华为报告：物理智能规模化为何卡在协同

2026年，资本正为AI走进物理世界疯狂下注。IT桔子数据显示，截至5月11日，国内具身智能领域今年已披露投资218起，金额超577亿元，不到半年便超过2025年全年357起的总量。摩根士丹利年内第二次上调中国人形机器人出货量预测，从年初1.4万台调高至5万台。赛迪顾问预测中国低空经济市场规模2026年将突破1万亿元；中国商业产业研究院测算2026年中国自动驾驶市场规模将达5293亿元。从黄仁勋将Physical AI称为“AI的下一波浪潮”，到Figure AI在宝马工厂完成1250小时真实生产作业，AI向物理世界进军似势不可挡。

但摩根士丹利拆解显示，2025年中国出货的人形机器人中，42%流向研发与教育，19%用于互动展示，19%用于数据采集，真正在工业物流场景干活的仅占4%。钱投了、货出了，物理智能为何难以规模化上岗？

9月18日，华为全联接大会2026期间，华为联合中国信通院、中科院沈阳自动化研究所、全球计算联盟、安永发布《物理智能云边端协同架构研究报告》，核心判断是：物理智能必须从“单点瓶颈”走向“系统进化”，路径是云边端协同。

华为将物理智能定义为AI在真实物理世界完成感知、理解、推理、规划、行动和反馈闭环的能力体系，载体包括机器人、自动驾驶、智能空间及工业自动化设备等。它们面临同一底层架构问题：“实时性”与“复杂性”的两难。华为ICT新机会孵化部计算领域总监罗云峰直言“AI入端”是最大瓶颈。端侧算力、功耗、成本、空间多重受限；云侧大模型推理时延无法满足毫秒级工业控制，多维感知意味着超大上行带宽，传统网络却以下行为主，弱网断网下纯云端方案有瘫痪风险。更根本的是，感知、决策、执行、协同、学习、运营六层任务运行频率相差巨大，同一节点无法形成闭环。

华为ICT新机会孵化部总裁翟广雷举例：博尔特百米9.58秒，机器人可做到9.36秒；人类背式跳跃约2.4米，机器人今年已能跳3米多。但机器人在生产线上连拧螺丝都有困难，因精密制造需细化到0.1至0.2毫米，需视觉、精确触控、力控和灵巧手结合。性能可由单点堆砌，能力却必须依赖体系。

既然单点无法同时满足实时性与复杂性，只能让端、边、云各司其职：端侧专注微秒/毫秒级实时感知与高频运动控制，解决“快”和“安全”；边缘侧作为区域中枢，承担数据汇聚、本地模型微调、多机协作与弱网自治，解决“稳”和“联”；云端作为全局智脑，负责大模型开发、全局规划与运营，解决“强”和“智”。通过分层协同降低单点算力依赖，兼顾确定性时延、复杂推理、多机协同与全局优化。

报告提出“三域协同·一网贯通”核心主张。三域协同对应任务、数据、算力三条流动主线：应用协同让任务在云边端合理分拆调度；数据协同完成本域多模态数据对齐，实现跨域感知共享与训推数据打通；算力协同统一调度不同位置、不同范式算力资源。前提是“一网贯通”，以端内网、端间网、端云网覆盖全域，依托TSN、5G-A、星闪与工业以太总线融合，构建全域连接能力。网络由此从“连接设备”升级为“连接任务与智能能力”。

智元机器人具身业务部总裁姚卯青提到，具身智能行业普遍面临“数据墙、表征墙、闭环墙”。华为报告给出的破解之道是“真机数据回流—云端训练评测—边端模型下发”的数据飞轮，同时要求真实数据、仿真数据、生成数据三类来源协同。报告还明确四大设计原则：分层解耦、协同自治；实时优先、智能协同；弹性调度、资源最优；开放兼容、持续演进。

落地进程分三阶段：近期边缘按需部署、以端加云为主，先在零售、巡检等场景跑通；中期（2028—2030年）走向区域自治，边侧增加“一脑多机”，端侧增强“一机多脑”；远期走向动态协同，形成一体化分布式智能网络。场景上优先在制造、物流、能源、商业服务等结构化专业场景落地，再向家庭服务、城市物流等开放复杂场景拓展。华为制造与大企业军团副总裁王剑伟判断，具身智能现阶段很像2017、2018年自动驾驶刚开始的阶段，产业周期还需3到5年才可能规模化落地。

华为与国家地方共建人形机器人创新中心在WAIC大会发布首个具身智能实训场样板点——麒麟训练场，为全国首个异构人形机器人具身智能训练场。云端昇腾超大规模智算集群负责预训练，边缘节点支撑实时推理，端侧低功耗芯片负责本体运动控制。模型部署到端侧真机后，云端持续监控运行状态、收集数据与问题，端侧真机数据回流反哺下一轮训练，完成数据飞轮首个规模化实践。目前从该体系训练出的机器人已进入汽车制造、智慧零售、城市环卫、特种作业等场景。

物理智能是横跨芯片、基础模型、通信网络、真实世界数据、行业落地场景的复杂系统工程