當?shù)貢r間1月5日，高通高管拐點在CES 2026開展前夕，談物推麥肯錫舉辦了一場聚焦物理AI如何重塑產(chǎn)業(yè)的器人高端對話。來自高通、正把Google DeepMind、物理波士頓動力和通用汽車的高通高管拐點多位產(chǎn)業(yè)領袖參與其中，圍繞機器人與物理AI的談物推演進路徑展開交流。

在這場討論中，器人高通技術公司執(zhí)行副總裁兼汽車、正把工業(yè)及嵌入式物聯(lián)網(wǎng)與機器人事業(yè)群總經(jīng)理Nakul Duggal，物理結合自身長期觀察，高通高管拐點分享了他對物理AI所處發(fā)展階段、談物推技術邊界以及產(chǎn)業(yè)落地方向的器人判斷。

左一為高通技術公司執(zhí)行副總裁兼汽車、正把工業(yè)及嵌入式物聯(lián)網(wǎng)與機器人事業(yè)群總經(jīng)理Nakul Duggal

機器人，物理把物理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(fā)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(fā)布機器人平臺？在Nakul看來：規(guī)模化的條件已經(jīng)具備。

他回顧指出，過去十年，行業(yè)在物理AI相關領域——包括智能駕駛和各類自動化系統(tǒng)——持續(xù)投入，核心目標始終是解決能夠在真實世界中產(chǎn)生實際影響的問題。在這一過程中，產(chǎn)業(yè)逐漸形成共識：需要將硬件、傳感器以及環(huán)境感知等能力整合進同一個可規(guī)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(fā)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(yè)在機器人領域持續(xù)積累的結果。在基礎能力層面，無論是運動控制，還是環(huán)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(fā)展路徑時，Nakul給出了清晰區(qū)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(jīng)具備自動化基礎的行業(yè)，這些領域將沿著相對清晰的技術采納路徑持續(xù)演進。

他強調，不同場景下，機器人技術的成熟節(jié)奏并不相同，不能簡單套用自動駕駛的發(fā)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(fā)展速度將呈現(xiàn)指數(shù)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(xiàn)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(huán)境中，無法依賴云端完成實時推理與響應。感知、決策與執(zhí)行，必須在本地形成閉環(huán)。

隨著機器人逐步進入與人類共存的環(huán)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(xié)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(fā)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(chǎn)業(yè)中積累的技術創(chuàng)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(chuàng)造條件。