11 层由外向内依次为：①末端执行器，直接接触作业对象；②执行器，将电指令转为机械力；③电源系统，存储供给能量；④控制层，实时生成电机指令维持稳定运动；⑤运动规划，寻找无碰撞可行运动路径；⑥感知层，依靠传感器估计机器人与环境实时状态；⑦模型层（VLM/VLA/ 世界模型 / WAM），理解观测、推理目标并预测未来状态，逐步接管传统感知与规划工作；⑧数据层，包含机器人遥操作、人类第一视角、仿真、互联网视频、现场部署五类数据；⑨算力层，分为云端训练算力、机载推理算力、底层实时嵌入式算力；⑩仿真层，在虚拟环境完成测试，存在仿真到现实的鸿沟；⑪评估层，用任务成功率、干预率、成本等指标验证真实落地能力。
物理 AI 存在正向飞轮：更好机器人→更大规模部署→更多交互数据→模型迭代优化。但飞轮速度由最弱环节决定，瓶颈会随技术发展发生转移，早期常是模型与数据，后期转移至执行器、传感器等硬件。
这套框架可供投资者与从业者使用：追踪数据归属与迭代链路，定位系统瓶颈，收集真实落地证据。区分单次演示视频与规模化部署数据，从任务出发逐层拆解系统，识别企业竞争优势与失效风险。
10 个关键问题 Q&A
什么是物理 AI 价值栈？物理 AI 价值栈是一套包含硬件、软件、数据、算力、仿真、评估的分层框架，核心采用任务优先思路，把抽象目标转化为物理世界可靠动作，用来定位机器人系统瓶颈。
11 层物理 AI 栈的起点为什么是末端执行器，而不是模型？传统技术栈从芯片、模型出发；物理 AI 面向实体作业，机器人首先要接触物理世界，因此从与作业对象交互的末端执行器开始，自外向内分析任务。
VLA、世界模型在机器人栈里承担什么角色？VLA 可直接从视觉语言输入输出动作；世界模型预测环境随动作变化的未来状态；模型正在承担传统感知、规划的工作，但底层电机控制仍无法被替代。
训练物理 AI 机器人有哪五类核心数据？机器人遥操作数据、人类第一视角示教数据、仿真生成数据、互联网视频数据、真实现场部署数据。
物理 AI 算力分为哪三类，各自用途？云端算力：模型训练、大数据处理；机载加速算力：感知与模型推理；嵌入式实时算力：底层电机控制与安全保护。
什么是 Sim2Real（仿真到现实）鸿沟？仿真环境和真实物理世界存在差异，包含接触力学、材料磨损、光照、传感器噪声。模型在仿真表现优秀，落地实体机器人时依然可能失效。
评估物理 AI 系统，不能只看演示视频为什么？演示视频仅证明单次行为可行；规模化落地需要验证不同工况下成功率、人工干预率、周期、能耗与单次作业成本。
物理 AI 价值飞轮是什么？更成熟的机器人扩大部署，产生更多真实交互数据；数据优化模型，模型进一步提升机器人能力。飞轮速度受限于系统最弱一层。
机器人系统瓶颈会固定不变吗？不会。早期瓶颈常是模型与数据；模型能力提升后，瓶颈转移至执行器、末端手、电源、传感器、硬件成本等物理层。
投资者 / 工程师如何使用这套框架？选定具体任务，分析三点：数据来源与迭代链路；当前任务的约束瓶颈；规模化落地所需实证指标，以此区分 Demo 效果和真实商业化能力。
附录 物理 AI 价值栈：机器人 11 层架构详解
在评估一家机器人企业时，我会先思考三个问题：
-
这台机器人要完成什么任务？ -
系统的哪一部分成为性能短板？ -
有哪些证据可以证明，它能够在符合成本要求的前提下稳定反复完成工作？
我搭建了这套以任务为核心的物理 AI 技术栈框架，用来回答以上问题。
该框架划分出 11 个功能层级：从和作业对象直接接触的部件，到驱动执行、能源供给，再到智能决策模块。借助这套框架，我们可以定位系统瓶颈、看清企业的竞争赛道，判断价值会在哪个环节沉淀。
订阅专栏，获取后续文章推送：https://corematter.substack.com/
什么是物理 AI 技术栈
物理 AI 技术栈，是一套由硬件、软件、数据与操作系统共同组成的集合，它将抽象目标转化为物理世界中可靠的实际动作。
绝大多数技术栈的梳理逻辑，是从底层支撑技术向外延伸：芯片、算力、模型、应用。但对于机器人，我认为从任务本身出发会更加直观，我称之为任务优先型技术栈。
举个例子，把产品放入料箱这个作业任务：夹爪接触产品，执行器带动夹爪运动，电源系统供给所需能量，控制软件调节运动轨迹，运动规划模块算出可行运动路径，感知模块识别物体与料箱，决策策略输出对应动作，再依靠数据完成模型训练。
除此之外，还有算力、仿真、评估三大模块，本文也会一并讲解。
这套技术栈，把智能转化为物理世界中可靠执行的动作。
这 11 个层级完整呈现机器人完成一项任务的整套工作系统。在这 11 层之下，是工业基础底座：能源、关键材料、制造产能以及实体基础设施。
以任务优先的技术栈，改变了我们思考问题的出发点。不再纠结 “模型需要做到多先进”，而是思考 “要完成这项任务，哪些环节必须正常运转”。这个答案，就能找到当前制约整套系统性能的天花板所在。
以一项任务，串起全部 11 个层级
斯坦福学生、OpenAI 机器人方向实习生泰伊斯・西蒙尼安，做过一组实验：给 GPT‑6 Astra 模型配备 SO‑101 机械臂、一支画笔和一台相机，指令让它在现实世界画出金门大桥。Astra 每次规划一分钟的动作，观察作画结果，结合反馈不断迭代调整。
泰伊斯：我给 Astra 接入机器人、画笔和相机，让它在现实里画金门大桥！它学会了操控机器人，一次次尝试后画得越来越好，延时拍摄的效果非常惊艳。
OpenAI 介绍：这就是 GPT‑6 Astra。凡是你能在电脑上完成的事，Astra 都可以替你在现实世界完成，而且速度很快。
这个案例可以很好演示整套技术栈的工作逻辑，同时定位系统瓶颈。
在 “绘制金门大桥” 这项任务中，瓶颈出在Astra 模型与机器人之间的控制和执行交互层。GPT‑6 Astra 模型可以在一次次尝试中识别出作画需要改进的地方，但机器人的控制接口、执行机构，以及有限的反馈能力，限制了机械臂精准落地模型判断结果的能力。
如果当下看不懂表格也无需担心。接下来我们逐层拆解，读完之后再回看表格就会豁然开朗。
1. 机器人末端执行器：任务与现实世界的交汇点
机器人的末端执行器就是直接接触作业对象的部件。常见类型有平行夹爪、真空吸盘、磁性工具以及多指灵巧手。它的外形结构、传感能力、材质，直接决定机器人能够处理哪些物体、完成哪些作业流程。
市场上分为两类产品：面向特定任务的工业专用工装，以及通用型灵巧手。雄克（SCHUNK）、Robotiq、OnRobot 主打夹爪与臂端工装；Shadow Robot、五指科技（Wuji Hand）、Sharpa 研发多指灵巧手。我曾在《灵巧手入门指南》中写过相关设计与成本分析：https://corematter.substack.com/p/dexterous-hands-primer-actuation
末端执行器需要在满足作业要求的速度、力度、精度、连续工作时长的同时控制成本。简单夹爪足以完成拾取放置类任务；灵巧手能够拓展可执行任务范围，但会带来更多关节、更大自重以及更高成本。
触觉传感器与力‑力矩传感器可以归到本层，也可以视作 1b 子层。这类传感器告诉机器人夹持是否稳固、作用力是否过大、物体是否即将滑脱。
本层核心关注点：是什么部件接触作业对象？这个选择，开启了哪些任务可能性，又排除掉哪些任务？
2. 机器人执行器：把指令转化为力
执行器将电信号指令转化为机械运动。执行器的性能，决定机器人输出力矩、运动速度、定位精度、能效、散热表现的上限。
人形机器人的关节需要同时兼顾大扭矩、轻量化、结构紧凑、低回程间隙、高可靠性、低成本与可量产性。
更多执行器相关内容见：https://corematter.substack.com/p/humanoid-robot-actuators-torque-economics
我曾实地走访深圳松岗一家精密齿轮工厂，26 台线切割机床 24 小时不间断运转，工人对零部件做高精度检测。关节最终的力矩、精度与可靠性，源头就来自这类加工工艺。
即便软件算法持续迭代，如果执行器重量大、造价高、散热能力受限，整套系统依旧会被制约。
本层核心关注点：每个关节，能否在机器人可承受的自重与成本范围内，输出任务所需要的扭矩、精度，同时留有散热余量？
3. 机器人供能系统：储存与输出能量
电源系统为执行器、算力模块、传感器以及其他附属设备供给能量。移动机器人的电源一般以电池包为起点，延伸包含电池管理系统、电力电子器件、线路、保护模块以及充电接口。
电池容量决定机器人两次充电之间的作业时长；电池包自重会直接挤占有效负载；充电时长、电池循环寿命，会影响机群的使用效率与更换成本。
电源系统会受充电频次、电池更换方案、散热上限约束，进而限制机器人工作续航。
本层核心关注点：电源系统能否扛住任务的峰值功耗？机器人实际续航是多少？
4. 机器人控制层：向目标位置运动
控制层属于软件模块，它把期望的运动目标，转换成源源不断的电机指令，以此实现目标动作。控制回路在实时处理器上每秒成百上千次重新计算位置、速度、扭矩或者电机电流。即便出现测量信号延迟、轻微碰撞、负载变化、电池电压波动，也要保证机器人运行稳定，不超出安全阈值。
两种主流控制方案：
-
PID（比例‑积分‑微分）：经典反馈闭环。检测关节实际位置和目标位置的偏差，再按照偏差大小做修正。 -
模型预测控制（MPC）：模拟多条候选指令带来的效果，从中选出满足扭矩上限、平衡、避碰、能耗等约束条件的方案。
ROS2‑control、Drake、英伟达 Isaac 等开源库与厂商工具，已经提供大量本层能力。但机器人企业依旧需要针对自身机械结构、作业场景、安全限制做集成与参数调优。Applied Intuition、Intrinsic 这类企业也会售卖机器人软件与工具链的部分组件。
本层核心关注点：发生意外状况时，依靠什么机制保障机器人安全、继续完成任务？
5. 机器人运动规划：选择可行运动路径
运动规划是软件模块，输出从机器人当前状态抵达目标状态的一套可行动作序列。对于机械臂，它需要选定抓取姿态，规划放置物体时不碰撞货架；移动机器人则需要完成路线规划与任务时序编排。
经典方案包含图搜索、逆运动学、基于采样的规划器（例如快速扩展随机树）以及轨迹优化。MoveIt 是开源机械臂规划框架，MoveIt Pro 是提供商业技术支持的工作套件；英伟达 cuMotion 库借助 GPU 加速轨迹优化计算。
规划与控制两者紧密关联，但职责不同：规划决定要做什么动作；控制负责让机器人在现实中实时执行这套动作。本文从物体交互的角度梳理层级，所以把控制放在规划之前；实际作业流程中，数据流一般是感知→规划→控制。
本层核心关注点：机器人能否针对当前环境规划出安全高效的运动路径？规划失效时，是否具备故障恢复能力？
6. 机器人感知：判断当下正在发生什么
机器人感知将传感器读数转化成对机器人本体以及周边环境状态的判断。相机、深度传感器、激光雷达、力‑力矩传感器、触觉传感器、编码器、惯性测量单元，都会输出不同维度信息。相机识别包裹，腕部力传感器发现物体被勾挂，触觉传感器捕捉物体即将滑脱。
感知回答的是当下的问题：物体、机器人本体、各类接触点现在处于什么状态？模型结合感知信息、指令与任务目标，才能决定下一步动作。
目标检测、位姿估计、视觉里程计、同步定位与建图、传感器融合等感知功能，已经有现成开源库。英伟达 Isaac ROS 就是打包好的方案。但落地部署依旧离不开传感器标定，还要应对目标环境里各种极端边缘场景。
控制、规划、感知通常运行在机器人本体。感知和规划大多跑在机载主计算机；高速控制回路会部署在更靠近电机关节的硬件上。
本层核心关注点：想要机器人可靠执行动作，需要观测、测量、推导哪些环境信息？
7. 机器人领域的视觉语言模型、视觉语言动作模型、世界模型
模型的作用是解读观测信息、推理任务目标、预测结果、生成动作。
- 视觉语言模型（VLM）
处理图像与文本输入。机器人场景下，可以理解环境画面和人类指令，输出高层行动方案。 - 视觉语言动作模型（VLA）
接收视觉、语言输入，直接输出动作。典型代表有 Physical Intelligence 的 π 系列模型、谷歌 DeepMind Gemini Robotics、英伟达 GR00T。 - 世界模型
学习场景的演变规律；给定当前状态和候选动作，预测未来会发生什么。英伟达 Cosmos、World Labs 的 Marble 属于该大类下不同技术路线。 - 世界动作模型（WAM）
既可以预测世界变化，又直接输出动作。Dyna Robotics 的 DYNA‑2 是一例；英伟达 Cosmos3 也包含将视频预测和机器人动作打通的策略变体。
感知看懂当下；世界模型预测未来的可能性；世界动作模型把未来推演转化为可执行的决策。
模型正在不断吞噬原有技术栈的工作。越来越多原本属于感知、规划层的工作交由模型承担。举个例子：VLA 模型仅凭相机画面和人类指令，就可以直接输出高层动作片段，绕过多套人工编写的感知、规划接口；它也可以输出底层动作，但底层高速电机控制依旧保留在下层。世界动作模型能够预判候选动作带来的环境变化，可以辅助甚至替代一部分规划器的工作。
本层核心关注点：哪些决策交给模型完成，哪些依旧由传统软件和控制模块承担？
8. 训练物理 AI 系统的数据
机器人学习主要有五类数据：
- 机器人示教数据（遥操作数据）
人类遥控机器人，同步记录观测画面与对应动作。 - 人类示教数据（第一视角数据）
录制人类亲自完成任务的画面。 - 仿真数据
虚拟环境在可控条件下生成运动轨迹、标签、故障案例。 - 互联网视频数据
YouTube 等网络视频，可以提供远超机器人机群规模的示范样本。 - 部署实测数据
机器人真实作业过程中的成功案例、失败案例、故障恢复记录。
数据规模只是其中一环，数据还需要匹配对应的任务、机器人本体形态、传感器与作业环境。失败样本、数据多样性同样至关重要。
围绕本层已经涌现大量创业公司：XDOF 搭建机器人数据基础设施与数据集；Mecka 定位物理 AI 的数据、评估、部署层，主打人类第一视角活动数据。
本层核心关注点：谁能产出适配这台机器人业务场景的数据？这些数据如何迭代产品新版本？
9. 物理 AI 的算力部署位置
机器人至少用到三类算力：
- 云端 / 数据中心算力
用来训练模型、处理机群海量数据、运行大型仿真任务，部署在机器人外部。 - 机载加速算力
处理对延迟敏感的感知运算、模型推理，部分场景承担规划任务。英伟达 Jetson、Jetson Thor 属于这类；高通、AMD 以及其他专用边缘计算厂商也提供该层级芯片。硬件必须适配机器人的功耗、散热、自重与成本约束。 - 实时嵌入式算力
运行高速控制逻辑与安全防护，部署在电机驱动器、单片机或者实时处理器上。德州仪器、NXP、英飞凌、意法半导体以及电机驱动厂商提供相关芯片组件。
本层核心关注点：哪些计算必须在机器人本地完成？硬件能否在延迟、功耗、散热的限制内满足计算需求？
10. 机器人仿真有什么作用
仿真搭建可控虚拟环境。在真实策略落地实物硬件之前，完成设计、模型训练、系统集成、压力测试。
仿真可以低成本生成很多现实硬件难以复现、甚至有安全风险的场景；在实体机器人还无法大规模量产时，就完成整套技术栈的联合验证。
仿真到现实鸿沟：虚拟仿真环境与真实物理世界之间存在偏差。接触物理效应、材料磨损、光照条件、传感器噪声，都是偏差的常见来源。一套策略在仿真中效果优异，放到真实环境依旧可能失效。
MuJoCo 是科研圈广泛使用的物理引擎；Gazebo 提供开源物理仿真、渲染与传感器模拟；英伟达 Isaac Sim 将仿真能力接入英伟达整套机器人开发工作流。
本层核心关注点：研发团队在仿真环境完成了哪些验证？还有哪些现实工况没有被仿真覆盖？
11. 如何评估物理 AI 系统
评估的目的，是检验系统在多变环境下的表现、错误恢复能力，以及商业可行性。完整评估指标包含：任务成功率、人工干预频次、故障恢复表现、作业周期、延迟、能耗、安全性、单次成功作业成本。
一段剪辑精美的演示视频，只能证明某一次行为发生过。落地级证据则要回答：多高的工况下能正常工作？适用哪些环境？运行速度如何？需要多少人工介入？综合成本是多少。
评估同时闭合学习闭环：从失败案例中反哺模型训练、数据采集、硬件迭代或者业务流程优化。
本层核心关注点：如何证明这套系统可以在目标业务环境中，满足商业落地的要求？
物理 AI 技术栈的价值流向
企业如果能够解决制约核心任务的瓶颈，就可以创造最大价值。
性能更强的模型，能够降低传统感知、规划模块的开发压力；更好的传感器、末端执行器、执行器、电源系统，可以解锁更多行为模式，保障长时间稳定运行；大规模真实部署，产生更多交互数据；数据进一步优化模型，模型再反过来升级机器人。
正向飞轮：更优秀的机器人 → 更大规模部署 → 更多数据 → 更好的模型 → 更优秀的机器人
但这个飞轮的转动速度，完全受限于整套栈中最弱的那一层。有的企业短板是数据采集；有的企业瓶颈是灵巧手、执行器、电源、边缘算力、安全验证，甚至是机器人整体运行成本。
随着技术迭代，技术栈里的价值高地也会发生迁移。当下瓶颈或许在于模型与数据管线；等模型能力提升之后，瓶颈就会转移到执行器、传感器或者落地部署网络。
投资者与从业者如何使用这套物理 AI 技术栈
选定一项具体任务，回答下面三个问题：a. 系统从哪里学习：追踪交互数据是谁产生、归谁所有，数据如何驱动产品迭代新版本。b. 当前什么因素限制任务落地：定位瓶颈，看是模型、传感、机械硬件、电源、可靠性，还是单位成本。c. 落地需要哪些实证：确认运行工况、任务成功率、故障恢复能力、作业周期、能耗，以及反复运行的商业成本。
这套以任务优先的技术栈，可以把眼花缭乱的机器人演示 Demo，拆解成一个个可以单独审视的组件。顺着任务，从物理接触点向上逐层回溯，就能看清系统依赖什么、企业的竞争优势在哪里，以及机器人最容易出故障的环节。
本文转载自 Core Matter Substack 专栏，https://corematter.substack.com/