當地時間1月5日，在CES 2026開展前夕，麥肯錫舉辦了一場聚焦物理AI如何重塑產業的高端對話。來自高通、Google DeepMind、波士頓動力和通用汽車的多位產業領袖參與其中，圍繞機器人與物理AI的演進路徑展開交流。

在這場討論中，高通技術公司執行副總裁兼汽車、工業及嵌入式物聯網與機器人事業群總經理Nakul Duggal，結合自身長期觀察，分享了他對物理AI所處發展階段、技術邊界以及產業落地方向的判斷。

左一為高通技術公司執行副總裁兼汽車、工業及嵌入式物聯網與機器人事業群總經理Nakul Duggal

機器人，把物理AI推向“下一個拐點”

CES開展前夕，高通宣布推出完整的機器人技術組合，并發布面向機器人的處理器高通躍龍IQ10系列。為何選擇在這一時間點發布機器人平臺？在Nakul看來：規模化的條件已經具備。

他回顧指出，過去十年，行業在物理AI相關領域——包括智能駕駛和各類自動化系統——持續投入，核心目標始終是解決能夠在真實世界中產生實際影響的問題。在這一過程中，產業逐漸形成共識：需要將硬件、傳感器以及環境感知等能力整合進同一個可規模化的體系中。

在他看來，機器人正在將物理AI推向“下一個拐點”，在自動化發展的“坐標軸”上，人們正在不斷突破原有的想象邊界。這源于過去二十年行業在機器人領域持續積累的結果。在基礎能力層面，無論是運動控制，還是環境感知，已有成熟的方案。

與自動駕駛不同，機器人面對更開放的自動化空間

在對比機器人與自動駕駛的發展路徑時，Nakul給出了清晰區分。他指出，自動駕駛本質上是一個定義清晰的問題，其核心目標是將人從A點安全地運送到B點，行為邊界、應用場景和用戶預期相對集中。相比之下，機器人所面對的是一個更加開放、更加多樣化的自動化空間。

圍繞機器人應用場景，Nakul將其概括為兩類。一類是“綠地應用”，即此前因技術條件尚不成熟而未被自動化的場景；另一類是“棕地應用”，例如倉儲和制造等已經具備自動化基礎的行業，這些領域將沿著相對清晰的技術采納路徑持續演進。

他強調，不同場景下，機器人技術的成熟節奏并不相同，不能簡單套用自動駕駛的發展模式進行類比。基于當前的技術演進趨勢，他預計，在未來五年內，機器人技術的發展速度將呈現指數級提升。

邊緣側推理與安全內生，物理AI討論中的重要話題

在技術實現層面，Nakul多次強調，物理AI面臨的一個前提條件是：問題必須在邊緣側被解決，不能僅依賴于云端。無論是車輛還是機器人，都運行在真實的物理環境中，無法依賴云端完成實時推理與響應。感知、決策與執行，必須在本地形成閉環。

隨著機器人逐步進入與人類共存的環境，安全問題也被反復提及。Nakul指出，如果機器人模型的目標是與人類協同工作或共同存在，那么安全就不能作為后期補充，而必須成為模型設計階段的內生要素。

在對話的最后，他還提出一個重要觀察：物理AI的發展速度，目前可能被低估了。在他看來，物理AI具備高度“民主化”（普及化）的潛力——過去十多年在多個產業中積累的技術創新，正在加速不同領域之間的融合，為物理AI在更多場景中的應用創造條件。