物理人工智能：智能突破屏幕的边界
物理人工智能将为边缘计算注入强大动力，并引发新一轮物联网和传感器创新的新浪潮。
物理人工智能的真正力量并不在于人形外观，而在于连接我们的生活环境。AI 智能体将智能家居、车辆和设备串联起来，构建出不仅能响应我们需求、更能预判需求的生态系统。赢家将是那些掌握跨领域集成能力的人，他们能将分散的智能设备整合为有机统一、具有预测能力的生态系统，从根本上重新定义我们与物理空间的交互方式。
Jason Low，研究总监，消费品
到2027年，建筑环境与智联能源基础设施将成为物理人工智能的前沿领域。建筑目前已占全球能源需求的约30%，这为AI协调暖通空调、照明、储能以及与电网交互的负荷提供了广阔空间。然而，人工智能的应用仍将呈现渐进式发展，而非完全自主化，人类将继续对安全、合规及关键任务操作保有最终决策权。
Ivy Sun，智慧建筑与能源基础设施业务负责人
物理人工智能的建设将如何重塑技术价值链？
它正在将资本和研发资源从基于屏幕的软件转向具身硬件堆栈——包括边缘芯片组、执行器、传感器，以及模拟和训练数据所需的云基础设施。Omdia的人工智能市场规模评估与分类体系，帮助行业领军者优先布局增长最快的细分领域——人形机器人、边缘芯片、数据即服务，抢先把握这个从2025年的814亿美元增长至2035年1.145万亿美元的市场机遇。
云基础设施与系统集成的差距将如何决定哪些供应商能够真正实现规模化？
当前市场仍以硬件为主导，但随着部署从试点阶段转向大规模部署，预计云服务和系统集成将在“嵌入式智能”收入中占据越来越大的份额。缺乏系统集成支持已被列为规模化的主要障碍之一。Omdia的市场分析报告帮助领导者识别哪些合作伙伴能够真正将物理人工智能落地运营，而不仅仅是演示展示。
随着机器人从工厂车间走向面向客户的场景，企业需要思考：传统的技术治理框架是否仍然适用，还是说物理人工智能需要一套全新的责任划分、监督管理与系统集成方案？到2027年，缺乏明确物理人工智能治理框架的企业将面临监管压力和运营风险，而先行者则将获得决定性的信任优势。
Tim Dillon，首席分析师，亚太区企业IT与终端用户
物理人工智能代表了汽车技术的自然演进——将车辆从机械控制的机器转变为能够实时感知、学习并适应环境的智能、自主系统。
Edward Wilford，高级研究总监，汽车
高质量具身训练数据匮乏将如何影响物理人工智能竞争格局？
机器人基础模型依赖于通过遥操作、仿真和动作捕捉采集的数据——互联网规模的文本和图像数据无法教会机器人抓取、保持平衡或导航。具身训练数据（而非算力）才是真正的瓶颈。Omdia的研究帮助领导者识别哪些数据管道和仿真合作伙伴将决定谁能率先训练出性能最强的机器人。
物理人工智能将如何促使企业重新思考治理、责任与监督问题？
随着机器人从工厂车间走向面向客户的场景和人机共存空间，企业必须决定机器人究竟是一种工具还是一个全新类别，而传统的IT治理框架对此并没有明确答案。Omdia的治理研究帮助领导者在监管机构或事故发生迫使采取行动之前，提前构建责任与监督手册。
人形机器人如今已成为物理人工智能的代名词，吸引了业界大量投资与关注，预计到2030年全球出货量将达到70万台。尽管大多数讨论聚焦于外形设计和杀手级应用，但该行业仍需克服高质量数据匮乏以及缺乏可靠、全面的系统集成支持等问题。从积极的一面来看，这仍然是一个为众多供应商和服务提供商提供大量机遇的市场。
Lian Jye Su，首席分析师，企业级人工智能
当前的人工智能法规主要聚焦于隐私和偏见等数字风险，而非物理人工智能在现实世界安全、问责以及持续测试与认证方面带来的新挑战。这造成了一个治理缺口，需要监管机构和电信运营商给予更多关注。
Sarah McBride，首席分析师，电信监管
01
把握价值链转型机遇
抢先布局资本向增长最快的物理人工智能细分领域的重新配置。
02
掌控集成层
在纯硬件厂商向上延伸之前，率先占据新兴的云计算与系统集成服务层。
03
提前应对数据瓶颈
自建或通过合作融入具身数据供应链。训练数据仍是业界最常被提及的制约因素。
04
在规则制定之前塑造其框架
提前介入治理与责任框架，将对监管与问责的早期清晰认知转化为对客户和监管机构的信任优势。
物理人工智能的TAM从2025年的814亿美元增长至2035年的1.145万亿美元——复合年增长率33.5%。深入了解 资本流向的变化。
亚太地区具身智能机器人收入从2025年的15亿美元增长至2030年的153亿美元。
预计到2030年，客户服务、物流和制造领域中自主机器人的采用率将从2025年的14%跃升至35%。阅读关于机器人技术采用与应用信息情况。
© 2026 Omdia
来源：Omdia
