物理AI趨勢下K型分化的整合和統(tǒng)籌

物理AI趨勢下K型分化的整李萌2026-08-04在當前的經濟和技術發(fā)展形勢分析中，有兩個議題討論比較熱烈：一是經濟形勢的K型分化，即20%的新動能上升難以對沖80%的舊動能下降，盡管這是真實的壓力結構，但該判斷容易被簡化為新老交替、優(yōu)勝劣汰的線性敘事；二是技術發(fā)展向物理AI方向收斂已成為大勢所趨，這一議題也成為2026世界人工智能大會（WAIC）的討論熱點。盡管技術路線呈現(xiàn)多樣性，不同學者對世界模型的理解也各有差異，但這種多元探索正是技術進步的積極表現(xiàn)。作為一個龐大的經濟體，中國經濟在物理AI的趨勢下將展現(xiàn)出獨特韌性。物理AI是人工智能發(fā)展的大勢所趨超級智能體出現(xiàn)以后，各方均在探索更高層次的智能形態(tài)。在Transformer架構下，從“大力出奇跡”、“壓縮即智能”到“協(xié)作群體智能”的智能擴展形式得到了充分演繹。若要向更高層次躍遷，則需要對架構進行顛覆性創(chuàng)新，從而形成新的智能生成機制。所以有一些研究團隊在顛覆Transformer架構的方向上躍躍欲一個越來越清晰的共識是，能理解靜態(tài)問題的，未必是真正完整的智能；能理解動態(tài)變化物理因果的，才是更為完整的智能。物理AI正是在此背景下應運而生，它是指理解物理規(guī)律并與環(huán)境和智能體實時交互的AI系統(tǒng)，將人工智能從數(shù)字世界帶入物理世界，具備現(xiàn)實世界的行動能力，其綜合能力更為全面。物理AI的重點在于發(fā)展出越來越強的自主行動能力，方向收斂而路線多樣化，這是一個良好的發(fā)展狀態(tài)。一條道走到黑是可怕的。物理AI是人工智能下一步需要攻克的高地，也是AI與實體經濟融合的主線，但攻占這一高地仍面臨諸多挑戰(zhàn)。首先，目前物理AI能力尚處于鋸齒智能時期，即所謂莫拉維克悖論——人類所獨有的高階智慧能力只需要非常少的計算能力；但無意識的技能和直覺卻需要極大的運算能力。也就是人類覺得難的，AI很容易完成；人類覺得簡單的，機器實現(xiàn)起來卻異常困難。比如AI的推理、數(shù)學和代碼能力在博士水平之上，而行動能力卻不及孩童。這種認知能力與行動能力之間的不齊整形成了鋸齒現(xiàn)象，齒谷短期內難以填平，長期來看，在自我認知、自主意識的智能層面能否彌合仍存在爭議。比如，李飛飛教授雖然構建了包含渲染器、模擬器、規(guī)劃器的三層世界模型，但對未來AI是否會出現(xiàn)主觀自我認知也沒有給予肯定。這可能正是自然進化智能與人工制造智能之間的終極區(qū)別。鋸齒智能的長期存在是物理AI應用中一個值得研究的現(xiàn)象。其次，現(xiàn)有智能系統(tǒng)在某些領域的能力已遠超一般人的水平，比如自動駕駛汽車。再比如語言大模型，因能力強大,對就業(yè)的替代劇烈而廣泛，也就是對就業(yè)的替代范圍較大，而創(chuàng)造的就業(yè)相對較少。由于鋸齒智能現(xiàn)象的存在，物理AI的滲透對新就業(yè)的創(chuàng)造呈漸進式、長期性，不會像語言大模型那樣激進。物理AI所創(chuàng)造的新需求同樣也呈漸進特征，分布式推進，即隨著產業(yè)鏈向遠端延長、向細分深化，也會相應地創(chuàng)造需求增加就業(yè)，這是一個相對較長且持續(xù)的過程。具身智能對就業(yè)的替代也遵循類似規(guī)律，具備某項功能便替代一部分崗位，具備新的功能便再替代一部分，整個過程將延續(xù)相當長的時期，但在這期間所創(chuàng)造的需求和就業(yè)累計起來的量是巨大的，遠遠超過其所替代的量。此外，在具身智能底座上，物理AI的發(fā)展需要多重技術支撐，包括視覺語言模型（VLM）、視覺語言動作模型（VLA）、視覺語言導航模型（VLN）、世界模型、空間智能等，這些技術概念和實踐都在物理AI發(fā)展進程中不斷演進。在物理感知層面，輕量化的視覺導航與雷達傳感器導航方式并存，馬斯克主導的視覺路線與華為的雷達傳感器路線各具特點，兩者并行發(fā)展。過去兩年，大模型從單模態(tài)走向全模態(tài)，AI從虛擬空間走向現(xiàn)實空間，物理AI與數(shù)字智能正在深度融合。物理AI的趨勢將引領經濟結構發(fā)生更加復雜的演化，其對經濟發(fā)展的影響將超越以往任何一個人工智能發(fā)展階段。無論是具身智能體、物理AI賦能產業(yè)、物理AIforscience，還是物理AI社會治理，都將滿足更多社會需求，同時也催生出新的社經濟增長的動力將更多來自于對K型的整合與統(tǒng)籌無論從當前還是中長期來看，供需問題的核心并非供強需弱的總量失衡，而是供需的結構性錯配與新舊動能的轉化，這個問題需要重新審視。這正是物理AI在K型剪刀口區(qū)域進行整合與統(tǒng)籌的關鍵所在。圖：物理AI對K型剪刀口區(qū)域的整合與統(tǒng)籌看待K型分化，不能僅關注撕裂的表象，更要看到背后蘊含的轉化機遇。今后增長的動力在于新舊動能之間的剪刀口地帶，撬動增長的杠桿就是實施“物理AI+行動”，而這個剪刀口地帶正是物理AI發(fā)揮作用的戰(zhàn)略縱深。對此，有以下推一般狀態(tài)下，新動能拉動舊動能提升，但由于舊動能體量大而拖累新動能，使之增長速度有所下降，剪刀口地帶收窄；理想狀態(tài)下，新動能增速提升，舊動能因新動能拉動和技術改造托底亦隨之增長，兩者融合互動，K型上下線同時轉為增長線；而較差的局面則是舊動能拖累新動能下行，形成雙線都下降局面。形成什么樣的狀態(tài)，一個關鍵因素就是“物理AI+”的力度和滲透率，我們有信心通過物理AI這一賽道，將傳統(tǒng)產業(yè)、新興產業(yè)與未來產業(yè)統(tǒng)籌起來，形成強大的發(fā)展動能，爭取達到理想的狀態(tài)。因此，工作的重點應放在剪刀口區(qū)域的整合與對接上，即適應AI革命的大趨勢，在發(fā)展新技術新產業(yè)的同時，以融合化的思路盤活傳統(tǒng)存量資在當前形勢下，單純強調新舊動能融合已顯不足，有必要更深入研究三層邏輯，即托底、轉化與出清，明確其中哪些值得托底，哪些具備轉化條件，哪些應當有序出清。在剪刀口區(qū)域內，物理AI同時承擔雙重角色：一是托底端延緩傳統(tǒng)產業(yè)的下滑。主要通過數(shù)字化與智能化升級，尤其是物理AI所推動的精度革命與效率革命，提升傳統(tǒng)產業(yè)的效率邊界和經濟效益，從而減緩關于什么樣的舊動能值得托底，可依據(jù)三條判斷標準：第一，資產本身具有價值，包括設備、廠房和土地等有形資產；第二，行業(yè)需求長期存在，但當前成本結構不經濟，比如氫能生產和儲運；第三，引入物理AI后，邊際效應能夠顯著改善。滿足這三條者可以納入托底范圍，不滿足者則應有序出清。二是拉升端，核心任務是加速轉化。即通過融合創(chuàng)新，將具備條件的舊動能直接拉入新的增長軌道。傳統(tǒng)產業(yè)在托底過程中會積累大量技術能力和人才儲備，一旦跨過臨界點，便可能進入新的增長通道。這就像2000年互聯(lián)網(wǎng)泡沫破滅后，留下的光纖網(wǎng)絡、在線消費習慣及各類協(xié)議均成為后續(xù)發(fā)展的優(yōu)質資產。拉升作用的方向是K型的上行線，其效果是使具備轉化條件的舊動能進入新的增長軌道，適用的對象以具備一定技術基礎但受制于傳統(tǒng)工藝瓶頸的產業(yè)為主。這樣新動能的隊伍就會逐步擴大，從而改變舊大新小的局面。托底與拉升并非先后關系，而是同時進行、相互增強的過程。以傳統(tǒng)鑄造業(yè)為例，過去模具制造周期長達數(shù)月，如今3D打印技術的引入顯著降低了模具制作的時間和成本。再結合AI參數(shù)優(yōu)化，短期內可有效托住鑄造業(yè)；中長期則可使部分企業(yè)轉型為航空航天、新能源汽車、精密機床等高端制造業(yè)的供應商，使傳統(tǒng)鑄造廠避免淪為落后產能，而是成為高端制造的基礎環(huán)節(jié)。這就回應了“關于物理AI是否僅是錦上添花而非雪中送炭”的常見質疑，事實上物理AI在托底端同樣有效。當然，并非所有傳統(tǒng)產業(yè)都值得拯救，部分產業(yè)僅是缺一個技術杠桿，給予杠桿便可激活；而另一些則需考慮出清。在何種情況下出清比轉化更為經濟？主要有三種情形：一是行業(yè)本身處于萎縮狀態(tài)，例如傳統(tǒng)鉛酸電池中單純動力型鉛酸產線，雖然可以通過AI提升效率，但無法創(chuàng)造新的需求，故應考慮出清；二是資產專用性過強，轉化成本高于重置成本，即改造費用超過新建費用達到一定閾值時，應放棄轉化；三是面臨環(huán)境安全硬約束，無法通過技術改造實現(xiàn)達標，例如低端民用普通鉛酸產線、環(huán)保不達標老舊產線；再比如小規(guī)模高污染的石油化工產能，即使引入智能化改造，其污染處理和降碳成本仍然較高，這也是山東壓縮全省小化工、發(fā)展裕龍島煉化一體大化工的原因所在，本質上也是一種出清。除這三類應嚴格出清外，其余產業(yè)應優(yōu)先考慮轉化，即通過“物理AI+”行動再造千行百業(yè)。具體應用方面：一是運用物理AI技術，緩解人口老齡化催生的“剛性新需求”供給不足的矛盾。比如智能陪護機器人、智能助力設備、家務機器人等可逐步填補這一缺口。二是推動重點產業(yè)低碳改造行動，相關部門在鋼鐵、煤炭、化工、交通、建筑等重點高耗碳行業(yè)已經出臺了降碳方案，做了大量工作。這里面“氫”是一個很重要的樞紐，比如載氫能源、氫-電耦合、化工行業(yè)加氫減碳、氫冶金等。三是推動化工業(yè)與礦產業(yè)從“高能耗”到“新材料”的蛻變。四是傳統(tǒng)加工與鑄造因AI賦能而重生。五是鹽堿地、低產田等治理從"改地適種"到"改種適地"的AI4S革命。基因編輯技術可大幅縮短育種周期，使得“改種”比“改地”難度更低。在大量物理AI技術的加持下，相關領域有望重塑產業(yè)新生命。物理AI在K型剪刀口區(qū)域的整合并非一次性的推動，而是形成托底、轉化、出清的遞進鏈條。那些因成本高、效