物理 AI 是否已进入爆发前夜？英伟达与亚马逊 14 亿美元联投揭示产业资本新周期

2026年6月，德国人形机器人公司Neura Robotics宣布完成C轮融资，融资总额最高可达14亿美元，估值约为70亿美元。本轮融资汇聚了英伟达、亚马逊、高通、博世、欧洲投资银行及稳定币发行商Tether等多家重量级机构。这不是一起孤立的融资事件。据Dealroom数据，2026年至今，机器人公司已累计融资558亿美元，创下历史新高，几乎是去年前纪录的近两倍。资本正以前所未有的速度和密度涌入机器人+AI融合赛道。

产业界对这一赛道的战略定位日趋清晰。英伟达CEO黄仁勳将AI技术的演进总结为三代范式——从感知AI到生成式AI，再到Agentic AI，而下一站将是物理AI——“能够运行、推理、计划和行动的AI”。亚马逊云科技与MassRobotics联合英伟达共同推出Physical AI Fellowship加速计划，2026年二期计划已面向全球机器人初创企业开放申请。无论是从资本流入的体量，还是从头部科技企业的战略布局来看，物理AI均已从概念验证阶段步入规模化部署的前夜。

物理AI的范畴、量级与市场结构

物理AI的核心指向是让AI脱离数字世界，进入真实的物理环境运行。根据MarketsandMarkets的定义，物理AI是指将人工智能集成到机器人、自动驾驶车辆、无人机、工业设备等物理系统中，使这些系统能够感知、分析并与真实世界互动的技术总称。与传统AI生成文本或图像不同，物理AI输出的结果是物体被移动、被组装、被运输——即真实世界中的物理动作。浙商证券的行业深度报告指出，物理AI需要回答两个核心问题：世界接下来如何变化，以及实体发生动作之后世界会如何反应。这种技术能力构成了自动驾驶、具身智能和工业软件三大核心场景的共同底座。

从市场规模看，不同口径的估测差异较大，但增长方向的共识高度一致。MarketsandMarkets采用相对聚焦的统计口径，预测全球物理AI市场规模将从2026年的15亿美元增长至2032年的152.4亿美元，年复合增长率47.2%。若采用最广义的统计口径——涵盖所有AI赋能的物理系统，包括工业机器人、自动驾驶车辆、手术机器人、军用自动化系统及智能基础设施——则2026年全球市场规模约为3830亿美元，预计到2040年可达3.26万亿美元。更宏观的视角来自对冲基金Coatue Management的测算，认为物理AI市场总规模至少可达6万亿美元，较纯粹数字AI市场高出约50%。黄仁勳在2026年CES上则进一步表示，物理AI有能力重塑价值约50万亿美元的制造和物流产业。不同口径的估测存在显著差异，但共同指向同一个判断：物理AI的市场量级正在从百亿级向万亿级迈进。

市场的需求侧压力同样不可忽视。全球约有25亿人从事各类体力劳动，每年产出约50万亿美元的GDP。在老龄化趋势加速的背景下，制造业、物流和医疗等行业的劳动力缺口持续扩大。与此同时，传感器、摄像头和机器人级处理器的成本快速下降，生成式AI与Agentic AI的技术成熟度不断攀升，三者共同形成了推动物理AI落地的结构性动能。在需求与供给两端条件同时成熟的窗口期，资本的大规模涌入是顺理成章的产业结果。

全球物理AI企业的竞争格局与产品差异

Neura Robotics的14亿美元融资之所以值得关注，不仅在于金额本身，更在于它揭示了物理AI赛道已经形成一种多梯队、多技术路径并行的竞争格局。据公开资料，全球融资规模排名前列的人形机器人公司包括：Figure AI累计融资约17.5亿美元，最新估值390亿美元；优必选累计融资约9.4亿美元；Apptronik累计融资约10亿美元，估值约50亿美元；Agility Robotics累计融资约3.3亿美元，估值约10亿至17.5亿美元；Neura Robotics本轮融资后估值约70亿美元。此外，波士顿动力在现代汽车体系内持续推进Atlas电驱人形的商业化。

这些公司在技术路径和商业模式上存在显著差异。Figure AI由连续创业者Brett Adcock于2022年创立，以VC重仓模式快速扩张，在B轮便获得英伟达、微软、OpenAI创业基金及亚马逊创始人贝索斯的投资。其Figure 03家庭机器人定价约2万美元，定位于消费级市场。Apptronik采用产业联盟模式，累计融资约10亿美元，拥有与Google DeepMind、GXO Logistics及Mercedes-Benz的战略合作，其Apollo机器人被设计为通用平台，同时具备双足和轮式两种移动配置，正在德州和加州推进量产准备。Agility Robotics深耕物流场景，其Digit人形机器人已在亚马逊的仓储体系中开展试点部署，亚马逊、英伟达、软银均参与投资。而波士顿动力则代表了另一种路径——以8.8亿美元被现代汽车收购80%股权后，利用汽车制造巨头的资源推动商业化转型。

中国市场同样形成了清晰的多层次竞争结构。A股市场目前有200余只人形机器人概念股，合计总市值超6.1万亿元。宇树科技科创板IPO已顺利过会并启动注册程序，预计在三季度成为A股人形机器人第一股。特斯拉链方面，Optimus V3预计于2026年夏季启动大规模量产，比亚迪也已官宣入局人形机器人赛道，项目代号“尧舜禹”，计划2026年在自有工厂内部部署2万台，西安机器人产业园一期已投产，年产能5万台，单价目标20万元以下。从产业链角度看，美的集团、胜宏科技、蓝思科技、汇川技术、赣锋锂业等多家上下游企业均已深度参与人形机器人赛道。

尤其值得关注的是英伟达在整个物理AI生态中的关键角色。作为全球GPU和边缘计算芯片的龙头供应商，英伟达的Isaac GR00T开发平台已经成为行业通用底座。英伟达与宇树科技合作推出了首款基于Isaac GR00T开源平台打造的人形机器人参考设计H2 Plus，同时宣布下一代芯片Feynman专为物理AI设计，预计2028年发布。这种芯片+算法+平台的三层结构，使英伟达在物理AI生态中扮演了基础设施提供商的角色——这与亚马逊云科技通过AWS计算资源介入物理AI创业生态的策略相互呼应。2026年3月，Neura Robotics已与AWS宣布战略合作，将Neuraverse平台通过AWS进行全球扩展。

Neura Robotics案例：一个物理AI投资逻辑的样本分析

14亿美元的融资金额，70亿美元的估值，以及超过10家顶级机构的跟投——Neura Robotics的C轮融资是2026年物理AI领域最具标志性的单笔交易之一。深入分析这一案例，有助于理解当前产业资本在选择物理AI投资标的时的核心逻辑。

从技术布局看，Neura Robotics采取多形态产品战略，旗下产品线涵盖人形机器人4NE1、消费级轮式机器人MiPA以及仓储运输系列MAV，均由AURA AI导航系统驱动。这种多产品线布局的优势在于，通过在同一AI平台底座上调度不同形态的物理系统，可以同时在工业、物流和消费市场积累真实场景运行数据，从而形成数据闭环反哺算法迭代。公司在官网说明中明确将本轮融资用于三方面：人形机器人的全球部署、生产与交付能力扩张，以及下一代物理AI系统的研发。这三个方向恰好对应于物理AI企业从“技术验证”到“规模化”再到的“范式升级”所必须依次跨越的三道门槛。

从资本构成看，Neura Robotics的本轮投资方高度多元化，既包含芯片层的高通、科技层的亚马逊与英伟达，也包含工业基础设施端的博世与舍弗勒，甚至包含监管体系相对特殊的Tether。值得注意的是，Tether的投资纯属股权出资，并未附带任何区块链协议或代币发行安排，这表明机构投资者对物理AI赛道的兴趣已超越概念炒作，进入实质性产业资本配置阶段。这种跨领域资本协同的密集程度，在一定程度上印证了物理AI正在从单一硬科技赛道演变为多产业融合平台。

不过，该轮融资中也存在需要明确识别的重要风险。第一，14亿美元融资能否全部到账，取决于公司未来能否实现若干既定发展目标。这意味着Neura Robotics仍需在量产能力、订单交付和商业化进度等硬指标上完成对投资方的承诺，方可全额获得承诺资金。第二，Neura曾在2023年筹集约5500万美元，三年内融资规模从5500万美元增长至超过10亿美元，这种融资金额的急剧攀升，既反映了赛道景气度的快速提升，也意味着公司在估值和产品交付进度上面临更大的市场预期压力。第三，人形机器人领域整体仍面临高度同质化的竞争风险——多家头部公司的技术路线、应用场景和目标客户均存在较大重叠，差异化能力的建立和验证仍需要更多实际运营数据来支撑。

物理AI赛道的投资与风险识别框架

基于上述分析，物理AI作为投资赛道大致可归纳为三个相互关联的投资逻辑层次。

第一层是基础设施层。芯片与算力是物理AI运行的核心底层支撑。英伟达凭借GPU产品的先发优势和机器人软件平台的生态壁垒，在这一层占据主导位置。高通等芯片厂商通过边缘计算SoC切入。物理AI市场硬件板块在2025-2026年占据了最大份额。这一层的投资逻辑相对成熟，但竞争格局已趋于稳定，增量空间主要来自下游应用场景扩展带来的算力需求溢出。

第二层是机器人本体与平台层。这也是目前全球融资最为密集的领域，包括前述的Figure AI、Apptronik、Agility Robotics、波士顿动力、优必选和宇树科技等。这一层兼具硬件制造与软件算法的双重属性，投资门槛最高，技术路线分歧也最大。其差异化体现在三个方面：机械结构设计（双足 vs. 轮式 vs. 混合）、AI决策系统架构（集中式 vs. 分布式）、以及场景切入点（工业物流 vs. 家庭服务 vs. 公共安全）。当前尚无明显证据表明某一种技术路线具有决定性的领先优势，这意味着投资这一层需要同时评估工程化能力和算法水平，单一维度的技术领先不足以构成长期壁垒。

第三层是行业解决方案与数据服务层。即基于底层芯片和本体平台，面向具体场景提供端到端的自动化解决方案，以及在机器人运行过程中积累的真实物理世界数据。亚马逊AWS与英伟达共同推出的Physical AI Fellowship加速计划就属于这一层的早期布局——通过输出技术资源和计算资源，帮助全球物理AI初创企业跨越早期研发门槛。这一层的投资逻辑更接近SaaS模式，但商业模型的成熟度还需更长时间来检验。

与投资机会相对应，物理AI领域同样存在需要认真评估的风险维度。首先是人形机器人量产进度的高度不确定性。国金证券指出2026年是人形机器人0-1兑现的关键节点，但量产从“数千台”跨越到“数万台”的过程中，供应链的稳定性、品控能力和成本曲线都尚未得到大规模验证。其次是技术路线的收敛风险，当前世界模型与视觉-语言-动作模型两大技术路线均处于尚未收敛的早期阶段，任何一方的突破性进展都可能导致大量前期投入的沉没。再者，物理AI系统的安全边界问题——英伟达机器人团队副总裁Deepu Talla强调，物理AI的开发和部署涵盖从数据生成、训练、仿真到安全部署的全生命周期，任何一个环节的失误都可能导致不可逆的物理后果——这决定了物理AI的落地节奏在客观上比纯数字AI更慢。此外，全球宏观经济的波动、地缘政治对供应链的影响、以及各主要经济体对机器人技术的监管政策变化，都是影响物理AI赛道估值体系的重要变量。

结语

从英伟达与亚马逊的14亿美元联投，到全球558亿美元的年度机器人融资总额，物理AI赛道已然站在资本与产业双重驱动的爆发节点之上。这一赛道的特殊性在于，它不仅承载了AI技术从数字世界走向物理世界的范式跃迁，同时也涉及半导体芯片、传感器制造、运动控制系统、工业自动化等多个成熟产业的深度融合。

对于投资者和研究者而言，理解物理AI的本质——即让AI同时具备感知世界、推理因果、并执行物理动作的完整闭环——是建立有效分析框架的起点。在此基础上，跟踪头部公司的技术路线差异、商业化进度和资本结构变化，是识别投资时点和分辨产业拐点的核心工作。物理AI的最终商业规模能否达到Coatue和黄仁勳所预期的数万亿美元量级，取决于其技术成熟度、量产可行性和安全可控性的突破节奏。但在当前这个时间节点上，可以相对明确地判断的是：物理AI已不再是科幻叙事中的遥远想象，而是正在进入规模化部署前夜的产业现实。