机器人已经出现在我们身边。它们载着乘客穿行于旧金山街头，通过空中配送包裹，也在农场、工厂、矿山和工业场所中忙碌工作。
人工智能与物理世界的碰撞，常被称为"物理AI"——能够感知周围环境、做出决策并在现实世界中采取行动的机器。但每一台投入使用的新机器都有一份我们很少注意到的"第二职业"：它们在不断产生数据，而且数据量巨大。
在美国，联邦航空管理局预计商用无人机机队规模将从2024年底的约96.6万架增长到2029年的约118万架。而在全球各地的工厂里，2024年估计有466万台工业机器人在运转，同年新安装数量约50万台，是十年前安装量的两倍多。
如今的自主机器能力大幅提升，但将机器上积累的数据搬运出来，依然出人意料地依赖人工操作。到了2026年，把海量数据从机器上转移出来，最快的方式竟仍然是有人拿着硬盘去拷贝。随着自主机器进一步渗透到城市和产业当中，如何让这些信息持续流动，可能会成为机器人时代最关键的基础设施挑战之一。
数据双向流动
想象一辆自动驾驶汽车所经历的一切。多角度摄像头监控道路，传感器和AI实时感知周边环境，车载系统追踪车辆自身的位置和性能。当行人过马路、交通灯变化、周围成千上万辆车及联网设备移动并交换数据时，决策会被实时做出并记录下来。
送货无人机、农业机械、仓储机器人和自主工业设备虽然运行环境各不相同，但逻辑是相通的。每一次行程或任务，都会留下传感器读数、视频、遥测数据、诊断信息和运行日志等数字痕迹。
而且信息并非单向流动。这些机器同样需要从背后的计算基础设施获取最新地图、软件更新、配置信息、AI模型和操作指令。它们在物理世界中的经历会回流至数据中心，而执行下一个任务所需的智能，则会反向传输出去。
当这种数据交换在数百万台机器之间同时发生时，一种全新的互联网流量层正在浮现，而我们才刚刚开始认真思考这个问题。
这一趋势早在2019年就已显现。一篇具有里程碑意义的6G研究论文指出，移动机器人、无人机和自动驾驶汽车将推动对无处不在的无线智能的需求——该论文设想的6G时代，网络流量将实现万倍级增长。如今，仅美国商用无人机机队规模就即将突破七位数，而全球工业机器人数量已达数百万台级别。
对普通观察者来说，最直观的变化或许是自动驾驶汽车在各大城市街头变得越来越常见。今年6月，机器产生的流量首次超过全球网络流量的57%——这是机器人数量首次超过人类用户，而且它们使用网络的方式截然不同。Cloudflare预测，未来五年内，非人类流量甚至可能达到人类流量的1000倍。
更重要的是，一台机器学到的经验，不必只属于它自己。这正是连接技术所能释放的机遇。谷歌DeepMind的Gemini Robotics 1.5展示了技能在不同物理形态机器人之间"零样本"迁移的能力——用双臂Franka机器人教会的任务，人形机器人无需任何额外训练数据就能完成。
细细体会这一点的含义。一个人掌握某项技能后，这份知识会留在他的脑海里，退休时，大部分经验也随之消失。而一台机器人学到的东西，理论上可以传递给网络中的每一台其他机器人，这意味着经验不再是"局部的"，而会成为整个网络共享的资产，不断累积成企业的智能护城河。
机器人的物理足迹正在向外扩展，但它们产生的数据流量却依然集中在中心节点。AI或许正逐渐拥有轮子、翅膀和手臂，但它们的智能和与世界的交互，仍然完全依赖于与最近数据中心枢纽的连接关系，而这正是我们现在必须解决的问题。
瓶颈究竟在哪里
当一台机器人返回场站"下班休息"时，这正是充电、检修、自我诊断、下载更新、获取下一班次所需数据的理想时机。根据机队规模不同，此时可能需要在设备与系统之间传输极为庞大的数据量。
因此，存放、充电或维护机器的场所，很容易变成小型数据枢纽，需要应对机器进出时产生的突发流量。随着机队规模扩大，连接各个枢纽的网络压力也随之增加。当上传和下载所需时间超过充电或维护时间时，网络本身就会成为制约规模扩张的瓶颈。
全新的连接层
有线网络的发展速度根本无法跟上移动经济的步伐。车队运营商可能需要在另一座城市开设新场站，把无人机巢部署得离客户更近，或者在临时工业场地连接自主设备。而为每个地点铺设光纤，往往涉及高成本、耗时的开挖和审批流程。
无线连接提供了一种更快、更灵活的方案。无需挖掘或等待审批，就能快速建立连接，运营商可以迅速接入新场地。随着机队规模扩大、物理布局动态变化，无线链路也能相应地重新部署或扩容。
无线光通信（WOC）有望成为这种高容量的桥梁。它利用窄光束，在两个视距清晰的点之间实现媲美光纤的传输能力，最高可达20Gbps，传输距离可达20公里。这种设备可以安装在现有的无线电塔或建筑物上，只需几个小时即可完成部署。
对于自主机队而言，这意味着可以快速卸载遥测和运行数据，上传新的地图和模型，让高价值设备更快重新投入工作，而不是在场站中闲置等待。
不过，无线光通信并非万能。光学链路仍然需要视距通畅，浓雾和大雨会削弱其连接质量。因此，真正可靠的部署方案会将其与射频链路搭配使用，并按照可用性标准进行工程设计，而不是想当然地认为它一定可靠。它不会取代光纤，但会把光纤的覆盖范围延伸到光纤无法到达的地方。随着技术从机械式光束转向基于硅光子学的固态光束操控，设备正变得更小、更快、也更实惠。光，就是答案。
电动汽车的普及，曾让我们学会把目光投向机器本身之外，关注其背后的基础设施。自主机器将再次要求我们这样做，只不过这一次，需要补充的不只是机器的电池，还有机器的经验——以及由此汇聚而成的整个机队的共享智能。
机器人正变得越来越擅长在物理世界中自主行动。我们不应该让它们学习旅程的最后一程，继续依赖某个人抱着硬盘穿过停车场来完成。
Q&A
Q1：什么是物理AI？
A：物理AI指能够感知周围环境、做出决策并在现实世界中采取行动的机器，例如自动驾驶汽车、送货无人机、工业机器人等正在渗透进城市和产业的自主设备。
Q2：机器人之间为什么需要共享学习经验？
A：因为一台机器人学到的技能可以通过网络传递给其他机器人，使经验从"局部资产"变成整个机队共享的智能，从而不断累积形成企业的竞争优势，这正是连接技术能够释放的价值。
Q3：无线光通信（WOC）能解决机器人数据传输的什么问题？
A：它能以类似光纤的高容量，在两点之间通过光束快速传输数据，最高可达20Gbps、覆盖20公里距离，且无需挖掘铺设即可数小时内完成部署，帮助自主机队快速卸载和获取运行数据。
