物理AI正形成应用层与基础设施循环
oyhsu · x · 2026-07-11
作者回顾了过去 2–3 年 physical AI / 机器人 领域的演进，重点有三条主线：
1. 机器人栈开始分层
过去很多团队会自己搭完整套基础设施，但 2023–2024 年开始，越来越多团队只做某一层，建立在通用平台之上。作者认为，这意味着机器人也可能像 Web、移动端、加密行业一样，出现一个 apps > infrastructure 的循环。
2. 2024–2025 年的重点转向数据与平台
这一阶段，行业主要在解决如何规模化采集机器人数据，同时也出现了更多机器人硬件平台、组件，以及面向“机器人开发者”的工具。
3. 2025–2026 年应用层开始成形
越来越多创业者和工程师转向部署层，出现了“neo-systems integrator”这类公司：专门负责把新一代学习型机器人真正部署到现场。大型机器人实验室也开始同时做自有部署和第三方部署，应用与基础设施之间的关系开始清晰。
研究前沿
作者还总结了通用机器人研究的多个关键方向，包括：
- VLA（视觉-语言-动作）
- world state prediction
- sim / 仿真
- 人类动作迁移
- online RL
- domain randomization
- 高低层动作桥接
他同时提到，越来越多证据支持机器人动作的 scaling laws。
最后，作者表示自己也开始关注 physical AI 更广义的前沿：把物理推理和物理模态融入 AI 整体能力中。
「具身」频道最新
- JHU 开设全栈机器人学习课:组装机械臂、采数训练部署一条龙 — _krishna_murthy · 2026-09-11
- SyncWorld:少量视觉校准即可零样本模拟机器人跨视角交互 — ChongZzZhang · 2026-09-11
- 狗类 3D 姿态数据集发布，动物动捕研究可用 — ducha_aiki · 2026-09-11
- Swaayatt 演示山区高速自动驾驶：52km/h 过盲弯失控后自稳 — sanjeevs_iitr · 2026-09-11
- AUAR 推移动微型工厂:为每块木板定制生成机器人加工方案 — lukas_m_ziegler · 2026-09-11
- 马斯克转发：Cybercab 认证能效 165 Wh/mi,史上最高效量产电动车 — elonmusk · 2026-09-11