本节视频
配音由 AI 合成。 视频章节、文字稿与出处
文字稿
文字稿
知行问
AI能写文章，为什么不会收拾桌子？这一集，我们讲清楚：什么是物理AI？它和会聊天的AI，到底差在哪儿。
从会聊天到会动手
先说会聊天的AI。它住在屏幕里：文字进去，文字出来。答错了，重新生成一次就好。物理AI要走出屏幕。它的输入，是摄像头和传感器看到的世界。它的输出，是电机实实在在的力气。在真实世界里，积木倒了，就是倒了。没法撤销，也不能重来。所以，物理AI要在真实世界里，一遍又一遍转这个圈：看，想，动。更难的是，做到一半出了岔子，还得接着做完。二零二六年的一篇论文，搭了两千个这样的恢复场景，用来训练和测试机器人。原来会聊天不算难，会动手才难！
为什么动手这么难
想象桌上有杯子和水瓶。机器人得先分清它们，再规划伸手路线。手伸过去，还得拿稳杯子，避开水瓶。每一步都要根据眼前的情况调整。这就是动手的难点。看见变化，想好下一步，再让电机执行，还要不断重复。难怪！收拾桌子看着简单，做起来却有好几步。如今的机器，能做到哪一步？
物理 AI 长什么样
物理AI不一定长得像人：工厂里的机械臂、仓库里的搬运车。路上的自动驾驶汽车，还有备受关注的人形机器人。都可以是它的身体。说到规模，看国际机器人联合会的数据。二零二五年，全球工厂在用的工业机器人，达到约五百万台。比七年前，翻了一倍还多。而且，二零二五年全球新装的工业机器人，将近六成装在中国。不过，固定路线遇到零件位置变化，机械臂可能就够不到。物理AI希望机器能看、能想，还能应对变化。回顾一下，三个要点。一，物理AI走出屏幕，在真实世界行动。二，动手要看环境、计划动作、控制电机。三，机器人形态很多，也正尝试应对变化。所以，会写文章的AI收拾不好桌子，不是聪明不够。是收拾桌子，真的更难！那为什么偏偏是现在，机器人突然都会动手了？下一集见！
证据与出处
2,000 · 个“做到一半出岔子”的恢复场景，分为训练集与测试集 [R] · arXiv 2609.28952 · RoboRecover
约 500 万 · 台工业机器人在全球工厂里运行（2025 年存量，同比 +9%） [O] · 国际机器人联合会 IFR · World Robotics 2026 新闻稿
59% · 2025 年全球新装工业机器人中，装在中国的份额 [O] · 国际机器人联合会 IFR · World Robotics 2026 新闻稿
动手与自测
小测公开，答案与解析在作答后显示；图文课里的练习答案需登录查看。
会写诗的 AI，为什么收拾不好一张桌子？这是“物理AI实验室”第 0.1 集开头的问题。本文是这一集的文字版：讲清物理 AI 和聊天 AI 差在哪、为什么动手比聊天难、今天的机器人规模有多大，并给出片中每个数字的出处和核对方法。
说明：本集现已提供中文、英文、日文视频，各语言均附文字稿和出处。本文可独立阅读，末尾附自测题。
一、从会聊天到会动手
聊天 AI 住在屏幕里：文字进去，文字出来。答错了，重新生成一次就好，代价只是几秒钟。
物理 AI（Physical AI）要走出屏幕。它的输入是摄像头和各类传感器看到的真实世界，输出是电机实实在在的力气。本集给它的定义是：能感知真实世界、做出决策并动手执行的 AI。
| 会聊天的 AI | 物理 AI | |
|---|---|---|
| 输入 | 文字 | 看到的世界（相机、深度、力等传感器） |
| 输出 | 文字 | 电机的力气（关节力矩、速度） |
| 出错了 | 重新生成 | 东西已经倒了 |
最后一行是关键。真实世界没有撤销键：积木倒了就是倒了，杯子碰翻了水就洒了。所以物理 AI 必须在真实世界里一遍又一遍地转同一个圈：看、想、动。看到当前的状态，想好下一步，动一下，再看结果，这就是闭环。
登录后继续阅读本课其余各节、自测题与答案。
局限 / 注意
- 本集是 L0 入门，刻意不讲技术细节。“看-想-动”是一个简化的描述，真实系统中的感知、规划、控制往往交织在一起，运行频率也各不相同，规划中的 0.3（看-想-动）和 1.2（控制与控制频率）会细讲。
- 莫拉维克悖论是一个经验性的观察，不是定理。“十亿年”是 Moravec 本人的估计，本文将这一延伸阅读内容按 R 级引用。
- IFR 的统计口径是工业机器人，不包括服务机器人、自动驾驶汽车或人形机器人。
