物理 AI 是否已进入爆发前夜？英伟达与亚马逊 14 亿美元聯投揭示產業資本新周期

2026年6月，德國人形機器人公司Neura Robotics宣布完成C輪融資，融資總額最高可達14億美元，估值約為70億美元。本輪融資匯聚了英偉達、亞馬遜、高通、博世、歐洲投資銀行及穩定幣發行商Tether等多家重量級機構。這不是一起孤立的融資事件。據Dealroom數據，2026年至今，機器人公司已累計融資558億美元，創下歷史新高，幾乎是去年前紀錄的近兩倍。資本正以前所未有的速度和密度湧入機器人+AI融合賽道。

產業界對這一賽道的戰略定位日趨清晰。英偉達CEO黃仁勳將AI技術的演進總結為三代範式——從感知AI到生成式AI，再到Agentic AI，而下一站將是物理AI——“能夠運行、推理、計劃和行動的AI”。亞馬遜雲科技與MassRobotics聯合英偉達共同推出Physical AI Fellowship加速計劃，2026年二期計劃已面向全球機器人初創企業開放申請。無論是從資本流入的體量，還是從頭部科技企業的戰略布局來看，物理AI均已從概念驗證階段步入規模化部署的前夜。

物理AI的範疇、量級與市場結構

物理AI的核心指向是讓AI脫離數字世界，進入真實的物理環境運行。根據MarketsandMarkets的定義，物理AI是指將人工智能集成到機器人、自動駕駛車輛、無人機、工業設備等物理系統中，使這些系統能夠感知、分析並與真實世界互動的技術總稱。與傳統AI生成文本或圖像不同，物理AI輸出的結果是物體被移動、被組裝、被運輸——即真實世界中的物理動作。浙商證券的行業深度報告指出，物理AI需要回答兩個核心問題：世界接下來如何變化，以及實體發生動作之後世界會如何反應。這種技術能力構成了自動駕駛、具身智能和工業軟體三大核心場景的共同底座。

從市場規模看，不同口徑的估測差異較大，但增長方向的共識高度一致。MarketsandMarkets採用相對聚焦的統計口徑，預測全球物理AI市場規模將從2026年的15億美元增長至2032年的152.4億美元，年複合增長率47.2%。若採用最廣義的統計口徑——涵蓋所有AI賦能的物理系統，包括工業機器人、自動駕駛車輛、手術機器人、軍用自動化系統及智能基礎設施——則2026年全球市場規模約為3830億美元，預計到2040年可達3.26萬億美元。更宏觀的視角來自對沖基金Coatue Management的測算，認為物理AI市場總規模至少可達6萬億美元，較純粹數字AI市場高出約50%。黃仁勳在2026年CES上則進一步表示，物理AI有能力重塑價值約50萬億美元的製造和物流產業。不同口徑的估測存在顯著差異，但共同指向同一個判斷：物理AI的市場量級正在從百億級向萬億級邁進。

市場的需求側壓力同樣不可忽視。全球約有25億人從事各類體力勞動，每年產出約50萬億美元的GDP。在老齡化趨勢加速的背景下，製造業、物流和醫療等行業的勞動力缺口持續擴大。與此同時，傳感器、攝像頭和機器人級處理器的成本快速下降，生成式AI與Agentic AI的技術成熟度不斷攀升，三者共同形成了推動物理AI落地的結構性動能。在需求與供給兩端條件同時成熟的窗口期，資本的大規模湧入是順理成章的產業結果。

全球物理AI企業的競爭格局與產品差異

Neura Robotics的14億美元融資之所以值得關注，不僅在於金額本身，更在於它揭示了物理AI賽道已經形成一種多梯隊、多技術路徑並行的競爭格局。據公開資料，全球融資規模排名前列的人形機器人公司包括：Figure AI累計融資約17.5億美元，最新估值390億美元；優必選累計融資約9.4億美元；Apptronik累計融資約10億美元，估值約50億美元；Agility Robotics累計融資約3.3億美元，估值約10億至17.5億美元；Neura Robotics本輪融資後估值約70億美元。此外，波士頓動力在現代汽車體系內持續推進Atlas電驅人形的商業化。

這些公司在技術路徑和商業模式上存在顯著差異。Figure AI由連續創業者Brett Adcock於2022年創立，以VC重倉模式快速擴張，在B輪便獲得英偉達、微軟、OpenAI創業基金及亞馬遜創始人貝索斯的投資。其Figure 03家庭機器人定價約2萬美元，定位於消費級市場。Apptronik採用產業聯盟模式，累計融資約10億美元，擁有與Google DeepMind、GXO Logistics及Mercedes-Benz的戰略合作，其Apollo機器人被設計為通用平台，同時具備雙足和輪式兩種移動配置，正在德州和加州推進量產準備。Agility Robotics深耕物流場景，其Digit人形機器人已在亞馬遜的倉儲體系中開展試點部署，亞馬遜、英偉達、軟銀均參與投資。而波士頓動力則代表了另一種路徑——以8.8億美元被現代汽車收購80%股權後，利用汽車製造巨頭的資源推動商業化轉型。

中國市場同樣形成了清晰的多層次競爭結構。A股市場目前有200餘只人形機器人概念股，合計總市值超過6.1萬億元。宇樹科技科創板IPO已順利過會並啟動註冊程序，預計在三季度成為A股人形機器人第一股。特斯拉方面，Optimus V3預計於2026年夏季啟動大規模量產，比亞迪也已官宣入局人形機器人賽道，項目代號“尧舜禹”，計劃2026年在自有工廠內部部署2萬台，西安機器人產業園一期已投產，年產能5萬台，單價目標20萬元以下。从產業鏈角度看，美的集團、勝宏科技、藍思科技、匯川技術、赣鋒鋰業等多家上下游企業均已深度參與人形機器人賽道。

尤其值得關注的是英偉達在整個物理AI生態中的關鍵角色。作為全球GPU和邊緣計算芯片的龍頭供應商，英偉達的Isaac GR00T開發平台已經成為行業通用底座。英偉達與宇樹科技合作推出了首款基於Isaac GR00T開源平台打造的人形機器人參考設計H2 Plus，同時宣布下一代芯片Feynman專為物理AI設計，預計2028年發布。這種芯片+算法+平台的三層結構，使英偉達在物理AI生態中扮演了基礎設施提供商的角色——這與亞馬遜雲科技通過AWS計算資源介入物理AI創業生態的策略相互呼應。2026年3月，Neura Robotics已與AWS宣布戰略合作，將Neuraverse平台通過AWS進行全球擴展。

Neura Robotics案例：一個物理AI投資邏輯的樣本分析

14億美元的融資金額，70億美元的估值，以及超過10家頂級機構的跟投——Neura Robotics的C輪融資是2026年物理AI領域最具標誌性的單筆交易之一。深入分析這一案例，有助於理解當前產業資本在選擇物理AI投資標的時的核心邏輯。

從技術布局看，Neura Robotics採取多形態產品戰略，旗下產品線涵蓋人形機器人4NE1、消費級輪式機器人MiPA以及倉儲運輸系列MAV，均由AURA AI導航系統驅動。這種多產品線布局的優勢在於，通過在同一AI平台底座上調度不同形態的物理系統，可以同時在工業、物流和消費市場積累真實場景運行數據，從而形成數據閉環反哺算法迭代。公司在官網說明中明確將本輪融資用於三方面：人形機器人的全球部署、產能與交付能力擴張，以及下一代物理AI系統的研發。這三個方向恰好對應於物理AI企業從“技術驗證”到“規模化”再到“範式升級”所必須依次跨越的三道門檻。

從資本構成看，Neura Robotics的本輪投資方高度多元化，既包含芯片層的高通、科技層的亞馬遜與英偉達，也包含工業基礎設施端的博世與舍弗勒，甚至包含監管體系相對特殊的Tether。值得注意的是，Tether的投資純屬股權出資，並未附帶任何區塊鏈協議或代幣發行安排，這表明機構投資者對物理AI賽道的興趣已超越概念炒作，進入實質性產業資本配置階段。這種跨領域資本協同的密集程度，在一定程度上印證了物理AI正在從單一硬科技賽道演變為多產業融合平台。

不過，該輪融資中也存在需要明確識別的重要風險。第一，14億美元融資能否全部到賬，取決於公司未來能否實現若干既定發展目標。這意味著Neura Robotics仍需在量產能力、訂單交付和商業化進度等硬指標上完成對投資方的承諾，方可全額獲得承諾資金。第二，Neura曾在2023年籌集約5500萬美元，三年內融資規模從5500萬美元增長至超過10億美元，這種融資金額的急劇攀升，既反映了賽道景氣度的快速提升，也意味著公司在估值和產品交付進度上面臨更大的市場預期壓力。第三，人形機器人領域整體仍面臨高度同質化的競爭風險——多家頭部公司的技術路線、應用場景和目標客戶均存在較大重疊，差異化能力的建立和驗證仍需要更多實際運營數據來支撐。

物理AI賽道的投資與風險識別框架

基於上述分析，物理AI作為投資賽道大致可歸納為三個相互關聯的投資邏輯層次。

第一層是基礎設施層。芯片與算力是物理AI運行的核心底層支撐。英偉達憑藉GPU產品的先發優勢和機器人軟體平台的生態壁壘，在這一層占據主導位置。高通等芯片廠商通過邊緣計算SoC切入。物理AI市場硬體板塊在2025-2026年佔據了最大份額。這一層的投資邏輯相對成熟，但競爭格局已趨於穩定，增量空間主要來自下游應用場景擴展帶來的算力需求溢出。

第二層是機器人本體與平台層。這也是目前全球融資最為密集的領域，包括前述的Figure AI、Apptronik、Agility Robotics、波士頓動力、優必選和宇樹科技等。這一層兼具硬體製造與軟體算法的雙重屬性，投資門檻最高，技術路線分歧也最大。其差異化體現在三個方面：機械結構設計（雙足 vs. 輪式 vs. 混合）、AI決策系統架構（集中式 vs. 分散式）、以及場景切入點（工業物流 vs. 家庭服務 vs. 公共安全）。目前尚無明顯證據表明某一種技術路線具有決定性的領先優勢，這意味著投資這一層需要同時評估工程化能力和算法水平，單一維度的技術領先不足以構成長期壁壘。

第三層是行業解決方案與數據服務層。即基於底層芯片和本體平台，面向具體場景提供端到端的自動化解決方案，以及在機器人運行過程中積累的真實物理世界數據。亞馬遜AWS與英偉達共同推出的Physical AI Fellowship加速計劃就屬於這一層的早期布局——通過輸出技術資源和計算資源，幫助全球物理AI初創企業跨越早期研發門檻。這一層的投資邏輯更接近SaaS模式，但商業模型的成熟度還需更長時間來檢驗。

與投資機會相對應，物理AI領域同樣存在需要認真評估的風險維度。首先是人形機器人量產進度的高度不確定性。國金證券指出2026年是人形機器人0-1兌現的關鍵節點，但量產從“數千台”跨越到“數萬台”的過程中，供應鏈的穩定性、品控能力和成本曲線都尚未得到大規模驗證。其次是技術路線的收斂風險，當前世界模型與視覺-語言-動作模型兩大技術路線均處於尚未收斂的早期階段，任何一方的突破性進展都可能導致大量前期投入的沉沒。再者，物理AI系統的安全邊界問題——英偉達機器人團隊副總裁Deepu Talla強調，物理AI的開發和部署涵蓋從數據生成、訓練、仿真到安全部署的全生命週期，任何一個環節的失誤都可能導致不可逆的物理後果——這決定了物理AI的落地節奏在客觀上比純數字AI更慢。此外，全球宏觀經濟的波動、地緣政治對供應鏈的影響、以及各主要經濟體對機器人技術的監管政策變化，都是影響物理AI賽道估值體系的重要變數。

結語

從英偉達與亞馬遜的14億美元聯投，到全球558億美元的年度機器人融資總額，物理AI賽道已然站在資本與產業雙重驅動的爆發節點之上。這一賽道的特殊性在於，它不僅承載了AI技術從數字世界走向物理世界的範式躍遷，同時也涉及半導體芯片、傳感器製造、運動控制系統、工業自動化等多個成熟產業的深度融合。

對於投資者和研究者而言，理解物理AI的本質——即讓AI同時具備感知世界、推理因果、並執行物理動作的完整閉環——是建立有效分析框架的起點。在此基礎上，跟蹤頭部公司的技術路線差異、商業化進度和資本結構變化，是識別投資時點和辨別產業轉折點的核心工作。物理AI的最終商業規模能否達到Coatue和黃仁勳所預期的數萬億美元量級，取決於其技術成熟度、量產可行性和安全可控性的突破節奏。但在當前這個時間點上，可以相對明確地判斷的是：物理AI已不再是科幻敘事中的遙遠想像，而是正在進入規模化部署前夜的產業現實。