报告：物理AI发展速度超过市场部署准备

AWS Startups 与 Strand Partners 联合发布的报告，标题直接点出了它想说明的问题——“Physical AI Growing Faster Than Markets Are Ready to Deploy”。报告基于对 4,420 家科技初创企业的调查，其中 663 家是物理 AI 构建者，覆盖机器人、自主系统、无人机、计算机视觉和传感器等技术。

调查给出的第一组数字是供给侧的：20 个市场中 15% 的初创企业正在构建物理 AI。需求侧同样有热度——16% 的初创企业已在使用他人开发的物理 AI 系统，12% 正在试点，29% 正在评估采用。也就是说，围绕这项技术的构建、试用与观望，已经同时铺开。

但报告把“客户准备度”单独拎出来作为最薄弱环节：仅 26% 的构建者认为本地市场已准备好部署该技术，70% 表示客户采用缓慢制约了增长。这是全文最值得记住的一组对照——构建端的活跃度，明显高于市场端的承接能力。

物理 AI 的开发方式决定了它对基础设施的依赖程度。72% 的构建者称云计算对其构建、训练或运行系统至关重要，62% 表示没有云就无法起步。这不是“偏好云”，而是把云当作前提条件。

仿真与合成数据同样被高度依赖：62% 的构建者认为其至关重要。算力则是另一道坎，56% 表示算力有限拖慢了开发进度。

在训练与运行的部署形态上，报告给出了一个混合图景：60% 在云端训练模型，54% 在设备端运行模型以实现实时响应，38% 两种方式兼用。物理 AI 的“实时性”要求，使端侧运行成为相当一部分构建者的必要选择，而非替代方案。

报告把准备度拆成五个维度，结果呈现出清晰的高低差：人才与技能 68%，供应链与零部件 60%，资本与投资 46%，监管 40%，市场准备度 26%。

人才一项最高，说明构建者对自己能否找到所需技术与工程人才相对有信心。供应链次之，60% 的构建者称能采购到所需硬件，但同一份报告也指出，48% 表示关税或贸易壁垒限制了关键零部件的获取——能采购与采购顺畅并不是一回事。

资本与投资只有 46%，意味着不到一半的构建者称能获得构建与扩张所需的资金。监管 40%，58% 称监管碎片化或不确定性拖慢开发。而市场准备度 26% 垫底，与 70% 的“采用缓慢制约增长”相互印证。

在商业部署上，报告给出的排序是：制造与汽车行业最领先，51% 的构建者称产品已投入使用；物流、仓储与零售 47%；农业 40%；医疗 37%。

这组数字说明物理 AI 并非停留在原型阶段，但落地程度在行业之间差异显著。制造与汽车与物流仓储零售的差距不大，而农业与医疗相对靠后，构成了从 51% 到 37% 的梯度。

在有付费客户的构建者中，31% 称客户主要追求更快或更高质量的工作，22% 为填补劳动力短缺，17% 为降低人力成本。整体上，性能而非替代人力，是更常见的采用理由。

但这个平衡在不同国家会翻转。劳动力短缺是日本（34%）、德国（30%）、韩国与新加坡（各 29%）的首要采用驱动因素；而在印度（43%）、越南（40%）、印尼（37%），性能领先。报告还提到，在这些以性能为主导的市场，只有 12% 到 13% 的客户提到劳动力短缺。

这一差异提示，物理 AI 的“卖点”并非全球统一：在劳动力紧张的市场，它更像补人手的工具；在另一些市场，它首先被当作提升产出质量与速度的手段。

报告衡量的是物理 AI 构建者的地理集中度，而非商业部署率，两者不可直接等同。按这一口径，德国以 24% 领先，日本和以色列 21%，韩国和美国 20%，法国与新加坡 17%，印度 16%。

需要特别注意的是覆盖缺口：中国未被纳入此次调查的 20 个市场，因此国别比较无法显示其物理 AI 创业基础与德国、日本、美国等的相对位置。

但报告同时指出，中国正大力投资物理 AI，且已是受访构建者最大的单一外国硬件组件来源，20% 的构建者将其列为主要供应商。这与 48% 的构建者称关税或贸易壁垒限制关键零部件获取放在一起看，构成了一种结构性张力：供应链的一端高度集中，另一端却面临获取障碍。这一数据的具体统计口径与样本分布，来源中并未说明。

构建者对前景相当乐观：76% 预计物理 AI 将在五年内成为其行业主流，其中 36% 预计两年内实现；四分之三预计同期将重塑自身业务。

这些是构建者的主观预期，而非已实现事实，需要与前面的约束条件对照阅读。报告本身也指出，更广泛的部署需要更高的客户认知、技术技能、资金、更清晰的监管，以及用于训练、仿真和部署的基础设施。

换句话说，26% 的市场准备度、46% 的资本可得性、56% 的算力约束、58% 的监管摩擦，正是 76% 乐观预期需要跨过的门槛。报告由 AWS Startups 与 Strand Partners 发布，其调查方法与样本代表性未在来源中详述，且缺少第一方原始报告链接与第三方独立验证，因此上述数字应视为该报告及其转述的结论，而非独立核实的定论。