物理AI正在推动企业AI进入现实运营场景，让智能系统具备感知、决策和行动能力，从而提升安全性、效率和韧性。
本文最初发布于HCLTech官网，经HCLTech授权转载。
AI已经重塑了数字化工作。它能够生成代码、自动化IT流程、支持服务团队并加速企业各领域的决策制定。而AI发展的下一个前沿领域——物理AI，正在将智能引入产品制造、资产维护、货物运输和基础设施运营等现实环境中。
HCLTech发布的《2026年AI影响力要务》报告将物理AI定义为："应用AI（包括生成式AI、智能体AI、机器学习和自主决策系统）来感知、理解并作用于现实世界中的物理环境和运营流程。"它涵盖了制造业、工业运营、物流、基础设施和现场作业中的智能系统，这些系统能够观察状况、自主决策并执行行动以实现业务目标。
在围绕报告发现展开的讨论中，Omdia首席分析师马克·贝丘（Mark Beccue）与HCLTech动能AI（Kinetic AI）高级副总裁塔马斯·福尔迪（Tamas Foldi）探讨了物理AI为何势头正劲，以及企业如何从实验阶段迈向规模化生产。
物理AI是行动中的智能
福尔迪表示："物理AI是直接与物理世界互动的AI。它包含两个维度。一是物理运营，你可以想象所有传统上在物理世界中运作的垂直行业，比如制造业、航空航天、医疗设备、仓储和物流。"
第一个维度是运营智能，包括提升物理环境中的生产力、吞吐量、资产健康度和正常运行时间。第二个维度是将智能引入机器，包括机器人、自主系统和自动驾驶车辆。
福尔迪说："这就是机器人、自主系统和自动驾驶车辆发挥作用的地方。"这些系统能够"感知、基于对物理世界的感知现实做出决策并采取行动。"
这正是物理AI的独特之处。它让智能更贴近现实世界的行动，使系统能够在运营环境中支持决策。
福尔迪表示："有了物理AI，你不仅仅是在改善数字工作流程，而是在为你的系统赋予更多智能。"
机遇巨大，但成熟度参差不齐
报告显示，90%的受访者认为物理AI在未来三年内将对企业成功至关重要或非常重要。然而，尚未突破初期生产部署阶段的企业（包括仍在研究、评估或试点物理AI的企业），数量是已有大量系统投入生产的企业的四倍以上（81%对19%）。
这种雄心与成熟度之间的差距值得关注。企业看到了机遇，但许多企业仍在摸索如何安全有效地规模化部署物理AI。
福尔迪说："物理AI是企业尚未开发的最大机遇之一。目前每个人都聚焦在数字AI上。"
势头正在形成，原因在于多种因素同时汇聚。模型能力不断提升，智能体AI和世界模型能够更好地理解周围环境、支持空间推理并协调行动。仿真和合成数据也在降低进入门槛。
福尔迪说："过去，收集数据非常昂贵，有时甚至不安全。现在，借助这些仿真能力，你可以生成或增强数据，从而缩短上市时间，也降低了成本。"
这一点很重要，因为物理AI依赖于从物理系统中学习。仿真、现实世界部署和运营反馈能够形成持续改进的闭环，帮助企业更有信心地测试、完善和扩展AI赋能的系统。
物理AI能够转变运营表现
物理AI有潜力惠及众多运营领域。报告发现，大多数受访者选择了物流与供应链管理（63%）、现场作业（59%）、设施管理（56%）和制造业（55%）作为可能受益于物理AI部署的领域。
其带来的益处也超越了通常与数字AI相关联的效率提升。报告指出，运营效率提升是最广泛体现的益处（56%）。报告还强调了物理AI特有的益处，例如升级和延长物理资产使用寿命（47%）、实现可持续发展目标（46%）以及提升人身安全（46%）。
福尔迪认为在质量控制、缺陷检测、预测性维护、流程优化、智能物流、仓库管理和机器人技术方面存在强有力的应用场景。
他说："预测性维护的意义十分重大。你还可以利用机器人自动化，比如使用无人机或移动平台，进入工业制造工厂或矿场，排查问题并采取纠正措施。"
当物理AI超越检测和建议的层面，更大的机遇便随之而来。系统可以识别资产性能问题、确定正确的应对方案并自行执行纠正行动。
福尔迪说："传统方式是通过创建工单来结束一个工作流程，然后由人来采取行动。而借助物理AI，系统可以端到端地自行采取纠正措施。"
对企业而言，这种闭环正是物理AI开始改变运营表现的地方。只要这些系统能够与周边的流程、控制和治理机制安全集成，它就能帮助系统在物理环境中实现自适应和自主行动。
真正的难点在于模型之外的一切
物理AI的前景可观，但部署过程十分复杂。这些系统通常运行在实时的、任务关键型环境中，安全性、韧性、网络安全和监管合规都至关重要。
福尔迪说："我们谈了很多关于AI的话题，但AI项目中真正困难的部分并非AI本身，而是围绕它的一切。"
物理AI需要与遗留系统、运营流程、边缘设备、数据管道、仿真环境和企业平台相集成。如果没有这种集成，企业可能会陷入孤立的应用场景，永远无法实现规模化。
安全性是另一个重要考量因素。物理AI可能会影响资产、员工和实时运营，这意味着系统从一开始就必须做到可靠、受治理且安全。
福尔迪说："我们是在实时环境中工作。这里存在监管和安全要求、人机协作，以及需要集成的、拥有非常特殊协议的异构环境。"
这正是企业需要超越模型本身进行思考的原因。他们需要具备使物理AI真正投入运营所必需的基础设施、治理机制和集成能力。
福尔迪说："真正困难的部分在于，你要如何将它与现实世界中的企业系统进行集成。"
合作伙伴能够帮助加速部署
报告发现，与AI合作伙伴合作的企业中有54%已将物理AI系统部署到生产环境，是未与合作伙伴合作企业中该比例（26%）的两倍以上。报告还发现，这些企业更有可能看到物理AI带来的积极成果，包括安全性和风险状况的改善（75%对48%）、资源利用率的提升（71%对43%）以及生产线正常运行时间的增加（64%对52%）。
在福尔迪看来，这反映出该环境的复杂性。物理AI需要工程、AI、机器人技术、系统集成、算力、边缘部署和运营等多方面的专业知识。
他说："物理AI很难。你需要大量并非你核心业务范畴的专业知识。拥有一个能够在整个过程中提供帮助的集成商会非常有用。"
HCLTech通过多项能力提供支持，包括面向机器人技术的动能AI（Kinetic AI）、面向多模态边缘到云端智能的VisionX，以及面向AI驱动数字孪生的SmarTwin。这些能力旨在帮助企业加速开发进程，专注于成果本身，而非从零开始构建每一个组件。
福尔迪说："我们可以帮助客户快速启动项目，确保聚焦于业务成果而非技术本身，这才是真正重要的事情。"
从一开始就为规模化而设计
早期物理AI项目最大的经验教训之一是：小规模、孤立的应用场景很少能创造出变革性的价值。企业需要识别出物理AI能够提升安全性、生产力、资产表现、韧性或降低成本的高影响力领域，并从一开始就为规模化进行设计。
福尔迪说："从最棘手的业务问题入手，而不一定是最简单的问题。从最关键的问题入手，这样才能为企业带来可衡量的最大投资回报。"
物理AI仍处于成熟过程中，但其发展方向已经明确。随着智能系统从数字工作流程迈向物理环境，企业迎来了重新思考运营方式的机遇。真正取得成功的企业，将是那些把雄心转化为执行力、将AI集成到现实世界系统中，并构建起安全规模化所需基础的企业。
AI影响力的下一波浪潮将不仅仅体现在屏幕上，还将体现在工厂、仓库、现场作业、基础设施以及能够学习、适应和行动的机器之中。
尼古拉斯·伊斯梅尔（Nicholas Ismail）
HCLTech品牌新闻全球负责人
Q&A
Q1：物理AI是什么？和普通AI有什么区别？
A：物理AI是指直接与物理世界互动的AI技术，包括生成式AI、智能体AI、机器学习和自主决策系统等，能够感知、理解并作用于现实世界中的物理环境和运营流程。与主要处理数字工作流程的传统AI不同，物理AI能够真正感知、决策并在现实环境中采取行动。
Q2：物理AI能应用在哪些领域？
A：根据调研，物流与供应链管理、现场作业、设施管理和制造业是最被看好能从物理AI部署中受益的领域。具体应用场景包括质量控制、缺陷检测、预测性维护、流程优化、智能物流、仓库管理和机器人技术等。
Q3：企业部署物理AI面临哪些难点？
A：真正的难点不在于AI模型本身，而在于模型周边的一切，包括与遗留系统、运营流程、边缘设备的集成，以及实时环境中的安全性、监管合规和人机协作要求。因此，与专业AI合作伙伴合作能够显著提升部署成功率和实际效果。
