Physical AI 正從概念走向資本追逐的主戰場
如果說過去兩年的 AI 競賽主要圍繞模型能力與應用落地，那麼 2026 年開局最受關注的方向之一，就是 Physical AI。這個結合機器人、感知、控制與生成式能力的新賽道，開始從研究室與展示影片，走向真實工廠、倉儲與自動化場景。
從近期新聞可以看出，投資人對這條路線的熱情正在升溫。The Economic Times 指出，Physical AI startups 在 2026 年第一季已募得 4200 萬美元，雖然規模未必能和基礎模型公司相比，但市場活動明顯加快，代表資金開始更積極地押注「能動起來的 AI」。
資金流向的不只是模型，而是能在現場執行任務的系統
這波融資潮最值得注意的地方，在於它不再只看語言模型或影像生成，而是看誰能把 AI 放進可操作的實體世界。新聞中提到，2026 年至今的交易包括 Unbox Robotics 的 2800 萬美元融資，以及 Octobotics 的 113 萬美元資金；同時，像 Armatrix 這類機器人硬體新創也受到投資人關注。
另一個例子是 AuraML。該公司主打多模態平台，用來模擬真實環境，讓企業在部署前測試系統。創辦人 Ayush Sharma 表示，若企業要把機器人導入倉庫，只要上傳平面圖與工廠資訊，平台就能模擬灰塵、其他機器人、光線等條件；他還強調，建立一座數位工廠可能要 6 個月到 1 年，但他們的模型可在 10 到 30 分鐘完成。這也顯示出 Physical AI 的基礎設施層，同樣是資本關注焦點。
Black Forest Labs 的轉向，反映 Physical AI 的競爭邏輯
另一則值得關注的消息來自 Black Forest Labs。這家約 70 人規模的新創，原本以 AI 圖像生成技術打出名號，如今卻選擇轉向 Physical AI，試圖把既有的電腦視覺能力延伸到機器人與真實環境。對這類公司來說，轉向不是單純換題目，而是重新定義自己在產業裡的位置。
這個動作也說明，Physical AI 並不是單一產品，而是把生成式 AI、視覺理解、控制系統與硬體整合起來的長線賽局。另一篇報導也提到，像 Tesla 的 Optimus、Google DeepMind 的機器人研究，以及 OpenAI 的機器人團隊重建，都在加碼這條路。市場雖然還沒有出現類似 ChatGPT 的「單一爆點」，但競爭已經相當清楚：誰能讓 AI 不只會回答，還能在世界中完成動作，誰就可能拿到下一波入口。
人才與全棧能力，正在決定誰能活到最後
Physical AI 之所以難，關鍵不只在演算法，而在人才與系統整合能力。相關報導指出，這一波公司爭奪的是同時懂機器人、機器學習、晶片設計與系統整合的人才；這類工程師並不是大量供應的通用人才，因此能從大型科技公司硬體團隊、國家實驗室或彼此之間挖角的團隊，往往一開始就有優勢。
同時，許多新創也不再只做純軟體，而是往 全棧解決方案 靠攏，也就是把硬體、軟體與 AI 一起設計。這種模式在機器人領域特別重要，因為機器人不是虛擬聊天室，它必須對現場地形、光線、噪音、姿態與動態環境作出即時反應。這也是為什麼，從工業操作到倉儲自動化，越來越多公司開始把 Physical AI 視為真正的落地入口。
從倉儲到人形機器人，Physical AI 的商業化路線正在分化
如果把目前的市場版圖攤開，會發現 Physical AI 並不是單一路徑。第三篇整理的融資案例中，既有面向工業勞動的 RoboForce，也有人形或近人形機器人方向的公司。這代表資本正在同時押注「專用型自動化」與「通用型機器人」，兩者的商業化節奏與風險並不相同。
第四、第五篇新聞也提供了更完整的脈絡：像 Figure、SkildAI、1X 與 Physical Intelligence 等公司，正朝不同策略前進，有的專注泛化智慧，有的聚焦硬體與軟體整合，有的則鎖定人形、四足或輪式平台。換句話說，Physical AI 還沒到終局，但它已經從單純的技術名詞，變成能夠對應工廠、倉庫、配送與自主系統等多個市場的產業框架。若要總結這一波趨勢，可以說資本正在追逐的不只是模型，而是「讓模型進入現實世界的身體」。
