IDC：物理AI市场进入投入与生产验证并行阶段

7月21日，IDC发布了一份报告，其核心观点十分明确：过去几年，大语言模型与生成式AI首先改变了知识处理、内容生产以及软件流程。但更值得留意的是下一步——随着多模态模型、世界模型、VLA模型及边缘AI的持续演进，AI正逐步渗透到车辆、机器人、无人机、工业设备和城市设施之中。它的能力范围也从生成内容、调用软件，拓展到感知环境、规划任务与控制设备。

这本质上是一个从量变到质变的过程。物理AI面对的是持续变化的真实世界，需要处理设备状态、空间关系、环境变化、物理规律以及安全要求。系统不仅需要构建“感知—决策—执行—反馈”的实时运行闭环，还要形成“真实运行—数据回流—模型训练—仿真验证—重新部署”的数据闭环。前者决定了任务能否稳定完成，后者则影响着产品能否持续改进并扩大应用范围。两者缺一不可。

市场对这一领域的重视程度，从IDC 2026年全球CEO调查中就可见一斑：35.2%的受访CEO将物理AI列为未来12—24个月优先关注的新技术投资方向。具体来看，资源行业的比例达到50%，制造和零售均为46%，医疗为38%。目前市场已步入投入与生产验证并行的阶段，企业普遍从任务清晰、数据可获得、收益可衡量的场景切入——这符合商业逻辑，先做容易见效的事。

未来几年，世界模型将继续保持多条技术路线并行的态势。数字孪生、空间智能、仿真平台、合成数据与真实运行数据之间的协同将持续强化。模型能力的提升，将扩大系统能够完成的任务范围；验证体系则负责控制进入真实环境的速度与风险。这本质上是一个平衡问题：跑得太快，安全风险大；跑得太慢，市场机会就会错失。

中国在物理AI领域具备独特优势——丰富的制造、城市运行和机器人应用场景。下一阶段，亟待提升软件平台的产品化水平，促进场景数据跨项目复用，加强设备接口协同，并构建覆盖模型、硬件及运行过程的评测与验证体系。这些并非可有可无的锦上添花，而是规模化落地的关键基础设施。

归根结底，物理AI的市场差距主要体现于系统学习效率、验证可信度、长期运行能力以及跨场景复制能力上。企业是否能够将现场问题快速转化为场景资产、验证用例和模型更新，将直接决定其产品迭代速度与规模化能力。这才是真正的竞争壁垒所在。