文章来源：整理自MEMS及网络
“物理AI”又双叒刷屏了！从年初黄仁勋断言物理AI的“ChatGPT时刻”已经到来，到日前他直接以“物理AI时代已经到来”为整场演讲定调，再到10月杭州王兴兴说“已经看到‘物理AI’被击穿的苗头”——一个共识正在快速成形：AI的下一站，不再止于屏幕里的文本与图像，而是要进入物理世界，去感知、推理并行动。
机器人技术的兴起为“物理AI”的发展铺平了道路，预计该技术随后将扩展至汽车和无人机等其他终端系统领域。传感、成像与射频市场的合计营收在2025年已接近1000亿美元，并预计将以4.4%的复合年增长率（CAGR）持续增长，到2031年将实现1288亿美元市场规模。
传感、成像与射频市场营收
随着传感、成像与射频三大行业的日趋成熟，相关企业正积极构建并整合专业能力，以更好地应对汽车、消费电子、人工智能（AI）及机器人等市场在产品开发、规模化量产及盈利能力方面所面临的挑战。
几十年来，机器感知往往意味着将摄像头固定在机械臂上，通过一套有限的规则来读取条形码或检查焊缝。如今，包含成像、传感与射频技术的感知技术栈，已成为新一代机器（例如人形机器人、自主移动平台、无人机及自动驾驶汽车）的“感官神经系统”。发生改变的不仅仅是硬件，更是硬件背后的能力。生成式AI和多模态大模型的兴起，将感知从一种狭窄的、针对特定任务的流程，转变为一种通用的理解层——它不仅能检测场景，还能对场景进行推理。这正是“物理AI”的精髓所在：这种智能不仅仅生成文本或图像，还能借助传感器融合、互联技术和强大的计算能力，在物理世界中进行感知、推理和行动。
《MEMS产业现状-2026版》报告显示，2025年MEMS市场规模达到171亿美元，MEMS传感器和执行器的出货量超过330亿颗。Yole Group预计，到2031年该市场规模将达到244亿美元，复合年增长率超过6%。在博世（Bosch）、意法半导体（STMicroelectronics）和TDK等企业的引领下，MEMS器件如今已广泛应用于从智能手机、汽车到数据中心的各类设备中，涵盖运动追踪、音频交互、磁场传感和光投影等上百种应用场景。
物理AI重新定义了MEMS器件的价值。模型若要对物理世界进行推理，前提是必须先有手段对其进行测量：MEMS传感器正是这一技术栈的基石，它们将运动、声音、压力和光线转化为模型训练与运行所需的数据。人形机器人的出现凸显了这种依赖关系。为了实现导航、操作和交互，它们需要大规模部署高密度、低功耗且高性价比的传感技术——而这正是MEMS器件早已实现数十亿级出货量的领域。
几十年来，MEMS产业一直致力于将物理量更好地转化为数值；这使得MEMS传感器如今能够迅速推进人形机器人技术的发展。更深层次的转变在于方向性的变化：未来，物理AI将需要具备“反向作用”的能力——即通过MEMS微镜、微型MEMS扬声器和超声换能器等执行器组件，使模型不仅能观察环境，还能对环境施加影响。
《CMOS图像传感器产业现状-2026版》报告显示，2025年CMOS图像传感器市场规模达到253亿美元，预计到2031年将增至303亿美元，复合年增长率为3.1%。这一数据背后反映出一个趋势：基于CMOS图像传感器的摄像头正逐渐从单纯的记录工具，转变为机器理解周围环境的主要手段。
人形机器人是这一趋势的典型例证，也是CMOS图像传感器与物理AI结合最紧密的领域。实时识别物体、判断距离以及对人员做出反应，这些任务无法依赖固定的布局或预设的程序。人形机器人若要识别物体、追踪手部动作或感知室内环境，首先需要捕捉场景信息；而CMOS图像传感器正是这一系统中的“眼睛”，负责将光信号转化为模型进行推理所需的数据。
索尼（Sony）在该市场占据绝对领先地位，紧随其后的是三星（Samsung）、豪威科技（Omnivision）和意法半导体（ST）。在实际应用中，这通常涉及分布在头部、手部和躯干的多个摄像头协同工作，各司其职——例如广角镜头用于室内导航，近距离镜头用于物体操控——从而让机器人构建出连贯的整体视图，而非局限于单一狭窄的视角。人形机器人凸显了这种依赖关系：为了实现安全的抓取、导航和交互，它们不仅需要二维RGB图像信息，还需要感知距离信息；这为基于SPAD的深度感知技术与传统CMOS成像技术的结合打开了大门。
除了用于通信和云端数据卸载的互联功能外，射频技术还提供了一种摄像头和激光雷达（LiDAR）无法企及的感知维度。雷达和毫米波传感技术能够穿透障碍物、雾气、灰尘或黑暗环境，并测量物体速度；这种能力使雷达成为工业机器人和自动驾驶汽车中物体追踪的主力技术，并且不受光照条件限制。超宽带（UWB）技术则作为补充，在GPS无法覆盖的室内环境中提供定位能力。即便是连接层本身——包括Wi-Fi、蓝牙及5G/6G——也正日益被赋予“被动感知”的新功能，即利用原本用于数据传输的射频链路来提取有关人员存在及运动状态的信息。其创新之处在于，将这些射频数据与处理视觉及物理数据的生成式模型及预测模型相融合，从而构建统一的数据表征，而非仅仅依赖相互独立的传感器数据流。
对于在人类周边环境作业的人形机器人而言，这种融合尤为重要：随着这些机器人逐渐进入家庭、医院及各类工作场所，射频传感技术能够帮助它们实时掌握摄像头视野之外的人员与障碍物动态，从而构筑起一道至关重要的安全防线。这种技术融合正发生在一个快速增长的射频市场之中，2025年该市场规模达到553亿美元。
人形机器人是传感器融合技术最直观的体现，但这仅仅是该领域的前沿阵地。同样的底层技术要素——包括MEMS传感、CMOS成像和射频传感——正被广泛应用于更多类型的物理AI系统中，涵盖自动仓储车队、农业机器人、手术机器人、智能基础设施，甚至是消费级可穿戴设备。这些终端市场正经历着共同的根本性转变：感知不再仅仅是局限的探测任务，而是演变为建立在生成式AI基础之上的、丰富且具备多模态推理能力的层级。随着传感器成本持续下降以及多模态模型不断优化，谁能掌握从“感知”到“行动”的完整链路，谁就将主导物理AI发展的下一阶段。
