2026年，资本正为AI进入物理世界疯狂下注。IT桔子数据显示，国内具身智能领域年内投资超218起，金额超577亿元；摩根士丹利也将中国人形机器人出货量预测上调至5万台。低空经济与自动驾驶市场规模同样迎来爆发，AI向物理世界的进军势不可挡。
然而，摩根士丹利数据显示，2025年中国出货的人形机器人中，真正在工业物流场景干活的仅占4%。物理智能为何难以规模化上岗？
9月18日，在华为全联接大会2026期间，华为联合多方发布《物理智能云边端协同架构研究报告》，指出物理智能必须从“单点瓶颈”走向“系统进化”，核心路径即云边端协同。
物理智能为何需要云边端协同？
华为在报告中将物理智能定义为AI在真实物理世界中完成感知、理解、推理、规划、行动和反馈闭环的能力体系。其底层架构面临“实时性”与“复杂性”的两难。
华为专家指出，“AI入端”是最大瓶颈。端侧算力与功耗受限；云侧推理时延无法满足毫秒级控制，且弱网下有瘫痪风险。单点堆砌性能无法解决精密制造对能力的要求，必须让端、边、云各司其职：
- 端侧专注实时感知与运动控制，解决“快和安全”；
- 边缘侧承担数据汇聚与多机协作，解决“稳和联”；
- 云端负责大模型开发与全局规划，解决“强和智”。
破“三道墙”、通“一张网”、转“一个飞轮”
报告提出“三域协同·一网贯通”的核心主张。
三域协同：任务、数据与算力
应用协同让任务在云边端间合理分拆；数据协同完成多模态数据对齐与跨域共享；算力协同统一调度资源，实现“无感使用”。
一网贯通：全域连接能力
依托TSN、5G-A、星闪等技术，构建端内网、端间网、端云网。星闪负责本体内部高速无线互联，工业以太总线负责有线同步，5G-A负责数据回传与指令下发，TSN提供统一确定性调度。
数据飞轮：破解行业“三道墙”
针对数据墙、表征墙、闭环墙，报告提出“真机数据回流—云端训练评测—边端模型下发”的数据飞轮，结合真实、仿真与生成数据协同。同时明确分层解耦、实时优先等四大设计原则，确保架构可落地。
云边端渐进落地，产业协同是最终答案
华为将云边端落地划分为三阶段：近期边缘按需部署，跑通零售巡检等场景；中期（2028-2030年）走向区域自治；远期形成一体化分布式智能网络。落地路径上，优先在制造、物流等结构化场景突破，再向家庭等开放场景拓展。
目前，“三域协同·一网贯通”已跑出样板。华为联合发布全国首个异构人形机器人具身智能训练场“麒麟训练场”，实现了数据飞轮的规模化实践。由此训练出的机器人已进入汽车制造、智慧零售等场景。
系统整体协同与持续进化，让AI走进物理世界
物理智能是横跨芯片、模型、网络、数据与场景的复杂系统工程。单点技术迭代难以打通完整链路，华为报告指出的“三域协同·一网贯通”为行业提供了破局路径。
未来，物理智能的竞争力将不再局限于单一技术，而是取决于系统整体协同与持续进化的综合能力。
