（问题）近年来，人工智能产业快速扩张，多国企业与机构在数据中心、图形处理器等基础设施上持续加码，“算力竞赛”成为行业高频词。
然而，与云端模型训练和在线推理能力不断提升相伴随的，是现实应用对稳定性、时效性与安全性的更高要求：当智能系统要在月面探测、灾害救援、城市道路、工业现场等环境中完成任务，依赖网络连接与云端响应的路径并不总是可行。
研究人士据此提出，下一轮决定性进展很可能出现在“能在设备本体完成闭环控制”的物理智能领域。
（原因）从技术逻辑看，云端智能的优势在于集中算力与海量数据，适合通用知识获取、语言理解与内容生成等任务。
但在物理世界，许多场景存在三类硬约束：其一是时延约束，自动驾驶避障、机械臂协作、无人机姿态控制等任务往往需要毫秒级响应，任何网络波动都可能放大风险；其二是可靠性约束，偏远地区、地下空间、海上和外太空等场景通信条件受限，甚至“无网可用”，系统必须具备离线能力；其三是安全与隐私约束，关键基础设施、医疗照护和公共安全等领域对数据出境、远程操控与攻击面高度敏感，端侧自治能在一定程度上降低外部依赖。
正因如此，研究者强调“智能必须住在设备里”，以保证关键任务可控、可用、可持续。
（影响）这一判断对产业布局可能带来结构性牵引。
首先，研发重心或将从“单纯追求更大模型、更高算力”逐步转向“算法—硬件—系统”协同，强调在有限功耗与有限算力条件下实现高可靠推理、持续学习与鲁棒控制。
其次，评价体系将从基准测试与对话能力扩展到真实环境表现，例如复杂地形的通过率、极端天气的稳定性、人机协作的安全边界等。
再次，产业竞争格局可能重塑：芯片、传感器、操作系统与机器人整机厂商的协同将更加紧密，供应链安全、软硬件生态和行业标准的重要性进一步上升。
对政府治理而言，物理智能广泛进入道路、工厂与公共空间，也将推动监管从“内容合规”延伸到“安全责任、事故追溯与系统认证”。
（对策）推动物理智能跨越“关键一跃”，需要多方在技术、产业与治理层面同步发力：一是夯实端侧计算与边缘智能基础，提升低功耗芯片、实时操作系统、传感融合与确定性推理能力，减少对网络与云端的强依赖；二是以场景牵引组织攻关，在自动驾驶、应急救援、矿山与港口作业、养老照护等领域形成可验证、可复制的示范应用，通过真实数据与迭代闭环加速成熟；三是完善安全体系与标准规范，建立覆盖数据、算法、硬件与整机的测试认证机制，明确事故责任与风险分担，提升公众可解释性与信任度；四是促进产学研协同与人才培养，强化机器人学、控制理论、材料与制造、计算机系统等交叉学科供给，为端侧智能提供持续创新能力。
（前景）从历史经验看，通用智能的“里程碑时刻”往往源于能力边界的突破与应用范式的转换。
云端大模型推动了信息处理方式变革，但物理世界的突破更依赖长期积累：更可靠的传感、更精确的控制、更强的自主决策，以及在复杂环境中不断试错与学习的能力。
未来一段时期，端侧智能与云端服务并非简单替代关系，而更可能形成分工协作：云端负责训练、管理与跨场景知识更新，端侧负责关键任务的实时执行与安全闭环。
随着硬件能效提升、算法压缩与部署工具链完善，机器人、无人系统与智能车辆有望在更多高风险、高价值场景中实现规模化落地，进而孕育下一次具有标志性的技术跃迁。
当算力竞赛的硝烟遮蔽技术演进的本质，回归物理世界的朴素认知或许正是破局关键。
从工业革命时期的蒸汽机到数字时代的智能体，人类技术飞跃始终遵循"工具延伸能力"的基本逻辑。
在探索智能边界的新征程上，那些能在真实世界中自主前行的机器，或将比云端浮动的数据洪流更早触及未来。