【系统时间注入】当前北京时间：2026-08-19 08:00 CST

在2022年到2024年的三年里，全球物理AI领域的风险投资总计419亿美元。 2026年，仅上半年就达到474亿美元。

这不是错别字。上半年一个人的戏，打过去三年所有人的总和。

2026年8月18日，Crunchbase发布了年度最重要的AI投资数据报告之一，揭示了一个正在加速的投资趋势：2026年上半年，全球物理AI公司获得的风险投资达到474亿美元，共521笔交易。这个数字比2025年下半年的120亿美元增长了近4倍，比2025年上半年的264亿美元增长了近80%。

更有力的对比来自长期视角：2022年到2024年三年累计，全球物理AI领域的风险投资合计仅419亿美元——比2026年上半年这一个季度还要少。

这是投资周期的量级跃升，不只是线性增长。

一、什么是「物理AI」？为什么它在2026年爆发？

Crunchbase的定义给出了清晰边界：物理AI包括机器人（Robotics）、自动驾驶汽车（Autonomous Vehicles）、航空航天（Aerospace）、无人机（Drones）、工业自动化（Industrial Automation）和传感器（Sensors）。共同点是：这些公司的产品不只是在屏幕上工作，而是在真实的物理世界里采取行动。

为什么是2026年？几个条件在这一年同时成熟：

条件一：大语言模型的推理能力达到了可以指导物理操作的水平。 2023年之前，AI的最大短板是「物理常识」——机器人可以完成结构化的重复任务，但无法处理意外情况和新环境。大语言模型改变了这个局面：它提供了「理解语义指令、处理非结构化环境」的能力，让机器人的泛化能力出现了质变。

条件二：成本曲线在关键位置出现了拐点。 传感器成本（激光雷达、摄像头、惯性测量单元）的持续下降，加上算力成本的降低，使得物理AI系统的硬件成本首次进入了商业可行区间。一个全功能的人形机器人，今天的成本已经低于一辆豪华轿车。

条件三：应用场景的需求端压力达到临界点。 全球制造业、物流行业、医疗护理都在同时面临劳动力短缺和效率压力。这些行业的企业采购部门从「观望」转向「迫切需要解决方案」，使得物理AI公司的商业转化速度明显加快。

二、谁拿走了这474亿美元？

Crunchbase的数据揭示，474亿美元中有相当大的比例集中在少数超大额融资中。

Waymo的160亿美元B轮是其中最大的一笔，几乎占了全部物理AI投资的三分之一。Alphabet、Dragoneer、DST Global和红杉资本联合领投了这轮融资。Waymo是自动驾驶赛道最成熟的商业化公司，已在旧金山和凤凰城运营着无需人类监督的无人出租车服务，而且在持续扩展覆盖范围。这160亿美元，与其说是「赌注」，不如说是「确定性投入」——Waymo已经证明了技术可行性，这笔钱是规模化扩张的弹药。

除了Waymo之外，其余约310亿美元分布在500多笔交易中，覆盖了从人形机器人到工业自动化再到无人机配送的广泛领域。值得注意的几个子方向：

人形机器人是最受关注的赛道。Figure AI、Physical Intelligence（Pi）、1X Technologies等公司在2026年上半年都完成了规模可观的融资，总计金额超过50亿美元。这些公司的共同点是：把大语言模型作为「大脑」，让人形机器人不只是执行预设程序，而是能够理解自然语言指令、适应新环境、处理意外情况。

工业自动化的资本密度虽然不及人形机器人，但商业化节奏更快。仓储机器人公司（Symbotic、Berkshire Grey的同类竞品）、农业自动化（自动化采摘、施药、监测）、建筑施工自动化都在吸引稳定的大额投资。这类公司的特点是：场景相对结构化，技术成熟度更高，客户采购决策更容易，往往可以在3到5年内实现规模化商业收入。

航空航天领域也出现了引人注目的动向。无人机配送（Wing、Zipline的新竞争者）和低空经济整体上在2026年受到政策支持，特别是在中国市场，低空经济已经被纳入地方政府的产业规划。

三、物理AI的真实壁垒在哪里？

在474亿美元的投资热潮背后，有一个被很多报道忽视的深层问题：物理AI的真实商业壁垒，究竟在哪里？

技术层面的答案通常是：更好的感知模型、更鲁棒的操控算法、更低成本的传感器。但这些答案描述的是「能力」，而不是「壁垒」。

物理AI真正的壁垒是：训练数据的独占性。

以Waymo为例。Waymo今天的领先优势，不只是来自更好的算法，而是来自它从2009年开始在真实道路上积累的驾驶数据。这些数据包含了无数边缘案例、罕见场景、极端天气条件——这些都是无法通过合成数据完全复现的真实世界经验。竞争对手可以有更多的算法工程师，但没有办法快速复制这15年的真实驾驶数据。

人形机器人领域的逻辑同样如此。Physical Intelligence（Pi）的研究方向是「训练机器人执行真实家庭和工厂任务」，而他们的核心竞争力不只是操控模型，而是大规模收集真实物理交互数据的能力。谁能更快、更系统地积累「机器人操作真实物体」的数据，谁就能训练出更好的通用操控模型。

这意味着物理AI竞争的核心，不是谁有更好的算法团队，而是谁能更快地「将机器人部署到真实场景中、收集真实数据、反馈到训练循环」。这是一个「部署量→数据量→模型质量→更多部署」的正反馈飞轮，而且启动这个飞轮需要的不只是算法，还需要硬件供应链、渠道伙伴、监管许可和大量的耐心资本。

474亿美元的投资热潮，正在帮助那些已经率先启动飞轮的公司进一步拉大数据壁垒。这就是为什么在AI投资领域，「先发优势」在物理AI赛道比软件AI赛道更难被追赶——因为数据壁垒的构建需要真实的时间和真实的物理部署，金钱可以加速但无法跳过。

四、软件AI投资者为什么开始转向物理AI？

《华尔街日报》的报道指出了一个有趣现象：许多以软件和互联网投资起家的知名风险投资机构，正在给物理AI公司写更多支票。这种迁移不是偶然的。

第一个原因：软件AI的竞争格局正在成熟，超额收益空间收窄。

大语言模型层面，格局已经相当清晰：OpenAI、Anthropic、Google、Meta主导着前沿模型，绝大多数应用层创业公司面临着强大的平台型竞争压力。2023年、2024年那种「任何做AI的公司都能融到高估值」的时代正在过去，软件AI的投资逻辑变得更加挑剔——需要有真实的差异化、真实的收入、真实的护城河。

相比之下，物理AI的竞争格局还很分散，各个子赛道（人形机器人、无人驾驶的细分场景、农业自动化等）都还有领先玩家尚未产生的机会，以「早期先发」获得超额收益的可能性更大。

第二个原因：物理AI有更清晰的「下一个大市场」属性。

软件AI的市场总规模有多大？答案很难量化，因为它在重塑和替代已有市场，而不是创造全新市场。物理AI的市场量化更直接：全球制造业每年产值超过14万亿美元，物流行业超过8万亿美元，农业超过10万亿美元——这些市场的自动化渗透率目前还极低，增长空间非常清晰。

第三个原因：物理AI恰好在AI投资人的认知舒适区边界上扩张。

软件AI投资人理解AI、理解软件，但往往对制造业、硬件供应链、物流网络感到陌生。物理AI恰好是两者的交叉——AI技术是基础，物理执行是壁垒。这正好是那些既懂AI又在深度科技领域有所布局的投资机构的甜蜜区。

五、投资者的实操框架：哪类物理AI公司最值得关注？

在474亿美元的投资热潮中，不是所有物理AI公司都处于同等位置。以下是一个基于「商业可达性」和「技术差异化」两个维度的简单分类框架：

高商业可达性 + 高技术差异化（最优投资区间）：Waymo类的自动驾驶出行、仓储和供应链自动化机器人、医疗手术辅助机器人。这类公司有明确的付费客户、有可验证的ROI、有受监管保护的商业护城河。

低商业可达性 + 高技术差异化（长期赌注）：通用人形机器人（Figure AI、Physical Intelligence）、深空探索相关技术。技术突破性强，但到大规模商业化还需要很长时间，需要耐心资本。

高商业可达性 + 低技术差异化（竞争激烈区间）：无人机配送（场景相对成熟但竞争对手多）、室内工业自动化（技术成熟但利润空间受压）。这类公司需要有极强的渠道和客户关系才能脱颖而出。

低商业可达性 + 低技术差异化（谨慎区间）：很多跟风型的机器人创业公司，技术方案差异化不强，目标市场也不明确，在474亿的融资热潮中容易被高估。

六、第三层洞察：物理AI的数据稀缺性，是比算法更深的壁垒

从更长的时间维度来看，物理AI与软件AI的根本区别，在于「训练数据的获取成本」。

软件AI的训练数据（文本、图像、代码）大量存在于互联网上，可以相对低成本地大规模获取，这使得大语言模型的竞争在某种程度上变成了「谁有更多算力」的军备竞赛——因为数据端的壁垒相对低。

物理AI的训练数据（机器人操作数据、真实道路驾驶数据、工厂自动化交互数据）必须通过真实的物理部署才能获取，而物理部署需要时间、硬件、许可证、合作伙伴——这些都是无法用算力替代的「物理世界摩擦」。

这意味着物理AI领域的先发优势，比软件AI领域更加持久和难以追赶。一家今天领先的物理AI公司，它的优势会随着每一次部署和每一次真实操作数据的积累而不断强化，而竞争对手需要付出同等的时间和资本才能接近——而这个差距在飞轮启动之后会越来越大。

474亿美元的投资热潮，本质上是全球顶级风险投资机构在同时赌这个飞轮的「哪家公司会先启动、先加速」。谁能在接下来三年内最有效地部署资本、积累数据、扩大部署规模，谁就会在这轮物理AI浪潮的终局中占据最有利的位置。

这是一场比拼耐心资本和执行能力的长跑，不是一场拼融资估值的短跑。

参考资料

  • Crunchbase: “VCs Pour Billions Into Physical AI As The Next Wave Of AI Investing Takes Shape” (2026-08-18): https://news.crunchbase.com/venture/physical-ai-funding-startups-robotics-aerospace-h1-2026/
  • 关键数据：2026年上半年全球物理AI融资474亿美元（$47.4B），521笔交易；Waymo Series D 160亿美元由Alphabet/Dragoneer/DST/红杉联合领投（Crunchbase官方数据）
  • 对比数据：2025下半年120亿美元，2025上半年264亿美元，2022-2024三年合计419亿美元（Crunchbase）
  • Business Insider: “The 25 most promising robotics startups in 2026, according to investors” (2026-08-17): https://www.businessinsider.com/robotics-tech-ai-startups-investors-funding-2026-8
  • WSJ: “Venture Capital Turns to Hardware Bets as AI Threatens Software Companies” (via Crunchbase引用)

补充分析：中国的物理AI投资格局

值得单独说明的是，在474亿美元的全球物理AI投资中，中国市场的贡献值得特别关注。

中国在物理AI的若干子赛道上有独特的竞争优势。第一是制造业规模优势——中国拥有全球最完整的制造业供应链和最大规模的制造业产能，这为工业机器人和自动化设备提供了天然的应用场景和需求端。第二是政策推动力度——「低空经济」作为战略新兴产业被写入地方政府规划，无人机和低空飞行器的商业化应用获得了明确的政策支持，这在监管相对严格的美国市场是难以想象的。第三是人形机器人的制造成本优势——全球领先的人形机器人公司（包括宇树科技、傅利叶智能等）都是中国公司，中国的电机、传感器、结构件制造能力使其在硬件成本上有显著优势。

不过，中国物理AI公司也面临一个与软件AI完全不同的挑战：出口管制。美国已经对多类AI芯片实施出口限制，而这些芯片是训练高级物理AI模型所必需的。中国公司不得不在受限的算力条件下寻找替代方案——使用华为昇腾芯片替代英伟达GPU，这在一定程度上增加了训练成本，但也在客观上推动了中国国产AI芯片生态的发展（详见本批次另一篇关于中国AI技术栈的文章）。

在具身智能领域，有一个值得关注的趋势：中国头部互联网企业（阿里巴巴、腾讯、百度）和汽车制造商（比亚迪、上汽）正在以战略投资的形式进入人形机器人赛道，而不只是硬件创业公司。这种「大平台+硬件创业公司」的协同模式，可能比纯创业公司的模式有更快的商业化节奏，因为大平台可以提供算力资源、数据积累和渠道网络，帮助硬件公司更快启动「部署→数据→训练」的正反馈飞轮。

对于跟踪物理AI投资机会的分析师来说，中国市场是一个不能忽视的维度——不只是因为中国企业的硬件成本优势，更因为中国的应用场景规模和政策支持力度，可能使得某些物理AI赛道在中国市场的商业化节奏比美国更快。

补充思考：物理AI与软件AI的协同边界

物理AI投资热潮的另一个值得深挖的侧面，是物理AI和软件AI之间的协同关系。这两个领域不是在竞争同一拨资本，而是在技术层面深度耦合，在应用层面互为支撑。

最直接的协同：物理AI需要软件AI提供感知和决策能力。一个人形机器人如果没有强大的语言理解模型，就无法理解自然语言指令；没有强大的视觉识别模型，就无法识别复杂环境中的对象；没有强大的规划模型，就无法处理意外情况。这些全都是软件AI的核心能力。反过来，物理AI为软件AI提供了一种全新的、无法被纯文本替代的「具身数据」——机器人在真实物理世界中的操作经验，是训练能够真正理解物理世界的AI模型的关键数据来源。

这种协同意味着，物理AI的爆发不是在分走软件AI的资本，而是在创造新的、更大的价值空间。当AI能够在思考和行动两个维度同时强化，它对经济的改造能力将是乘数效应，而不是加法效应。

这是474亿美元背后更深层的逻辑：投资者不只是在押注机器人，他们是在押注「AI从屏幕走进物理世界」这个历史性转变的第一波浪潮。而历史上，这类转变的早期押注者，往往会获得最大的投资回报。这一次会有什么不同吗？答案取决于技术成熟速度、成本曲线和市场需求的同步演化——而所有这些指标，在2026年上半年都指向同一个方向：加速。

最后，从投资组合管理的角度来看，物理AI和软件AI并不是非此即彼的选择。一个均衡的前沿科技投资组合，应当同时包含两者：软件AI提供短期内更快的商业化收益，物理AI提供长期的技术壁垒和市场规模。474亿美元证明，越来越多的顶级机构正在将物理AI纳入主流配置，而不是当作小众赌注。这种机构投资者结构的变化，本身就是物理AI从边缘走向主流的重要信号。在接下来的十年里，物理AI将从今天的「新兴赛道」成为「核心赛道」，今天进入的投资者将享受这个结构性转变带来的全部复利效应。

当然，任何投资热潮都伴随着泡沫的风险。474亿美元中有多少是理性定价、有多少是跟风炒作，只有时间能给出答案。判断泡沫的最简单标准，是看商业化节奏是否跟得上估值扩张的速度。以人形机器人为例：如果到2027年底，还没有任何人形机器人公司能够展示出可规模化的商业收入（而不只是实验室演示），那么今天的高估值就需要被认真质疑。相反，如果商业化节奏超越了市场预期，今天的估值反而可能是保守的。

物理AI的474亿美元，是一个关于「下一个十年」的大赌注。而在2026年的今天，没有人能完全确定这个赌注的回报。但可以确定的是：这个方向，是对的。

具体赛道深挖：人形机器人的「具身智能」革命

在474亿美元的物理AI投资浪潮中，人形机器人赛道是最受关注、也是争议最大的子方向。支持者认为人形机器人是AI时代的终极应用终端；怀疑者认为通用人形机器人的商业化时间线被严重低估。

现实可能介于两者之间。

从技术层面，2026年的人形机器人已经不再是「只会在受控环境中完成简单重复任务」的版本。以Figure AI为代表的第二代人形机器人，开始展示出在非结构化环境中处理多样化任务的能力——拾取不同形状物体、应对意外情况、响应自然语言指令。这背后是大语言模型提供的「通用理解能力」，再加上专门训练的「操控策略模型」。

但技术能力的进步，并不直接等于商业化的到来。商业化需要解决的问题清单依然很长：价格（目前一台通用人形机器人的成本仍然在10万到30万美元区间）、维护成本（机器人的故障率和维修成本如何控制）、安全认证（如何获得在人类工作场所运行的安全认证）、培训成本（谁来教机器人如何适应每个特定工作场景）。

这些问题不是不可解决，但解决它们需要的不只是技术突破，还需要整个供应链、监管体系和市场教育的系统性配套。这通常需要5到10年的时间。

Waymo模式的启示：自动驾驶如何成为物理AI的标杆

Waymo的160亿美元Series D是2026年上半年物理AI投资中最大的单笔，也是整个赛道最清晰的商业化参考点。

Waymo的价值在于，它是目前唯一一家已经在真实城市环境中运营商业化无人驾驶出租车服务（Robotaxi）且无需安全员监督的公司。旧金山和凤凰城的运营数据显示，Waymo的无人车每英里事故率远低于人类驾驶员，而且这个差距在持续扩大。

Waymo的商业模式有一个很有趣的特性：它的服务质量会随运营规模扩大而提升，而不是下降。更多车辆意味着更短的等待时间，更短的等待时间意味着更高的使用率，更高的使用率意味着更多数据，更多数据意味着更好的模型。这是一个物理AI版本的「数据飞轮」，而且一旦启动，竞争对手很难快速复制。

160亿美元的巨额融资，显示了Alphabet和机构投资者对这个飞轮的信心。问题不再是「技术是否可行」，而是「运营规模多大才能实现单位经济的盈利」。这是一个资本效率的问题，而不是技术可行性的问题——这个转变本身，就是物理AI从「研究阶段」到「规模化阶段」的标志性转变。

物理AI vs 软件AI：市场规模的真实对比

在评估物理AI的投资价值时，有一个数字对比值得记住：

  • 全球软件市场（企业+消费者）：约8000亿美元/年
  • 全球制造业产值：约14万亿美元/年
  • 全球物流行业产值：约8万亿美元/年
  • 全球建筑行业产值：约13万亿美元/年

物理AI所针对的市场（制造、物流、建筑、农业、医疗护理），总规模远超软件市场。即便物理AI只渗透到这些市场总规模的1%，也是一个超过3000亿美元的年度市场——是整个企业软件SaaS市场的数倍。

这是投资者对物理AI热情的终极驱动力：不只是AI技术的延伸，而是整个经济体的「数字-物理融合」所带来的市场扩张机会。

当然，渗透率的提升需要时间。从1%到5%，可能需要一个十年；从5%到20%，可能需要另一个十年。但方向是确定的，而那些在2026年的投资热潮中抢先布局的投资者，将在这个长达二十年的渗透过程中，持续享受先发优势带来的回报。474亿美元，是这个故事的第一章。

物理AI的投资时代已经开启，而2026年上半年的474亿美元，只是一个正在加速中的飞轮的起点，而不是终点。未来五年，这个数字将以怎样的曲线演化，取决于Waymo能否在更多城市复制其盈利模式，取决于人形机器人能否把价格降到5万美元以下，取决于工业自动化公司能否持续证明投资回报，取决于监管政策是否能跟上技术的步伐。每一个变量，都值得密切跟踪。而最终，物理AI能否兑现它474亿美元估值背后的宏大承诺，将是未来十年科技投资领域最值得见证的答案之一。

而在2026年的今天，仅仅是见证这个飞轮开始转动，已经是一件值得记录的事情。因为当回头来看，这很可能是一个十年后会被称为「转折点」的年份。 在那个回望的时刻，那些今天已经在Physical AI赛道上布局的先行者，将会知道他们的选择是否正确。而那些今天还在观望的人，则会想起2026年上半年的这474亿美元，然后问自己：我本可以更早做这个决定。