下一個兆美元級的範式：超越運算晶片，邁向實體AI（Physical AI）
人工智慧領域正經歷一場劇烈的變革。過去幾年以生成式AI（Generative AI）的爆發性成長與對運算晶片的龐大需求為主導，但一個新的前沿正在浮現。Google DeepMind 執行長、近期諾貝爾獎得主 Demis Hassabis 預測，下一個兆美元的機會不在於文字與影像生成的數位領域，而在於「實體AI（Physical AI）」。這場範式轉移有望彌合數位智慧與物理世界之間的鴻溝，打造能感知、理解並主動改變物理現實的系統。
這項預測出現在產業的關鍵時刻。當資本市場開始審視現有 AI 模型的長期可行性時，Hassabis 的見解指出，AI 的真正價值將在能夠在物理法則的制約下運作時被解鎖。像 51WORLD（6651.HK）這類已默默構建轉型基礎設施的公司，如今逐漸成為這個新時代的關鍵推手。
定義實體AI（Physical AI）：缺失的「世界模型（world model）」
Hassabis 的論點核心在於當前人工智慧的基本限制──「智慧碎片化（intelligence fragmentation）」。雖然大型語言模型（Large Language Models, LLMs）在處理龐大數位資訊方面表現出色，但它們常缺乏對物理世界的基本理解。對於人類直覺上容易掌握的概念，例如重力、物體恆存性與空間連續性，這些模型通常感到吃力。
實體AI代表了解決這種碎片化的方案。與先前的系統不同，實體AI 被設計為構建「世界模型（world model）」──一個嚴謹反映物理法則的數位環境。這使得 AI 代理可以模擬互動、預測物理結果，並以高精度在真實世界中執行任務。
這種轉變的影響深遠。現行為數位消費優化的資料格式，在應用到物理任務時常導致巨大的低效率。透過將 AI 紮根於物理現實，產業可以解決關鍵的運算浪費與能源效率問題，並使能源供應成為可管理的變數，而非未來 AI 競賽中的瓶頸。
技術三位一體：合成資料、空間智慧與模擬
從數位認知轉向實體執行，需倚賴強健的基礎設施。實體AI 的實現依賴於突破三個特定的技術障礙：高保真合成資料（synthetic data）、先進的空間智慧模型（spatial intelligence）與完整的模擬訓練平台（simulation training platforms）。
在這個領域領先的是 51WORLD，中國首家專注於實體AI 的上市公司。其做法展示了實現 Hassabis 願景所需的技術堆疊。透過其 AES Digital Twin Base 與 51Sim Simulation Platform，他們建立了讓數位實體能在接觸真實世界前「學習」物理法則的基礎。
合成資料與真實性
實體AI 面臨的主要障礙之一是高品質訓練資料的匱乏。真實世界的物理資料昂貴且收集緩慢。51WORLD 透過龐大的 3D 素材庫，結合 3DGS/4DGS 重建技術來解決這個問題。這一方法能產出達到 90％真實度、並具 100％場景可控性的合成資料。對 AI 代理而言，這意味著可以在統計上難以區分於現實的虛擬環境中訓練，同時保持完全的安全性與可控性。
空間智慧與「物理直覺（Physical Intuition）」
要有效運作，AI 必須具備「物理直覺」。這不僅是簡單的物體識別；還需要了解物體的尺度與關係──從微小零件到宏觀城市。AES Base 能實現這種全尺度的複製，提供 AI 在複雜環境中導航所需的空間智慧。當這套能力與互動平台結合時，就形成一個閉環：AI 感知數位孿生、做出決策，並執行能轉換為物理世界行動的動作。
比較分析：生成式AI（Generative AI） vs. 實體AI（Physical AI）
| Feature | Generative AI (Current Wave) | Physical AI (Next Wave) |
|---|---|---|
| Primary Domain | 數位資訊（文字、程式碼、影像） | 物理現實（機器人、自主系統） |
| Core Capability | 模式匹配與內容生成 | 空間感知與物理互動 |
| Key Limitation | 幻覺現象與缺乏紮根 | 物理法則的複雜性（重力、摩擦） |
| Data Source | 網路抓取的文字與媒體 | 合成資料與感測器輸入 |
| Energy Efficiency | 每個 token 的高能耗 | 透過模擬與世界模型優化 |
| End Goal | 人工通用智慧（數位） | 具身智慧（Embodied Intelligence） |
產業應用：具身智慧（Embodied Intelligence）的突破
實體AI 的抽象概念在具身智慧領域找到了最直接且最有利可圖的應用，尤其是在汽車產業。能在不讓任何車輛上路的情況下，模擬數百萬英哩的駕駛場景，對整個產業而言是一項改變遊戲規則的技術。
51WORLD 的發展路徑提供了這一應用的案例。透過為超過 100 家全球智能駕駛原廠（OEM）、Tier 1 供應商與研究機構提供支援，他們展示了實體AI 的商業可行性。他們的閉環模擬訓練解決方案讓製造商能建立既安全、又高效且可大規模生產的驗證系統。
這項產業應用也符合「自動化實驗（automated experimentation）」的更大趨勢。正如 Hassabis 預測，未來五年 AI 將進入一個能自行進行實驗以學習與適應的階段。對於自駕車與機器人來說，這些實驗必須在高保真的數位孿生中進行，以避免災難性的真實世界失敗。
投資展望與未來路線圖
向實體AI 的轉向為投資者與技術開發者開啟了一條新的兆美元賽道。焦點正從單純打造更快晶片的公司，轉向能為 AI 構建更佳「世界」的公司。
「通用世界模型（Universal World Model）」是這個新時代的聖杯。它代表一個統一的數位框架，在此生成式 AI 必須面對物理約束──在這個空間中，AI 可以設計機械零件、在模擬重力下測試其結構完整性，並在數秒內精進設計。
在數位孿生、模擬引擎與空間運算方面具有深厚技術積累的公司，將有機會成為未來的核心基礎設施供應商。隨著對高可靠度實體AI 模擬的需求爆發，市場很可能會圍繞能提供最高保真度與最強健物理引擎的平台出現集中化。
總之，雖然生成式AI 的熱潮已重塑軟體領域，實體AI 則準備重塑物理世界。有諾貝爾獎得主的背書與已見端倪的產業突破，「世界模型」的爭奪戰已實質展開。
