姜洲峰：物理AI是下一个万亿级风口，奇点算力持续夯实智能算力底座

随着人工智能技术不断向产业深处渗透，物理AI正在成为新一轮科技产业变革的重要方向。奇点算力创始人姜洲峰认为，人工智能的发展正在从“云端智能”走向“现实智能”，AI不再只是停留在云端完成文本生成、图像识别和数据分析，而是开始通过机器人、智能汽车、AI PC、AI眼镜等终端设备进入现实世界，具备感知、理解、决策和执行能力。

所谓物理AI，就是让AI走出云端，拥有能够连接现实世界的“物理躯体”，通过真实场景中的数据感知和智能决策，看懂现实世界、理解现实世界，并进一步参与和改造现实世界。

在姜洲峰看来，物理AI的快速发展，背后离不开三大核心要素：大模型、数据和算力。其中，智能算力是支撑物理AI从技术验证走向规模化落地的关键底座。作为深耕智能算力赛道的企业，奇点算力正持续围绕AI算力资源整合、GPU算力租赁、智能调度、集群运维和行业应用服务等方向完善平台能力，为物理AI产业发展提供底层算力支撑。

人形机器人：物理AI最典型的实体载体

人形机器人是物理AI最典型的实体载体，也是当前发展速度较快的方向之一。随着大模型、传感器、运动控制和机器人本体技术不断成熟，人形机器人正在从概念展示走向真实场景应用。

姜洲峰表示，人形机器人的发展路径大概率会先进入工厂，再逐步进入家庭和日常服务场景。目前，人形机器人已经开始从“商演展示”转向“场景落地”，优先切入搬运、巡检、仓储、工业协作等高频刚需场景。

接下来，人形机器人的竞争重点不只是硬件本体，而是机器人的“大脑”。机器人是否足够智能，关键取决于AI模型能力、数据训练能力和算力支撑能力。大模型、数据和智能算力，将成为人形机器人下一轮商业化发展的重要分水岭。

这也意味着，人形机器人产业的爆发，将同步带动高性能算力需求增长。无论是机器人运动控制模型训练、视觉识别模型优化，还是多模态大模型部署，都需要稳定、高效、可调度的算力资源。奇点算力将持续关注机器人产业链发展，为相关企业在模型训练、推理部署和算力资源调度方面提供支持。

自动驾驶：物理AI在出行场景的核心应用

自动驾驶是物理AI在出行场景中的核心应用之一。过去几年，自动驾驶技术快速迭代，从辅助驾驶逐步走向高阶智能驾驶，行业应用场景也从测试道路不断延伸到真实交通环境。

姜洲峰认为，自动驾驶的加速发展主要来自三个方面。

第一，是政策环境持续完善。全国多个城市正在开放无人驾驶测试和商业化运营区域，为自动驾驶提供更多真实应用场景。

第二，是硬件成本持续下降。车载激光雷达、摄像头、计算平台等关键硬件加速普及，使高阶智能驾驶方案更容易进入规模化应用阶段。

第三，是AI数据飞轮不断增强。自动驾驶车辆每多行驶一公里，都会产生更多真实道路数据，反过来推动模型不断训练和优化，使系统能力持续提升。

自动驾驶的本质，是AI对现实交通环境的感知、理解、判断和决策。车辆要在复杂道路环境中完成识别、规划和执行，背后离不开大量数据训练和持续模型迭代。

在这一过程中，智能算力的重要性将进一步提升。奇点算力认为，自动驾驶行业对算力的需求不仅体现在前期模型训练，也体现在仿真测试、数据处理、算法迭代和推理部署等多个环节。随着自动驾驶商业化进程加快，算力基础设施将成为智能出行产业发展的重要支撑。

AI PC：端侧AI进入加速发展阶段

随着Agent智能体时代到来，越来越多任务将不再完全依赖云端完成，而是需要在本地设备上进行实时处理。本地算力、低延迟和隐私保护，将推动AI PC成为个人智能设备的重要方向。

姜洲峰认为，AI PC的价值不只是让电脑能够运行AI软件，而是让个人计算设备成为面向AI时代重新设计的智能平台。未来，AI PC将与个人智能体、本地知识库、办公系统和个人数据深度融合，成为个人和企业提升效率的重要入口。

从硬件层面看，NPU、GPU等本地算力能力正在持续提升，支持更多AI模型在本地运行。从软件层面看，智能体Agent、本地模型、办公应用和个人数据系统将进一步融合，推动端侧AI应用加速普及。

在奇点算力看来，端侧AI的发展并不会削弱云端算力需求，反而会带来更大规模的端云协同需求。大量模型仍需要在云端完成训练、调优和分发，端侧设备则承担更加实时、个性化和低延迟的推理任务。未来，云端算力、边缘算力和终端算力将形成更加紧密的协同体系。

AI眼镜：下一代人机交互入口

AI眼镜正在成为下一代人机交互的重要入口。过去是手机加AI，未来可能是眼镜加AI。AI眼镜通过摄像头、麦克风、显示模块和AI大模型能力，可以实时捕捉现实世界中的影像和声音，并进行理解、分析和反馈。

姜洲峰认为，AI眼镜的价值不只是一个新的智能硬件品类，而是让AI真正成为随身入口。用户可以通过AI眼镜完成实时翻译、场景识别、语音交互、信息查询、导航提醒、会议记录、远程协作等任务，让AI更加自然地融入日常生活。

随着硬件轻量化、模型小型化和端侧算力能力提升，AI眼镜有望成为物理AI的重要落地入口。未来，AI眼镜等智能终端的普及，将进一步推动多模态模型、语音交互模型、视觉识别模型和边缘推理能力的发展，也将带动智能算力服务需求持续增长。

奇点算力：为物理AI发展提供算力基础设施支撑

姜洲峰表示，物理AI表面上看是机器人、智能汽车、AI PC和AI眼镜等终端设备的爆发，但背后真正支撑产业发展的，是AI模型、数据和算力基础设施。

人形机器人需要大量训练数据和模型推理能力，自动驾驶需要持续迭代的道路数据和高性能计算支持，AI PC需要本地推理和端云协同能力，AI眼镜需要实时感知和多模态交互能力。这些应用的背后，都离不开稳定、高效、可调度的智能算力基础设施。

AI的背后是算力，算力的背后是电力。随着物理AI不断落地，算力将从云端进一步扩展到边缘端、终端和各类实体设备中，形成更加庞大的产业生态。

作为专注于智能算力服务的平台型企业，奇点算力将持续围绕GPU算力租赁、智能算力调度、集群运维、算力资源整合和行业应用服务等方向完善平台能力，助力人形机器人、自动驾驶、AI PC、AI眼镜等物理AI应用加速落地。

姜洲峰认为，人工智能的上半场是大模型竞争，下半场将是物理AI落地竞争。未来，谁能更好地连接算力、数据、模型和应用场景，谁就有机会在新一轮人工智能产业浪潮中占据主动位置。

物理AI正在打开新的增长空间，也正在推动智能算力进入新的发展周期。站在AI走向现实世界的关键节点，奇点算力将继续深耕智能算力基础设施建设，为物理AI产业发展提供更加稳定、高效、灵活的算力支撑。