当大模型逐渐渗透到数字世界的各类应用，一个更具挑战性的方向正在浮现——如何让 AI 走出屏幕，进入真实物理环境。近日，富士通 宣布与 卡内基梅隆大学 联合成立“物理 AI”研究中心，目标是开发面向自主机器人的操作系统，并计划在 2026 年推出首个版本。
这一合作的意义，不仅在于机器人技术本身，更在于尝试构建“AI 操作系统”这一全新基础设施层，将大模型能力延伸至感知—决策—执行的完整闭环。
当前主流 AI 系统主要处理文本、图像等数字信息，而机器人则需要面对复杂多变的现实环境：不确定性、连续控制、多模态感知等问题远超传统 AI 应用。
“物理 AI（Physical AI）”的提出，本质上是将大模型的推理与规划能力，与机器人控制系统深度融合，使其具备类似人类的环境适应能力。
富士通与卡内基梅隆大学的合作，正是瞄准这一“认知智能 + 物理执行”的融合方向。
不同于传统机器人软件框架，该项目强调“操作系统级”的抽象，其核心目标包括：
从架构上看，这类系统可以理解为：
其目标是让机器人具备“通用能力”，而非仅针对单一场景训练。
将大模型引入机器人系统，核心挑战在于“离散推理”与“连续控制”的衔接。可能涉及的关键技术包括：
此外，系统还需要处理现实环境中的噪声与不确定性，这对模型的鲁棒性提出了更高要求。
富士通设想，该操作系统未来将部署于多个场景，包括：
在演示中，一台四足机器人已能够在移动过程中稳定搬运货物，体现出其在动态环境中的控制能力。
更关键的是，这类系统可以通过环境传感器持续获取数据，实现“在线学习”与能力迭代。
根据规划：
这一时间线表明，行业仍处于从实验验证向工程落地过渡的阶段。
这一项目释放出一个重要趋势：
AI 的竞争正在从模型层，向“操作系统层”上移。
类似于移动互联网时代的 iOS 与 Android，未来的机器人生态也可能围绕若干“AI OS”展开：
在这一框架下，谁掌握操作系统，谁就掌握生态入口。
从 AI 工程视角看，物理 AI 操作系统可以被视为“Agent 的物理扩展”：
这与当前软件 Agent（浏览器操作、代码执行等）形成对照——一个在数字世界，一个在物理世界。
富士通与卡内基梅隆大学的合作，标志着 AI 正在迈向一个更复杂的阶段：不仅要“理解世界”，还要“改变世界”。
当大模型能力逐渐成熟，真正的挑战将转向如何让这些能力在现实环境中可靠运行。而“物理 AI 操作系统”，或许正是连接这两者的关键桥梁。