说到“具身智能”，你大概不陌生：翻跟头、跳舞的人形机器人，隔三岔五就会刷屏。

但这两年，一个相近的话题正变得火热——物理 AI（Physical AI）。从英伟达举办 Physical AI Day，到宇树科技上市，再到百亿级资本密集入场，一系列信号显示，物理 AI 正成为最具发展潜力的技术方向之一。

到底什么是物理 AI？它现在发展到哪一步了？中国物理 AI 企业出海，又容易遇到哪些坎？

为了让大家对 「物理 AI 」有一个更全面的了解，Zenlayer 特地邀请亚马逊云科技中国 Physical AI 技术负责人熊俊峰（熊博）做客 「Zeno的网络世界」，从亚马逊云科技让 100 万台机器人在全球工厂和仓储一线全天候运转的「飞轮」实践，到 Zenlayer 服务物理 AI 企业出海的网络与算力部署经验，一起聊聊物理 AI 的想象与现实。

 

物理 AI 就是具身智能吗？

简单来说，具身智能是物理 AI 的一个子集。“具身”强调的是有身体、像人，最典型的就是人形机器人。而物理 AI 的范围要大得多，任何 AI 驱动的系统需要”感知真实世界 → 做出决策 → 产生物理动作”，都属于这个范畴，它包括工厂里的协作机械臂、仓库里的 AMR 搬运车、天上飞的无人机，甚至马路上的自动驾驶。

亚马逊云科技对物理 AI 的定位是：在物理世界和数字世界之间建立一个持续进化的闭环。关键词“持续进化”——不是写死一套程序让机器执行，而是系统不断从真实环境中学习、在仿真中验证、再部署回去。每一次失败都变成数据资产，反哺下一轮迭代。例如：一台仓储机器人今天抓取失败了，这个失败的力觉数据会自动回流到云端，进入下一轮训练，明天同样的场景就不会再失败。这个循环跑得越快，壁垒就越深。总结来说，具身智能关注的是”给机器人一个聪明的大脑”，而物理 AI 关注的是”怎么让这个大脑在真实世界中持续变聪明“。

 

 

物理 AI 场景现在发展到哪一步了？

物理 AI 覆盖的场景很广，但各场景的成熟度差别很大，有的已经规模化落地，有的仍在探索。区分它们的关键，在于场景本身的复杂程度：越是”环境可控、任务明确”的场景越接近规模化；越是”非结构化、需要泛化”的场景，越依赖飞轮带动的数据积累。

       

 

第一档：已经量产、可复制。比如 AMR（自主移动机器人）、工业巡检机器人。这类场景环境相对可控、任务明确，边缘推理能力已经够用。全球范围看，头部客户已经做到千台级部署。Amazon 全球 100 万台以上仓储机器人在 24 小时不停运转，Proteus、Sparrow、Sequoia 等已经在真实生产环境中大规模验证了 Physical AI 系统的可行性。 

第二档：单场景量产，但跨场景复制还在早期。 比如四足巡检机器人可以成熟应用在基地安保，但同一套系统去做建筑工地巡检，需要重新适配感知和规划模型。

第三档：仍在探索的是通用人形机器人。目前还没看到人形机器人能在非结构化的环境里完成相对复杂的任务，并且规模化部署。目前已经有企业在特定场景做到了超过 5000 台的出货量，不过泛化依然是难题，根源在于飞轮还不够成熟，数据积累还非常有限。

 

物理 AI 出海，有什么常见的坎？

             

第一道坎：数据合规。设备出海需要针对当地场景做适配，这就意味着要采集新数据（视觉、力觉等）训练新模型。而各国的规矩又不一样：欧洲的《通用数据保护条例》规定，包含人脸的视觉数据属于生物识别信息，不能传回国内训练；中东有数据本地化的要求；东南亚的规则还不太统一。很多企业出海才发现，数据治理是要从第一天就设计进架构里的。

      

第二道坎：上万台设备的远程运维。在国内可以派工程师驻场，但机器人卖到 17 个国家之后，不可能每个国家都养一支运维团队：OTA 更新怎么做灰度发布？设备异常怎么远程诊断？这些在百台规模时可以靠人力扛，到了万台规模就必须靠系统。

       

第三道坎：商业渠道和生态。中国在物理 AI 上技术领先，但到了海外，当地的系统集成商不一定愿意帮忙铺渠道，终端用户也不一定愿意先来试试，技术和市场之间隔着一道“信任鸿沟”。第四道坎：网络和基础设施。机器人需要跟云端保持通信——上传数据、下载模型更新、接收任务指令。跨区域网络的稳定性、延迟和带宽直接决定了系统能不能可靠运行。

      

          

网络对物理 AI 有多重要？

物理 AI 和 Digital AI 有一个本质区别：它对时间极其敏感。一台仓储机器人晚 200ms 做避障决策，就可能撞上货架。

亚马逊云科技提出了“三层认知架构”的概念：

 

● Cloud Brain（云端超脑）：负责复杂推理和任务规划，响应时间为秒级，部署在云端。

● Edge Brain（边缘大脑）：负责感知到动作的映射，即 VLA 模型，响应时间为百毫秒级，部署在机器人本地。

● Edge Cerebellum（边缘小脑）：负责运动控制和安全兜底，响应时间为毫秒级，部署在硬件控制器上。

 

三层认知架构相互协同，网络就是连接这三层的”神经系统”。具体来说，网络在物理 AI 中承担三个关键角色：

第一，数据回传。 边缘设备产生的高价值数据需要安全、低丢包地回传到云端做训练，传输链路的可靠性直接影响飞轮转速。

第二，模型下发和 OTA。 云端训练好的新模型要推送到全球成千上万台设备。跨洋传输的延迟和带宽决定了更新能不能及时到位。

第三，实时协同。云端超脑和端侧大脑之间要配合指令，端和云之间的网络的延迟和带宽，直接决定了整个系统上限。

所以对物理 AI 来说，网络是刚需基础设施。尤其在全球化部署场景下，跨区域的连接质量直接决定了系统能不能稳定运行。

 

Zenlayer 物理 AI 定制化网络解决方案

 

物理 AI 企业出海时，具体会遇到哪些网络需求？作为面向 AI 的分布式云，Zenlayer 积累了不少一线案例。

      

• 场景一：调用模型。物理 AI 企业背后通常有强大的研发团队，需要高效调用各类模型来提升研发效率。

比如 Zenlayer 近期服务的一家国内顶级人形机器人企业，既有自研的 VLA 具身智能底座模型、物理世界模型，又要调用全球各类通用大模型来辅助研发。Zenlayer AI 网关和 MCP 网关通过一个接口实现了多种模型统一接入，解决了多账号管理难题，将该企业的模型接入与维护成本降低了 80% 以上。

 

• 场景二：GPU 算力。物理 AI 企业走向全球之后，仅靠自建算力很难覆盖各地不断增长的推理需求。依托 Zenlayer 的全球分布式基础设施，可以为企业提供 GPU 资源，把推理部署到离场景、离用户最近的地方，在全球范围内高效调度算力。

 

• 场景三：多云连接。将分散在多个云环境的数据集打通，打通全球主流公有云，实现多云部署。有一家做制造自动化的工业 AI 企业，海量生产数据要跨区域同步给分布在不同云上的数据科学团队，光公有云的区域出口费就很高，数据也没法统一访问。

 

Zenlayer 结合裸金属集群、全球专线、云连接重构了这条链路：数据全程走专线，团队在各自熟悉的云环境里直接调同一份预处理数据集，既节省了区域出口成本，AI 基础设施也在几天内就交付上线。

        

Zenlayer 提供的正是一套针对物理 AI 的云、边、端协同和全球化合规运营的定制化底层网络方案，和亚马逊云科技在算力、仿真、合规、生态等能力形成良好的互补。目前，在亚马逊云科技 Marketplace 上，就能便捷开通 Zenlayer 的 AI 网关、全球加速器等服务。

 

亚马逊云科技物理 AI 方案

 

• Build：构建飞轮，让每次迭代都更快。

亚马逊云科技提供覆盖全链路的基础设施，以及端到端 Physical AI 平台的资产。数据采集 → 模型训练 → 仿真验证 → 边缘部署 → 产生新数据——这个循环每转一圈，系统就进化一次。其中最关键的，是将飞轮从”人推着转”变成”自动转”——通过 Agentic 编排能力，让系统自动触发再训练、自动跑仿真验证、自动灰度发布。

• Sell：借助全球生态，从第 1 台卖到第 N 万台。

中国企业的增长瓶颈往往不在技术，而在市场。亚马逊云科技提供从”中国研发”到”全球部署”的完整通道。亚马逊云科技 Marketplace 作为解决方案分发渠道，形成完整的生态。此外还提供 Physical AI Activate Program——提供 Credit、解决方案架构师 1 对 1 支持、VC 网络对接、全球大企业客户引荐——从 Day 1 就帮早期企业解决”怎么找到第一个海外客户”的问题。

• Operate：全球基础设施支撑万台设备合规运营。

当机器人从实验室走向全球多个市场，运营复杂度呈指数增长。亚马逊云科技遍布全球的 Region 布局提供天然的数据隔离能力——选对 Region 就自动满足当地数据驻留要求，合规内建而非后补。IoT Greengrass 支撑万台异构设备的统一 OTA、远程诊断和预测性维护。而且我们的按需付费模式天然适配 RaaS（Robot as a Service）的商业逻辑——客户从卖硬件转型到卖服务，底层成本结构也要弹性化。

 

未来三到五年，物理 AI 最重要的趋势是什么？

      

展望物理 AI 的未来，熊博给出了三个判断：

判断一：从卖硬件，到卖“结果”。目前物理 AI 行业还是以卖硬件为主，但未来三五年，领先的企业一定是在卖物理世界的“智能结果”。利润也会从一次性的硬件收入，变成持续的服务收入，这是 SaaS 在物理世界的一次重演。

         

判断二：数据壁垒会把先发优势成倍放大。在物理 AI 的世界里，高质量数据极难获得。先跑起来的企业会像滚雪球一样积累数据优势，后来者很难追上。未来三年，正是建立这道壁垒的关键窗口期。

判断三：全球化是必选项。物理 AI 是重资产、重部署的行业，中国企业想把技术优势变成真金白银，全球市场绕不开。谁能管好分布在多个国家的上万台设备，谁就跨过了企业之间的关键分水岭。总结来说，物理 AI 的竞争，就是一场飞轮转速的竞争——谁能先把飞轮转起来，并且转得更快、更好、更广，谁就能在下一个时代占得先机。

 

 

携手 Zenlayer，助力您的 AI 项目落地全球！

Zenlayer 是面向 AI 的分布式云，覆盖 50 多个国家和地区的 400 多个边缘节点。基于强大的全球分布式算力平台，Zenlayer 为 AI 应用提供快速、高效且可靠的数据传输能力。企业可以通过 Zenlayer 即开即用的算力和网络服务在全球部署和运行实时互动应用，即刻提升其用户数字体验。凭借 10,000+ 全球互联互通、300+ 云连接接入口，以及 220+ Tbps 网络容量，Zenlayer 助力企业在 25ms 之内触达全球 85% 的互联网用户。