物理AI趋势下K型分化的整合和统筹
在当前的经济和技术发展形势分析中，有两个议题讨论比较热烈：
一是经济形势的K型分化，即20%的新动能上升难以对冲80%的旧动能下降，尽管这是真实的压力结构，但该判断容易被简化为新老交替、优胜劣汰的线性叙事；二是技术发展向物理AI方向收敛已成为大势所趋，这一议题也成为2026世界人工智能大会（WAIC）的讨论热点。尽管技术路线呈现多样性，不同学者对世界模型的理解也各有差异，但这种多元探索正是技术进步的积极表现。作为一个庞大的经济体，中国经济在物理AI的趋势下将展现出独特韧性。
物理AI是人工智能发展的大势所趋
超级智能体出现以后，各方均在探索更高层次的智能形态。在Transformer架构下，从“大力出奇迹”、“压缩即智能”到“协作群体智能”的智能扩展形式得到了充分演绎。若要向更高层次跃迁，则需要对架构进行颠覆性创新，从而形成新的智能生成机制。所以有一些研究团队在颠覆Transformer架构的方向上跃跃欲试。
一个越来越清晰的共识是，能理解静态问题的，未必是真正完整的智能；能理解动态变化物理因果的，才是更为完整的智能。物理AI正是在此背景下应运而生，它是指理解物理规律并与环境和智能体实时交互的AI系统，将人工智能从数字世界带入物理世界，具备现实世界的行动能力，其综合能力更为全面。
物理AI的重点在于发展出越来越强的自主行动能力，方向收敛而路线多样化，这是一个良好的发展状态。一条道走到黑是可怕的。物理AI是人工智能下一步需要攻克的高地，也是AI与实体经济融合的主线，但攻占这一高地仍面临诸多挑战。
首先，目前物理AI能力尚处于锯齿智能时期，即所谓莫拉维克悖论——人类所独有的高阶智慧能力只需要非常少的计算能力；但无意识的技能和直觉却需要极大的运算能力。也就是人类觉得难的，AI很容易完成；人类觉得简单的，机器实现起来却异常困难。比如AI的推理、数学和代码能力在博士水平之上，而行动能力却不及孩童。这种认知能力与行动能力之间的不齐整形成了锯齿现象，齿谷短期内难以填平，长期来看，在自我认知、自主意识的智能层面能否弥合仍存在争议。比如，李飞飞教授虽然构建了包含渲染器、模拟器、规划器的三层世界模型，但对未来AI是否会出现主观自我认知也没有给予肯定。这可能正是自然进化智能与人工制造智能之间的终极区别。锯齿智能的长期存在是物理AI应用中一个值得研究的现象。
其次，现有智能系统在某些领域的能力已远超一般人的水平，比如自动驾驶汽车。再比如语言大模型，因能力强大,对就业的替代剧烈而广泛，也就是对就业的替代范围较大，而创造的就业相对较少。由于锯齿智能现象的存在，物理AI的渗透对新就业的创造呈渐进式、长期性，不会像语言大模型那样激进。物理AI所创造的新需求同样也呈渐进特征，分布式推进，即随着产业链向远端延长、向细分深化，也会相应地创造需求增加就业，这是一个相对较长且持续的过程。具身智能对就业的替代也遵循类似规律，具备某项功能便替代一部分岗位，具备新的功能便再替代一部分，整个过程将延续相当长的时期，但在这期间所创造的需求和就业累计起来的量是巨大的，远远超过其所替代的量。
此外，在具身智能底座上，物理AI的发展需要多重技术支撑，包括视觉语言模型（VLM）、视觉语言动作模型（VLA）、视觉语言导航模型（VLN）、世界模型、空间智能等，这些技术概念和实践都在物理AI发展进程中不断演进。在物理感知层面，轻量化的视觉导航与雷达传感器导航方式并存，马斯克主导的视觉路线与华为的雷达传感器路线各具特点，两者并行发展。过去两年，大模型从单模态走向全模态，AI从虚拟空间走向现实空间，物理AI与数字智能正在深度融合。
物理AI的趋势将引领经济结构发生更加复杂的演化，其对经济发展的影响将超越以往任何一个人工智能发展阶段。无论是具身智能体、物理AI赋能产业、物理AI for science，还是物理AI社会治理，都将满足更多社会需求，同时也催生出新的社会需求。
经济增长的动力将更多来自于对K型的整合与统筹
无论从当前还是中长期来看，供需问题的核心并非供强需弱的总量失衡，而是供需的结构性错配与新旧动能的转化，这个问题需要重新审视。这正是物理AI在K型剪刀口区域进行整合与统筹的关键所在。
图：物理AI对K型剪刀口区域的整合与统筹
看待K型分化，不能仅关注撕裂的表象，更要看到背后蕴含的转化机遇。今后增长的动力在于新旧动能之间的剪刀口地带，撬动增长的杠杆就是实施“物理AI+行动”，而这个剪刀口地带正是物理AI发挥作用的战略纵深。对此，有以下推演：
一般状态下，新动能拉动旧动能提升，但由于旧动能体量大而拖累新动能，使之增长速度有所下降，剪刀口地带收窄；理想状态下，新动能增速提升，旧动能因新动能拉动和技术改造托底亦随之增长，两者融合互动，K型上下线同时转为增长线；而较差的局面则是旧动能拖累新动能下行，形成双线都下降局面。形成什么样的状态，一个关键因素就是“物理AI+”的力度和渗透率，我们有信心通过物理AI这一赛道，将传统产业、新兴产业与未来产业统筹起来，形成强大的发展动能，争取达到理想的状态。因此，工作的重点应放在剪刀口区域的整合与对接上，即适应AI革命的大趋势，在发展新技术新产业的同时，以融合化的思路盘活传统存量资产。
在当前形势下，单纯强调新旧动能融合已显不足，有必要更深入研究三层逻辑，即托底、转化与出清，明确其中哪些值得托底，哪些具备转化条件，哪些应当有序出清。在剪刀口区域内，物理AI同时承担双重角色：
一是托底端延缓传统产业的下滑。主要通过数字化与智能化升级，尤其是物理AI所推动的精度革命与效率革命，提升传统产业的效率边界和经济效益，从而减缓其衰退速度。
关于什么样的旧动能值得托底，可依据三条判断标准：第一，资产本身具有价值，包括设备、厂房和土地等有形资产；第二，行业需求长期存在，但当前成本结构不经济，比如氢能生产和储运；第三，引入物理AI后，边际效应能够显著改善。满足这三条者可以纳入托底范围，不满足者则应有序出清。
二是拉升端，核心任务是加速转化。即通过融合创新，将具备条件的旧动能直接拉入新的增长轨道。传统产业在托底过程中会积累大量技术能力和人才储备，一旦跨过临界点，便可能进入新的增长通道。这就像2000年互联网泡沫破灭后，留下的光纤网络、在线消费习惯及各类协议均成为后续发展的优质资产。拉升作用的方向是K型的上行线，其效果是使具备转化条件的旧动能进入新的增长轨道，适用的对象以具备一定技术基础但受制于传统工艺瓶颈的产业为主。这样新动能的队伍就会逐步扩大，从而改变旧大新小的局面。
托底与拉升并非先后关系，而是同时进行、相互增强的过程。以传统铸造业为例，过去模具制造周期长达数月，如今3D打印技术的引入显著降低了模具制作的时间和成本。再结合AI参数优化，短期内可有效托住铸造业；中长期则可使部分企业转型为航空航天、新能源汽车、精密机床等高端制造业的供应商，使传统铸造厂避免沦为落后产能，而是成为高端制造的基础环节。这就回应了“关于物理AI是否仅是锦上添花而非雪中送炭”的常见质疑，事实上物理AI在托底端同样有效。当然，并非所有传统产业都值得拯救，部分产业仅是缺一个技术杠杆，给予杠杆便可激活；而另一些则需考虑出清。
在何种情况下出清比转化更为经济？主要有三种情形：一是行业本身处于萎缩状态，例如传统铅酸电池中单纯动力型铅酸产线，虽然可以通过AI提升效率，但无法创造新的需求，故应考虑出清；二是资产专用性过强，转化成本高于重置成本，即改造费用超过新建费用达到一定阈值时，应放弃转化；三是面临环境安全硬约束，无法通过技术改造实现达标，例如低端民用普通铅酸产线、环保不达标老旧产线；再比如小规模高污染的石油化工产能，即使引入智能化改造，其污染处理和降碳成本仍然较高，这也是山东压缩全省小化工、发展裕龙岛炼化一体大化工的原因所在，本质上也是一种出清。
除这三类应严格出清外，其余产业应优先考虑转化，即通过“物理AI+”行动再造千行百业。具体应用方面：一是运用物理AI技术，缓解人口老龄化催生的“刚性新需求”供给不足的矛盾。比如智能陪护机器人、智能助力设备、家务机器人等可逐步填补这一缺口。二是推动重点产业低碳改造行动，相关部门在钢铁、煤炭、化工、交通、建筑等重点高耗碳行业已经出台了降碳方案，做了大量工作。这里面“氢”是一个很重要的枢纽，比如载氢能源、氢-电耦合、化工行业加氢减碳、氢冶金等。三是推动化工业与矿产业从“高能耗”到“新材料”的蜕变。四是传统加工与铸造因AI赋能而重生。五是盐碱地、低产田等治理从"改地适种"到"改种适地"的AI4S革命。基因编辑技术可大幅缩短育种周期，使得“改种”比“改地”难度更低。在大量物理AI技术的加持下，相关领域有望重塑产业新生命。
物理AI在K型剪刀口区域的整合并非一次性的推动，而是形成托底、转化、出清的递进链条。那些因成本高、效率低而被贴上旧动能标签的产业，如铸造、煤化工、低端制造、传统农机、盐碱地等，在物理AI技术介入下，多数可以经过改造、重塑，从下行线转向上行线，剩余无法改造的再行出清。
总体而言，在技术爆炸尤其是物理AI进化的时代，没有绝对意义上的旧资产，只有尚未被新技术有效赋能的资产。在物理AI牵引下，在剪刀口区域通过新赛道拉升与老赛道技术托底，将传统产业、新兴产业与未来产业统筹起来，有望形成新的更大增长区间。
作者李萌系科技部原副部长，本文为作者在CF40宏观政策季度报告会第68期暨双周闭门研讨会第494期“AI宏观经济学”上所做的主题交流。文章仅代表作者个人观点，不代表CF40及作者所在机构立场，未经许可不得转载。