能源成本博弈新变量：物理AI如何重塑制造竞争力

对于大多数人而言，能源转型常令人联想到太阳能板、风力发电机和电动汽车。这些固然有效，却忽略了全球最大的能源消费部门——工业。工业部门占全球终端能源需求的近40%，为所有终端用途部门之最¹。尽管工业正在推进电气化，但速度还不够快，全球电气化率长期停滞在约20%的水平（意味着约80%的需求仍依赖化石燃料）²。

此外，工业还占据了能源需求增长的绝大部分（约三分之二），因此成为能效提升工作的首要目标³。在此背景下，以物理AI为代表的新一代技术正成为关键赋能者，有望在工业制造等领域进一步推动电气化、提升能效和保障能源安全（通过降低化石燃料依赖）。

物理AI标志着工业技术的跨越式演进，将AI从数字环境拓展至工厂、楼宇和电网。通过结合传感、连接与实时推理，机器如今能够在物理世界中自主感知、决策并行动。

物理AI的应用正分三个阶段推进。第一阶段包括“拾取-放置”自动化、预测性维护和工业传感，目前已得到广泛部署。第二阶段正处于积极试点中，以AI辅助设计、高级流程监控和数字孪生为中心。第三阶段处于前沿领域，涉及多机器人与人类协作，以及“世界模型”仿真——AI能够充分理解物理约束，从而自主管理整个工厂环境（见图2）。目前，领先的工厂自动化收入中，已有中等个位数至低双位数的份额包含AI功能，且AI已嵌入到相当比例的新品发布当中⁴。

与领先工业技术企业的交流显示，各方正竞相构建物理AI全栈能力，并将能源管理作为关键优先事项。例如，某欧洲领先工业科技公司正定位自身为“真实世界AI”的骨干平台。其轮式人形机器人在真实电子工厂环境中，在物流操作（如容器拣选、运输和搬运）中实现了高自主任务成功率。

该公司即将推出的“数字孪生编排器”结合了某AI芯片与仿真平台巨头的仿真环境与实时工程数据，可构建大规模工业元宇宙环境，AI代理在物理改造实施前即可基于物理级精度仿真流程变更。早期试点已实现近乎完整的设计验证，并大幅减少资本支出中的材料消耗。

某法国电气与自动化领军企业同样利用上述AI仿真平台创建先进电力系统的数字孪生。这些仿真模型展示了从公用事业电网到单个芯片的电力需求，从而能够精确规划设施级的配电与韧性。某日本综合工业集团已部署AI代理，以高精度和极短响应时间诊断工业设备问题；在电网中，AI辅助巡检显著提升了运营效率。某欧洲电缆及电力传输专业公司以类似方式应用AI，在电网基础设施中嵌入AI和传感器，以改善故障预测和实时潮流优化。

尽管这些用例各不相同，但它们均利用“数字孪生”平台，结合真实工厂数据进行仿真；将边缘AI嵌入机器和设备，以实现车间的实时自适应；以及部署自主AI代理，基于企业级数据快速合成生产/流程。每一层AI均可减少能耗和浪费，推动制造业迈向净零排放的未来（见图3）。

如果说AI实现了快速数据处理和推理（即“智能”），那么机器人内的执行器便可被视为“力量”。执行器将能量转化为运动，这是工厂能效中较少被讨论但正迅速崛起的重要维度。每一台工业机器人、每一只协作机械臂、每一个人形机器人，本质上都是运动控制系统（如执行器、电机、齿轮箱和驱动器）的集合。这些部件的能效表现正迅速成为投资焦点。

工业机器人关节中的电机单独效率约为80%，但计入齿轮箱和传动系统后，该数字降至约40%。⁶面对全球约430万台工业机器人的存量⁷，累计能源损耗将十分巨大。AI优化的运动规划是与硬件升级更强大的能效杠杆。例如，某领先工业机器人制造商及其数字孪生平台，工程师在“拾取-放置”操作中实现了74.8%的能耗降低⁸。

人形机器人可包含数十个执行器及其他高能耗部件，堪称全方位的能源挑战。这些短板降低了人形机器人在真实工厂环境中的生产力、效率及最终的经济可行性。然而，工程界的应对正在加速。新一代准直驱（QDD）执行器提供的扭矩重量比是传统谐波减速器的三到五倍，⁹而新型磁齿轮技术和高效无刷电机正将执行器效率推高至90%以上。¹⁰

那些通过先进电机设计、电力电子和AI驱动的运动优化，来解决执行器能源问题的公司，正在下一个工业时代的核心构建技术护城河。

工业消耗了全球40%的终端能源需求，使其成为物理AI等技术的理想应用场景——这些技术有望提升能效并减少浪费。但关键不仅在于采用AI，下一代工业领军者的分水岭将在于如何高效部署物理AI——将智能“大脑”与高能耗“力量”有机结合。

在工厂层面，物理AI的“力量”——执行器、电机和机器人系统——是能源需求的关键驱动因素，进一步凸显了高效工业流程和运动技术的必要性。随着制造电气化深入、自动化日益由AI驱动，电力使用正成为核心竞争力的关键。

同时，“大脑”——半导体、AI模型和控制软件——则决定了能源的使用效率，从而支撑了对高能效芯片、先进控制系统和优化软件的需求。物理AI系统需要高质量的真实运营数据，以在现实约束下优化性能；许多拥有数据和制造平台的现有企业正抓住机遇，与AI技术领导者合作以获取竞争优势。

此外，AI驱动的生产力提升还可应用于支持工厂运营的其他领域，包括通过智能电网、储能和电力电子实现的能源分配与管理，从而实现可靠、灵活的电力供应。

附注：

¹ IEA website, “Industry — Energy Efficiency 2025.
² IEA, World Energy Outlook 2025
³ IEA, Energy Efficiency Market Report, November 2025. Total final consumption in 2024 was over 450 EJ and has grown by around 25 EJ since 2019. Industry accounts for the largest share of this demand, at nearly 40%. Industry saw the strongest growth since 2019, contributing two-thirds of the total increase in global energy demand.
⁴ Robeco company research; Hannover Messe 2025 disclosures. AI-embedded products: mid-single-digit to low-teens share of leading factory automation revenues.
⁵ Robeco company research; Siemens management disclosures, Hannover Messe 2025. Wheeled humanoid performed pick, transport, and handling tasks autonomously in live factory.
⁶ Qviro, technical analysis cited in Articsledge, “AI Humanoid Robots 2026,” 2026.
⁷ International Federation of Robotics, World Robotics 2024.
⁸ Springer Nature, “Digital Twin-Based Self-Learning Decision-Making Framework for Industrial Robots,” IJAMT, June 2025. FANUC ER-4iA pick-and-place: 74.79% energy reduction via Bayesian optimization.
⁹ Intel Market Research, “Humanoid Robot Rotary Actuator Market Outlook 2025–2032,” 2025. QDD actuators: 3–5x greater torque-to-weight vs. harmonic drives.
¹⁰ Intel Market Research, 2025. Brushless motors and magnetic gear tech pushing actuator efficiency beyond 90%.
¹¹ McKinsey & Company, Turning humanoid supply chain constraints into billion-dollar wins, April 2026.