當(dāng)?shù)貢r(shí)間1月5日，在CES 2026開展前夕，麥肯錫舉辦了一場聚焦物理AI如何重塑產(chǎn)業(yè)的高端對話。來自高通、Google DeepMind、波士頓動(dòng)力和通用汽車的多位產(chǎn)業(yè)領(lǐng)袖參與其中，圍繞機(jī)器人與物理AI的演進(jìn)路徑展開交流。

在這場討論中，高通技術(shù)公司執(zhí)行副總裁兼汽車、工業(yè)及嵌入式物聯(lián)網(wǎng)與機(jī)器人事業(yè)群總經(jīng)理Nakul Duggal，結(jié)合自身長期觀察，分享了他對物理AI所處發(fā)展階段、技術(shù)邊界以及產(chǎn)業(yè)落地方向的判斷。

左一為高通技術(shù)公司執(zhí)行副總裁兼汽車、工業(yè)及嵌入式物聯(lián)網(wǎng)與機(jī)器人事業(yè)群總經(jīng)理Nakul Duggal

機(jī)器人，把物理AI推向“下一個(gè)拐點(diǎn)”

CES開展前夕，高通宣布推出完整的機(jī)器人技術(shù)組合，并發(fā)布面向機(jī)器人的處理器高通躍龍IQ10系列。為何選擇在這一時(shí)間點(diǎn)發(fā)布機(jī)器人平臺(tái)？在Nakul看來：規(guī)?；臈l件已經(jīng)具備。

他回顧指出，過去十年，行業(yè)在物理AI相關(guān)領(lǐng)域——包括智能駕駛和各類自動(dòng)化系統(tǒng)——持續(xù)投入，核心目標(biāo)始終是解決能夠在真實(shí)世界中產(chǎn)生實(shí)際影響的問題。在這一過程中，產(chǎn)業(yè)逐漸形成共識(shí)：需要將硬件、傳感器以及環(huán)境感知等能力整合進(jìn)同一個(gè)可規(guī)?；捏w系中。

在他看來，機(jī)器人正在將物理AI推向“下一個(gè)拐點(diǎn)”，在自動(dòng)化發(fā)展的“坐標(biāo)軸”上，人們正在不斷突破原有的想象邊界。這源于過去二十年行業(yè)在機(jī)器人領(lǐng)域持續(xù)積累的結(jié)果。在基礎(chǔ)能力層面，無論是運(yùn)動(dòng)控制，還是環(huán)境感知，已有成熟的方案。

與自動(dòng)駕駛不同，機(jī)器人面對更開放的自動(dòng)化空間

在對比機(jī)器人與自動(dòng)駕駛的發(fā)展路徑時(shí)，Nakul給出了清晰區(qū)分。他指出，自動(dòng)駕駛本質(zhì)上是一個(gè)定義清晰的問題，其核心目標(biāo)是將人從A點(diǎn)安全地運(yùn)送到B點(diǎn)，行為邊界、應(yīng)用場景和用戶預(yù)期相對集中。相比之下，機(jī)器人所面對的是一個(gè)更加開放、更加多樣化的自動(dòng)化空間。

圍繞機(jī)器人應(yīng)用場景，Nakul將其概括為兩類。一類是“綠地應(yīng)用”，即此前因技術(shù)條件尚不成熟而未被自動(dòng)化的場景；另一類是“棕地應(yīng)用”，例如倉儲(chǔ)和制造等已經(jīng)具備自動(dòng)化基礎(chǔ)的行業(yè)，這些領(lǐng)域?qū)⒀刂鄬η逦募夹g(shù)采納路徑持續(xù)演進(jìn)。

他強(qiáng)調(diào)，不同場景下，機(jī)器人技術(shù)的成熟節(jié)奏并不相同，不能簡單套用自動(dòng)駕駛的發(fā)展模式進(jìn)行類比?；诋?dāng)前的技術(shù)演進(jìn)趨勢，他預(yù)計(jì)，在未來五年內(nèi)，機(jī)器人技術(shù)的發(fā)展速度將呈現(xiàn)指數(shù)級提升。

邊緣側(cè)推理與安全內(nèi)生，物理AI討論中的重要話題

在技術(shù)實(shí)現(xiàn)層面，Nakul多次強(qiáng)調(diào)，物理AI面臨的一個(gè)前提條件是：問題必須在邊緣側(cè)被解決，不能僅依賴于云端。無論是車輛還是機(jī)器人，都運(yùn)行在真實(shí)的物理環(huán)境中，無法依賴云端完成實(shí)時(shí)推理與響應(yīng)。感知、決策與執(zhí)行，必須在本地形成閉環(huán)。

隨著機(jī)器人逐步進(jìn)入與人類共存的環(huán)境，安全問題也被反復(fù)提及。Nakul指出，如果機(jī)器人模型的目標(biāo)是與人類協(xié)同工作或共同存在，那么安全就不能作為后期補(bǔ)充，而必須成為模型設(shè)計(jì)階段的內(nèi)生要素。

在對話的最后，他還提出一個(gè)重要觀察：物理AI的發(fā)展速度，目前可能被低估了。在他看來，物理AI具備高度“民主化”（普及化）的潛力——過去十多年在多個(gè)產(chǎn)業(yè)中積累的技術(shù)創(chuàng)新，正在加速不同領(lǐng)域之間的融合，為物理AI在更多場景中的應(yīng)用創(chuàng)造條件。