英伟达、谷歌、英特尔接连落子，物理AI转入基础设施竞争
要点
物理AI正成为科技产业和资本市场共同关注的新热点。2026年10月下旬，这一领域接连出现三项进展：10月21日，英伟达在GTC柏林大会上宣布扩展Isaac开放机器人开发平台；10月27日，谷歌DeepMind发布新一代世界模型Genie 4；10月28日，英特尔与SAP在SAP…
物理AI正成为科技产业和资本市场共同关注的新热点。2026年10月下旬，这一领域接连出现三项进展：10月21日，英伟达在GTC柏林大会上宣布扩展Isaac开放机器人开发平台；10月27日，谷歌DeepMind发布新一代世界模型Genie 4；10月28日，英特尔与SAP在SAP TechEd上展示物理AI自主仓库概念验证。三项进展分别来自机器人开发平台、世界模型和产业应用，却共同指向同一个方向：竞争焦点正从单纯提升模型的智能程度，延伸到构建一套完整的技术与产业基础设施。
让AI在行动之前先理解物理世界
据经济日报报道，谷歌DeepMind于10月27日推出最新世界模型Genie 4，目前处于研究预览阶段。这款模型能够生成迄今拟真度最高、可交互的虚拟世界，用户可以在模拟运行的过程中输入提示词来修改场景；模型还能生成和虚拟世界同步的实时音频，涵盖音乐、环境音以及可交互对话。
传统生成式AI主要处理数字世界中的文本、图像和视频信息，而物理AI面对的是一个更加复杂的现实环境。它不仅需要识别物体，还要理解物体之间的空间关系、形状与属性，判断它们如何运动，以及不同动作可能引发什么结果。对机器人而言，看见一个杯子只是第一步：它还需要判断杯子的位置、形状和抓取方式，预测抓取时可能产生的受力变化。
这意味着，物理AI不能只根据当前感知结果直接生成动作，还需要具备预测未来状态的能力。世界模型正为此提供了一种新的技术思路：通过构建能够表征环境状态、模拟环境变化的内部模型，让AI在真正采取行动之前，先在虚拟环境中推演不同动作可能产生的结果，再据此调整决策。
开发平台之争
英伟达在10月21日的GTC柏林大会上宣布扩展Isaac开放机器人开发平台，新增了一款人形机器人参考平台、数据集和运行时，并更新了机器人学习框架。按英伟达官方披露，Isaac平台面向通用机器人，提供参考人形机器人、框架、仿真流水线和数据，使开发者获得从构建、训练到部署的一体化路径。
从数据资源、仿真训练框架，到运行时软件、边缘计算平台和安全体系，英伟达正把机器人开发过程中原本相对分散的技术环节整合起来。这也说明，其定位并不止于机器人AI芯片供应商，而是希望通过算力、模型、数据、仿真工具和软件框架，建立覆盖机器人开发全生命周期的技术生态。
这一路径与英伟达当年通过CUDA构建GPU软件生态的思路相似：CUDA不仅提升了开发者使用GPU进行并行计算的便利性，也逐渐成为AI计算领域的重要基础设施。如今，开发者使用其工具生成数据、训练模型、开展仿真，并在其算力平台上部署应用；围绕这一体系开展工作的机器人企业和开发者越多，生态的集聚效应就越明显。
从仿真走进仓库
机器人具备感知、推理和动作能力，并不意味着它已经能够真正融入企业生产经营。物理AI还需要理解企业业务目标，并将业务系统中的任务转化为现实世界的执行活动。
英特尔与SAP展示的自主仓库概念验证提供了一个观察案例。双方在英特尔成都园区完成了这一演示，并于10月28日在SAP TechEd上重点展示。方案将SAP扩展仓库管理系统（SAP EWM）所提供的业务场景信息与工作流编排能力，与基于英特尔技术的边缘AI及机器人软硬件相结合：任务请求由SAP EWM发起，通过英特尔的边缘AI硬件和软件派发给自主机器人；机器人负责运输物料，并将任务状态及完成情况反馈至SAP EWM，由此在企业工作流与物理执行环节之间建立闭环。
英特尔提供面向边缘AI与机器人的技术基础，其中包括通过CPU、GPU和NPU协同工作、在本地完成环境感知、推理、路径导航、检测以及实时控制的异构计算能力；软件侧则包括OpenVINO Physical AI、Physical AI Studio和Robotics AI Suite。双方将该架构描述为开放架构，可跨机器人厂商、操作系统、AI模型以及云端或本地部署环境，目标是把这个概念验证发展为可复用的标准化蓝图。
英特尔工业与机器人业务副总裁兼总经理John Healy表示，企业希望把AI直接连接到物理运营，将SAP的企业上下文与编排能力同英特尔的边缘AI和机器人技术结合，有助于把物理AI从业务决策推进到现实执行。SAP研究与创新部门物理AI与机器人负责人Lukasz Ostrowski则表示，物理AI可以通过连接企业系统与运营技术来重塑运营，双方正在帮助客户把AI驱动的自动化集成到核心流程中。
基础设施层的竞争
三项进展的共同点在于，竞争已不只是模型能力之争。世界模型负责让AI理解并预测物理世界，开发平台负责把数据、仿真、训练和部署串联起来，产业方案则负责把企业系统与真实设备打通。三者叠加，构成了物理AI的基础设施层。
按照英特尔方面的说法，此次演示显示该方案在运营效率方面有所改善，包括缩短物料运输距离，以及减少重复性人工搬运工作；两家公司计划将概念验证推进为可在不同设施和机器人平台之间复制的蓝图。而据经济日报报道，Genie 4目前仍处于研究预览阶段。物理AI能否从演示走向规模化部署，仍取决于跨厂商集成成本、异常处理能力和实际运营数据的验证。
