现在的AI大多局限于屏幕内，处理文字、图像和代码。而“物理智能”旨在让AI走出屏幕，进入真实的物理世界，去感知空间、受力并执行实际操作。

与数字世界“出错可一键刷新”不同，物理世界的行动往往不可撤销（如机器人撞坏物品）。因此，物理智能面临三大核心挑战：试错代价高昂、环境感知局部受限，以及必须严格遵循物理规律。

为攻克这些难题，专家构建了涵盖硬件、数据仿真、感知、世界模型、基础模型、智能体及应用的“七层技术栈”。其核心不仅是制造聪明的机器人，而是打造“感知-预测-行动-反馈”的完整闭环。例如，利用“世界模型”让AI在行动前预演后果以减少盲目试错，通过多模态传感器精准理解复杂环境。

得益于大模型和硬件成本的下降，物理智能正加速落地。未来，AI不仅要在机房训练，更要在真实交互中“持续学习”。它不仅能操控机械臂完成精细的化学实验，还将广泛赋能智能制造、科学探索甚至太空建设，真正成为改变物理世界的核心力量。