今天的主题是——物理AI。跳出机械的定义，如何最简单的理解物理AI？如果AI大模型是语言世界的人工智能，物理AI就是现实世界的人工智能。它走出了屏幕，形成了一个触手可及的实体。它不仅仅可以回答问题，而且可以真正“着手”解决问题，完成任务。一、物理AI≠机器人，这是我想分享的第一个观点——物理AI不是一个单独行业，而是一次AI完整的产业链向物质世界的扩展。我用路径图来表示：原来的AI链条：芯片→大模型→云服务→软件应用现在扩展成：芯片→仿真世界 →机器人基础模型 →传感器→执行器→机器人本体→工厂／物流／汽车／其他场景★继续讨论一个更重要的问题，在整个链条中，最有价值的部分是什么？为什么黄仁勋“断言”，人工智能的下个浪潮是物理AI？把物理AI这个并没有完全成熟的产业链推到风口浪尖？原因很简单，一方面物理AI的确很重要，但更重要的是，物理AI比GPT这种大语言模型更耗算力。物理AI的训练对象从文字，变成：视频＋空间＋物理规律＋机器人动作，训练成本会呈指数级的上升。物理AI会引发下一轮的算力大爆发，英伟达（AMD，台积电等）将直接受益。因为“铲子”的需求不仅不会因为大语言模型的瓶颈而放缓，反而会出现另一个远超大语言模型市场几十倍需求的“新市场”。★我们继续推理，除了算力，我认为应该放在第二重要位置去关注的是什么？是仿真平台（Digital Twin)。在英伟达的整体计划中，有一个并不引人注目的软件的推出——“Omniverse”，很多人都认为它只是一个“3D软件”，但是我认为这是英伟达最重要的一个“提前卡位”。对于物理AI而言，机器人只是一个载体，而未来的机器人训练主要发生在虚拟世界。现实训练的成本过高并不可取，而仿真训练将是一个重要的途径。也就是说，未来谁控制仿真训练环境，谁就可能成为机器人时代的Windows，或者机器人时代的Android。而Omniverse，它本质是在抢未来机器人训练平台，如果英伟达成功，其护城河甚至比GPU更深，因为数据和模型会被锁进去。所以，英伟达已经率先布局了物理AI最关键的，价值最高的两个链条，算力+仿真平台。对于目前概念炒作极热的几个链条，包括传感器，或者执行器系统（比如灵巧手），从未来重要性、价值和利润角度出发，只是第二梯队。而机器人本体，我认为本质上是链条中，未来利润率最低的一个环节，看看现在的手机就能理解，真正利润率最高的不是硬件厂商，而是控制了操作系统、芯片、平台。在这里分享一个可能不是很受欢迎的观点，刚刚引发巨大争议的公司，为什么要选择和英伟达合作？整个物理AI链条的利润分配才是重点。机器人本体的未来利润率是第三维度，而第一维度，它独立完成不了，国内也缺乏类似完整的、标准化的平台，所以想通过“深度合作”去获取未来利润最大化。我想，这才是重要的原因。二、继续讨论一个更有趣的问题——在物理AI产业链上，最有价值的金属是什么？整个物理AI产业链需要的金属很多，比如：铟，传感器／显示和连接关键，钴／镍，电机和动力系统核心，钛，结构轻量化＋强度关键。我想提醒大家注意两种金属，那就是钼和锗。怎么又提到钼？为什么它很最关键？因为物理AI比大模型更“热”，不仅算力密集、而且叠加动作频繁，热管理直接决定成败。钼在整个产业链中跨越算力、执行器、散热，它的价值密度最高，钼的应用决定了物理AI能否真正量产、稳定、长期运行。而其他金属（铜、钴、锗、钛）也很重要，但要么是可替代，要么是应用单点。其次是“锗”。因为它是对光互连和高速传感器最重要的一种金属，而光互联和高速传感器，在第二个维度的产业链中，价值极高。三、物理AI是未来的星辰大海，但是它现在只是一个不成熟的产业链。我想分享今天的第二个观点——物理AI几乎全链条都无法产生即时现金流，除了英伟达体系。真正可以产生即时现金流的链条只有硬件算力+部分工业执行器（伺服系统、电机）+部分仿真训练。英伟达把最肥的两块肉都夹到自己碗里了。除此之外，美国和国内大部分公司都处于“烧钱阶段”，也就是说，现在的物理AI产业链本质上是一个“高投入、高技术壁垒、低短期现金流”的生态，除了卖硬件的厂商能立刻赚钱，其他环节都是在赌产业成熟和数据闭环落地的未来收益。我从来不否认物理AI的重要性，但是从投资的角度，必须要清醒的认知到这条产业链的风险。最后，我想分享的观点是——物理AI最大的瓶颈并不是不是技术的进步，而是经济问题。本质上，语言大模型没有解决的盈利模式困境，物理AI不仅继续存在而且会更加严重。我时常提醒所有人注意，不能用长期趋势为短期趋势定价，而现在市场正在这样做，这就是最大的风险。大家早安。