在北京一家物理AI数据企业内，操作员正佩戴专用设备采集整理房间时的动作数据。一旁的大屏幕上，每天来自全球的此类视频数据正按小时快速累计。而在另一处实验室里，机械臂作业的真实数据也在与仿真合成数据进行比对，从而让机器人能够在虚拟空间中准确、高效地完成训练。

　　企业负责人告诉记者，物理AI的预训练阶段，事实上更多还是需要仿真合成数据和人类视频数据。去年，企业头部客户对数据的需求还在十万小时级，今年头部客户需求已经达到百万小时级。除此以外，通用大模型企业在进入具身智能赛道时，同样可能用到大量物理世界的相关数据。

　　比如真实世界的摩擦力、重力、空间变化、突发状况，都是仿真数据无法完全模拟的。想要训练出足够智能、足够稳定的具身模型，行业需要千万小时甚至亿小时级别的海量真实交互数据。

　　数据以外，网络也是未来支撑物理AI落地的关键基础设施。在一个6G网络演示场景中，工作人员通过脑机接口发出指令，基站内的算力实时解析脑电信号，指挥机器狗和机器人配合完成危险品排查任务。

　　“这样的算力水平就要靠6G网络来提供。未来，如果要运行很多机器人、无人机或网联车，都需要动态配置算力。”中国移动研究院未来研究院副院长王飞说。

　　2030年物理AI市场规模

　　有望达4500亿美元

　　业内专家认为，未来物理AI在部署到具体生产环境的过程中，将产生软硬件集成、场景适配、调试运维等多类需求。