聊天机器人写文章,编程AI写代码。那么,谁来设计喷气发动机呢?

Jeff Bezos在这个问题上押注了120亿美元。

3秒速览
数字AI趋于饱和 物理AI崭露头角 人工通用工程师(AGE) 喷气发动机与新药设计自动化 410亿美元战场开幕

物理AI是什么?— 和聊天机器人有什么区别?

ChatGPT生成文本,Cursor写代码,但人类有史以来制造的最复杂的东西 — 喷气发动机、半导体芯片、新药分子 — 还没有被AI触及。

原因很简单。"数字AI"本质上是模式匹配,从数十亿篇文本中学习,预测下一个词。但设计喷气发动机不一样。空气动力学、热力学、材料科学、制造工艺……数十条物理定律必须同时配合运作,需要的不是文本模式,而是对物理世界因果关系的真正理解。

Bezos的初创公司Prometheus将此称为"人工通用工程师(Artificial General Engineer, AGE)"。 与AGI(人工通用智能)只差一个字,但目标截然不同。不是像人类一样思考的AI,而是像工程师一样设计的AI。Physical Intelligence(π)的创始人称之为"机器人应用的寒武纪大爆发"的开始。

数字AI(现在)物理AI(下一个战场)
处理对象文本、图像、代码物理系统、分子结构、工程设计
核心能力语言模式学习理解物理定律+仿真模拟
输出文本与代码生成喷气发动机设计方案、新药候选分子
市场已趋饱和(OpenAI·Anthropic·Google)尚未开幕

410亿美元 ÷ 150名员工 — 这个数字说明了什么

Prometheus目前有150名员工,办公室分布在旧金山、伦敦和苏黎世。 然而企业估值高达410亿美元。

$12B
B轮融资额
$41B
企业估值
150人
当前员工数

每位员工对应的估值约为2.7亿美元。这个数字只说明一件事:在物理AI领域,算力的成本远超人力。

用AI自动化喷气发动机设计,需要AI模拟数千万种设计组合,每次模拟都要计算真实的物理定律,这需要庞大的算力。据悉,大部分资金将投入算力基础设施。 运营的不是150人的团队,而是数千个GPU的矩阵。

Goldman Sachs、JPMorgan Chase和BlackRock出现在投资者名单上值得关注。 这些机构通常不投AI初创公司,它们的入场意味着Prometheus的目标不只是一款AI工具,而是有望重塑航空航天、制药、制造业等价值数百万亿美元的传统产业设计基础设施的生意。

联合创始人Vik Bajaj曾是Google旗下生命科学部门Verily的联合创始人。 这一背景解释了为何新药化合物设计会成为首要目标。生物分子同样是物理定律主导的领域。

那Bezos认为"大规模失业"会来临吗?

如果AI接管了工程设计,工程师的工作岂不是要消失了?Bezos的答案出人意料。

"整体经济生产力的提升将提高生活水平。"

— Jeff Bezos,Prometheus发布现场

他的逻辑是:AI提升生产力 → 实际收入上升 → 更高的收入带动更多消费和服务需求 → 这些需求又需要人来满足。他预测一个双职工家庭变为单职工、加班消失的世界——不是"大规模失业",而是"劳动力稀缺"时代的到来。

这个论断并非空穴来风。Amazon目前在全球拥有超过150万名员工, 同时在全速推进仓库自动化。最激进的自动化企业同时也是全球最大雇主之一——Bezos已经亲手运营并观察这一悖论超过20年。

物理AI的现状:已经开始了

Prometheus还在保密期间,NVIDIA已经与Foxconn、宝马、川崎重工合作,在制造现场部署AI数字孪生。 Physical Intelligence(π)于2026年4月发布π0.7,称其为"泛化能力的飞跃", 且π0模型已作为开源项目公开。物理AI之战没有等待Prometheus就已经打响。

当然也有质疑的声音。Prometheus至今没有发布任何具体产品或公开演示。"人工通用工程师"的概念要成为现实,还必须跨越航空(FAA)和制药(FDA)监管审批这道门槛。410亿美元的估值,属于AI初创公司中最激进的水平。

如何为物理AI时代做准备

不管Prometheus成功与否,"物理AI"作为一个品类已经是现实。以下是你现在可以做的事。

  1. 梳理自己行业的物理瓶颈清单
    如果你在制造、物流、研发或工程领域,列出目前最重复、最耗时的设计/验证流程。物理AI最先啃的就是这些瓶颈。
  2. 现在就开始熟悉仿真和数字孪生工具
    物理AI运行在仿真技术之上。现在开始使用NVIDIA Omniverse、Ansys或Siemens NX等工具,当AI工具实用化时,你的进入壁垒就会更低。
  3. 守住领域专业知识
    物理AI依然需要懂得物理世界的工程师来验证和把关。领域知识在AI时代反而会成为更稀缺的资产。
  4. 从现在开始结构化设计数据
    AI学习物理系统需要结构化数据。系统地记录设计参数、测试结果和失败案例,这将成为你公司的AI训练数据。
  5. 现在就试用π0开源模型
    Prometheus尚未公开,但Physical Intelligence的π0模型已作为开源项目发布。 NVIDIA也在持续扩大制造业合作。 体验物理AI的渠道现在就已开放。

想要深入了解?

Jeff Bezos's Prometheus raises $12B for physical world AI Prometheus B轮融资完整公告,含联合创始人、投资方及技术目标详情。 techcrunch.com

Physical Intelligence (π) — Foundation Models Blog π0.7及开源模型发布,Vision-Language-Action技术详解。 pi.website

NVIDIA Physical AI for Manufacturing 与Foxconn、宝马、川崎重工合作部署的AI数字孪生及制造应用案例。 nvidia.com

CB Insights — Physical AI and Manufacturing Robotics 物理AI及制造机器人领域115家以上公司的市场地图。 cbinsights.com