随着人工智能技术向物理世界延伸，物理AI正成为科技领域的新焦点。然而，最新研究指出，物理AI的发展正面临新的瓶颈，主要体现在数据获取和算力需求两方面的挑战。
物理AI旨在让机器在真实环境中感知、理解并行动，其应用场景涵盖机器人、自动驾驶、智能制造等。与数字AI不同，物理AI需要处理海量的多模态感知数据，并实时做出决策，这对数据采集和计算能力提出了更高要求。目前，高质量物理数据的稀缺以及训练所需算力的高昂成本，已成为制约物理AI落地的关键因素。
业内专家表示，突破物理AI瓶颈需从数据共享机制、专用芯片研发以及算法优化等多方面入手。未来，随着技术迭代和产业协同，物理AI有望在更广泛的场景中实现应用。