模型将是 Valuation ≈ ARR × 30。这个公式的核心在于“数据资产化”，它取决于你掌握的数据质量、流量动线以及规模存量。
很多人在担忧AI的泡沫。但在资本博弈中，泡沫是有时间节点的。有预期就没有泡沫，只要它持续走高被价值化，这个时候泡沫就不是泡沫，它就是基本面，是扎实的业绩。
我们要如何在这场博弈中穿越深水区？ 短期（1-3年）内，我们要去“硬件坟场”里淘金，重仓那些“卖铲人”——比如HBM存储与液冷技术（像Vertiv年内上涨170%）。 长期（5-10年），我们要将目光锚定在量子AI计算与碳硅融合（Bio-Silicon Fusion）的终极变革上短长并重仍然是物理AI，是我们需要持续压注的无限游戏。
历史已经给出了终局的参照系,自动驾驶是通过车载传感器自主生成数据闭环才迎来了商业化曙光；AlphaFold 也是依靠“专业数据 + 领域先验知识”才彻底攻克了蛋白质折叠的世纪难题。对于物理AI的未来，终极解决方案绝不是单一算法的孤军奋战，而是现有大型基础模型、CV计算机视觉以及物理仿真技术路线的极度融合。战略窗口正在迅速关闭，留给我们的决策倒数只有短短的 12 到 24 个月。没有上桌，就意味出局。投资物理AI是一场无限游戏，一旦做出决策，请忘掉概率。
