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。