人们谈论物理 AI 时,脑海里浮现的几乎总是同一类画面:人形机器人在仓库里搬运货箱,自动驾驶汽车在街道上穿行,机械臂在产线上完成精密装配。这些画面当然没有错,物理 AI 的确在让机器获得身体、感知和在真实世界中行动的能力。高盛在 2026 年大幅上调人形机器人出货量预测,2035 年出货量约 650 万台、对应全球市场约 1380 亿美元;黄仁勋则把物理 AI 可重塑的制造与物流产业,估到了 50 万亿美元的量级。数字足够惊人,叙事足够宏大。
但如果把物理 AI 等同于“给 AI 造一具身体”,这个理解就只对了一半。牛津大学计算机系高级研究员费豪在 2026 年 11 月于 arXiv 公开的一篇 59 页观点论文中,提出了一个容易被忽略的对称结构:物理 AI 时代会出现两类同等重要的智能个体,一类是拥有独立身体的具身机器人,另一类是被 AI 增强的人。后者不是前者的补充或过渡,而是与前者并行展开的另一条路径。而实现这种增强的系统,费豪称之为“认知共生体”(Cognitive Symbiont)。
为什么只有具身智能不够
具身智能的逻辑是“替代”:让机器进入物理世界,替人完成人不愿意做、做不了或者做起来不安全的事。这条逻辑在结构化环境里极为有力,仓储分拣、汽车总装、危险作业,机器人的效率优势会随着模型泛化和硬件成本下降而持续放大。
但人的日常困境,很大一部分并不落在“替代”的射程之内。见到多年未见的合作者一时叫不出名字,给敏感对象回一封措辞微妙的邮件反复斟酌,记起家人上个月提过的一项检查却忘了追问结果。这些事情不需要一双手替你做,需要的是一个了解你此刻处境、知道你的历史、能在不打断你的前提下给出恰当提示的系统。这些信息的源头不在公开互联网上,而在当事人自己的经历里,机器人再灵巧也够不着。
这就是增强个体存在的逻辑起点。具身机器人是“作为个体的 AI”,它有自己的目标、身体和责任边界;被 AI 增强的人是“被 AI 增强的个体”,人始终是主体,目标属于他,身体也属于他,AI 借用他的感官和双手进入物理世界。两者面对的不是同一个问题,自然也无法用同一种方案覆盖。
共享的内核,分岔的终局
费豪的论证中有一个值得认真对待的判断:这两类个体共享同一套“认知内核”,包括跨越长时间保存记忆、读懂情境与他人的心思、判断何时介入,以及从经验中持续修正自身。它们真正不同的只有三件事:目标归谁设定,身体归谁所有,出了问题由谁负责。
这个判断的实践含义比它听起来更激进。如果共享内核成立,那么为“认知共生体”发展出的记忆架构、情境理解和介入时机的判断能力,可以直接迁移到具身机器人身上;反过来,机器人在物理世界中积累的感知与行动经验,也在持续反哺增强个体的底座。两条路线共用同一套基础模型、同一套 agent 机制、同一套记忆系统,一侧的进步会同时抬高另一侧的天花板。
由此引出的评价尺度变化,或许比技术路线本身更值得留意。AGI 追问的是“机器自身能有多聪明”,衡量的是 AI 完成了什么;而费豪提出的 AHI,即 AI 增强人类智能,追问的是“在机器的帮助下,某一个具体的人能够多做成多少事”。前者以机器为尺度,后者以人为尺度。物理 AI 的终局不是一场单一赛跑,而是两条并行展开、共用底座、各自定义成功的路径。
增强已经发生在身体和感知层面
如果把“AI 增强个体”想象成纯认知层面的脑力辅助,就低估了它的物理属性。恰恰因为物理 AI 的底座在进步,增强正在同时发生在运动和感知的层面。
在运动侧,深圳极壳科技的消费级外骨骼已经把响应压到了毫秒级:2026 年 9 月发布的全下肢产品 Halo 搭载端到端运动控制算法,可提前约 0.2 秒预判动作意图,并以每秒最高 2500 次的频率动态调节助力;此前的 X 系列整机(碳纤维骨架)重 1.8 公斤,AI 算法实时学习用户步态,0.31 秒内完成响应,按企业口径可使肌肉疲劳度下降 63%。工业场景的验证更早:福特从 2018 年起在 7 个国家的 15 家工厂部署了 75 套上肢外骨骼 EksoVest,用在每天要把手臂举过头顶数千次的工位;福特称这类装备有助于把事故造成的损失工时减少约 75%。这不是“机器人替人干活”,而是人的身体在 AI 的介入下获得了原本不具备的耐力、精度和安全性。
在感知与认知的边界上,脑机接口正在把“增强”从隐喻变成可测量的输出。Neuralink 的 VOICE 项目公布的数据显示,一名渐冻症受试者在植入设备后的第一周,就在约 12.5 万词的词汇范围内实现了每分钟 75 个英文单词的输出速度,词错误率 5.8%。需要说明的是,这是公司自行披露、尚未经同行评审的单例首周数据,75 词/分钟是峰值还是均值也未公开。2025 年 12 月,中国科学院脑科学与智能技术卓越创新中心与华山医院的侵入式试验,则把信号采集到指令执行的端到端延迟压缩到 100 毫秒以内,低于人体自然神经环路约 200 毫秒的生理延迟。当输出带宽和响应速度开始逼近甚至越过生物极限,“被增强的人”就不再只是一个哲学概念,而是一个正在临床和产线上被一项项验证的工程方向。
微软《2026 工作趋势指数》对全球 10 个市场 20000 名 AI 使用者的调研提供了另一组侧面证据:66% 的受访者表示 AI 让他们能把更多时间投入高价值工作,58% 的人正在产出一年前无法完成的成果,这一比例在中国达到 72%。安永的报告则给出了一个更具张力的数字:一项覆盖 2310 名参与者、由麻省理工学院与约翰斯·霍普金斯大学在 2025 年完成的实验显示,人机协作团队的生产率比纯人类团队高出 73%;而在“人类+AI+叙事”的组合中,创造力相较纯人类基线提升了 265%,AI 单独作业时的这一数字只有 120%。增强的效果并不均匀地分布在所有任务上,它高度依赖于人是否仍然在设定意图、提供语境、做出判断——换言之,依赖于人是否仍然是主体。
并行的代价
承认增强个体与具身智能同等重要,并不意味着这是一条更平坦的路。恰恰因为增强直接作用于人,它带来的问题比机器人替代更贴身,也更难用技术本身来解决。
最直接的是获取的不平等。当外骨骼、脑机接口,以及目前还停留在论文里的认知共生体,都首先以高成本形态进入市场,被增强者与未被增强者之间的能力差距可能先于制度安排出现。安永的报告明确把“增强者与未增强者之间的差距”列为领导者必须面对的新挑战之一。物理 AI 的底座进步会同时惠及两条路线,但惠及的起点并不相同。
更深一层的张力在于责任与边界。具身机器人出了故障,责任归属相对清晰:制造商、部署方、运营者。但一个借用你的感官、了解你的历史、在你犹豫的瞬间给出提示的认知共生体,它出错时,责任落在谁身上?它对你了解得越深,介入得越精准,精神隐私的边界就越模糊。美国已有科罗拉多、加利福尼亚、蒙大拿、康涅狄格等州,在脑机接口技术大规模落地之前通过修法把神经数据纳入敏感个人信息,这本身就是一个信号:增强个体的治理窗口不会等到技术成熟才打开。
物理 AI 的叙事之所以吸引人,部分原因在于它许诺了一个“机器走出屏幕”的未来。但走出屏幕的并不只有机器。人也在借助 AI 走出生物能力的既定边界,以一种更安静、更分散、也更贴身的方式。具身智能改变的是物理世界里谁在劳动、谁在行动;增强个体改变的是人本身能够感知什么、记住什么、做到什么。后者不会出现在工厂产线的宣传片里,但它正在外骨骼的助力曲线里、在脑机接口的毫秒级延迟里、在每一个因为 AI 介入而多完成了一件“一年前做不到的事”的普通人身上发生。
物理 AI 真正值得认真对待的地方,或许不在于机器变得多像人,而在于人借助机器,正在变成一种此前没有机会成为的样子。
