Physical AI 與 Web3：人形機器人如何顛覆未來經濟與 AI 應用

AI Agent

Hank

・2025/09/22

本文目錄

前言
Physical AI 的曙光？
什麼是 Physical AI？
Web3 在Physical AI 中的應用
以 Web3 為中心的 Physical AI 項目
實際應用和影響
挑戰與未來展望
去中心化、AI 化的未來
結語

本文內容摘錄自 s4mmy，由幣研團隊編譯且整理如下

前言

在過去，人工智慧（AI）主要都是應用在數位的領域上，從文字、圖片生成到數據分析，有了 AI 也為我們生活和工作的方式帶來了不一樣的改變。隨著大型語言模型（LLMs）的進化，再加上機器人技術跟區塊鏈基礎建設的成熟，AI 正逐漸走向「擁有實體的物理世界」。

AI 跟真實世界的結合通常會被稱做 Physical AI（實體 AI），這除了能夠帶來技術上的突破，更有潛力去改變全球的經濟模式，開啟人類和 AI 共存的新時代。

Physical AI 的曙光？

AI 現在正在透過「Physical AI」的方式去和機器人、自動駕駛汽車、agent 結合，從數位的領域逐漸走向真實世界。

NVIDIA 的 CEO 黃仁勳（Jensen Huang）在 2025 年 CES 上強調了 AI 正在朝向現實世界發展的趨勢：

機器人在 AI 的領域已經經歷過很漫長的道路，從最開始的實體推出一直發展到能夠臨床運作的機器人。

目前在傳統機器人產業中的領頭公司：

跟其他常見的聊天機器人最大的不同地方就在於，擁有實體的 AI 可以讓機器人去跟環境互動並且操控環境。

Elon Musk 預估在未來幾十年將會生產超過 200 億個人形機器人；這也將創造數千萬億美元的市場機會：

Assume 1 robot = $50k

100,000 robots = $5B revenue
1M robots = $50B
10M robots = $500B
100M robots = $5T
1B robots = $50T
20b robots = $1 Quadrillion

Humanoid robots will be the biggest product market in the history of ever by magnitudes

The future largest companies will be… https://t.co/bmalfL8Bf6
— Andrew Kang (@Rewkang) May 16, 2025

Web3 技術（加上去中心化的框架）正在加速這個產業的轉變，透過創新的經濟模式，減少摩擦，進一步做到價值的無縫轉移。

什麼是 Physical AI？

Physical AI 將 AI 模型和機器人硬體、空間智慧和真實世界的數據結合起來，讓機器可以在現實的空間中導航和進行其他的行動。

人形機器人能夠完成一些簡單的重複性任務：

On Friday, Figure completed a 20-hour run of back-to-back shifts on the BMW X3 production line!

We’ve been running 10-hour shifts for several weeks now and as far as we know, Figure and BMW are the first in the world to do this with humanoid robots pic.twitter.com/5HgpB5XdtX
— Brett Adcock (@adcock_brett) May 21, 2025

NVIDIA 的 GR00T N1 基礎模型等技術讓機器人可以去學習各種實體操作或是執行導航等任務：

NVIDIA announced GR00T N1, the first fully customizable open-source humanoid robot foundation model, designed to advance general-purpose robotics.

⦿ A dual-system AI inspired by human cognition: System-1 handles fast, intuitive actions, while System-2 enables methodical… pic.twitter.com/qb3gVlMv1o
— The Humanoid Hub (@TheHumanoidHub) March 18, 2025

NVIDIA Isaac Sim 等模擬平台彌合了虛擬訓練跟實際部署之間的差距。

不過挑戰依然存在：訓練模型的資料稀缺、高運算需求以及對無縫軟硬體整合的需求。

3/ Robotics is still starving for data.

Even with 24/7 operation, one robot gives you just 24h of real-world experience per day.

Now compare that to how we train LLMs… it’s not even close. pic.twitter.com/BbHIkY9W84
— Teng Yan · Chain of Thought AI (@tengyanAI) May 10, 2025

這也是美國為「Stargate」計畫投資 5,000 億美元，以及與 OpenAI 和 Softbank 合作的大型資料中心基礎建設計畫的原因之一。

Web3 透過去中心化的方式搜集運算資源，為資料收集提供了不同以往的解決方案，像是 Grass 和 GEODNET 等項目，它們分別透過召集算力的方式為 AI 訓練模型提供資料，為機器人提供精確的資料。

Web3 在Physical AI 中的應用

Web3 透過去中心化實體基礎建設網路（DePIN）為機器人提供運算、儲存和數據，從而改變Physical AI。