為什麼 Physical AI 是下一個獲利前沿

創投數據揭示物理 AI 的爆發前夜

Genesis AI 近期發表 Eno 機器人，目標是把物理 AI 技術帶進商業環境。結合機器人與先進人工智慧的物理 AI，是高速成長市場類別中最新的例子。根據 PitchBook 的數據，2025 年機器人與物理 AI 新創在 1,009 筆交易中募得創紀錄的 276 億美元，金額是前一年的兩倍以上。Genesis AI 本身也結束靜默期，完成 1.05 億美元種子輪融資，並展示一款輪式機器人，不需要複製人類身體，就能在商業相關環境中運行物理 AI。

哪些領域出現創辦活動的突然湧現，是未來三到五年企業顛覆走向的領先指標。目前媒體關注與創投資金大多集中在人工智慧代理（AI agents），但交易數據顯示，下一個爆發性成長的市場帶有「金屬」色彩，也就是包含自主機器和智慧製造在內的物理 AI 領域。這個模式過去也出現過：在雲端運算成為董事會要務之前，創辦人就已一個機架、一個叢集地建構它；金融科技重塑零售銀行之前，也先以交易數據中的資金湧入形式出現，而多數銀行並未留意。

技術成熟與成本下降雙輪驅動

物理 AI 系統能感知環境、理解空間語境、做出營運決策，並在工業及其他場景中即時自主行動。這類系統不只是靜態自動化，而是轉向透過與現實世界互動持續改進的適應性營運。推動這個趨勢的，是多模態感測、邊緣運算、模擬環境、機器人基礎模型以及世界建模系統等多項技術同時成熟。這些技術讓機器能從物理環境蒐集資訊，在行動前模擬結果，並透過營運回饋迴圈持續優化效能。

此外，構成物理 AI 的關鍵組件成本明顯下降，雷射雷達、致動器、深度相機和感測器都變得更容易負擔。以 Waymo 為例，其第六代駕駛系統在大幅降低成本的同時，提升了解析度、偵測範圍和運算能力。這套自動駕駛系統配備 13 個相機、四個雷射雷達和六個雷達。技術成熟加上成本降低，造就物理 AI 蓬勃發展的條件，製造、汽車、物流和醫療保健等領域也成為資本集中的主要區域。

企業面臨的採用壁壘與工業化階段

Janis Skriveris 指出，技術顛覆通常會經歷三個階段。第一階段是創辦人湧現期，新能力吸引大量高水準的創業團隊，資本集中，失敗率高，物理 AI 目前正處於這個階段的初期。例如，Dyna Robotics 成立約一年就獲得 1.2 億美元的 A 輪融資。第二階段是企業採用壁壘，企業開始試點，卻難以從實驗走向量產，要面對採購週期、整合複雜性和組織阻力。Intercom 取消非 AI 專案，並投入 1 億美元重構業務，成功跨過這道壁壘。

第三階段是工業化，技術成為營運基礎設施，早期採用者的結構性優勢就此固定下來。Kiva Systems 的倉庫機器人被亞馬遜收購後，成長為超過 100 萬台的機隊，成為新進者難以匹敵的複雜基礎設施。Figure AI 的人形機器人在寶馬工廠組裝汽車零件，三年內估值達到 390 億美元，是機器人史上最快成為獨角獸的案例。投資人看好通用機器人模型能像大型語言模型改變軟體一樣改變硬體。

策略意義：從創投動態解讀競爭訊號

物理 AI 的核心競爭優勢，在於建立持續的營運學習迴圈：物理互動產生數據，數據改進模擬和模型，改進後的模型再提升現實世界中的表現。隨著這些智慧系統的部署規模擴大，它們會透過基礎設施整合、營運回饋和現實世界學習累積優勢。大多數企業領導者把創投交易數據當成雜訊，認為太早期或太投機。

不過，創投數據其實顯示了下一代競爭環境的建設方向。企業不該只把創投動態當成尋找供應商的手段，而應拿來理解競爭格局的變化，並據此調整自身的開發與策略路線圖。訊號已經存在，關鍵在於知道如何解讀這些數據。