Alfred Zhao 從Oracle起航，領(lǐng)略精彩的IT技術(shù)。

過去幾年，人工智能一路狂飆，從識圖識聲，到能寫能畫，再到能干活做決策，甚至走上現(xiàn)實生活的“物理戰(zhàn)場”。你是否也曾困惑，AI到底發(fā)展到哪個階段了？又有哪些能力正在悄悄進(jìn)化？

Nvidia的創(chuàng)始人黃仁勛（Jensen Huang）在 GTC 2025 提出了AI 發(fā)展的四個階段。

今天，我們就來具體聊聊 AI 發(fā)展的 四個階段：

Perception AI → Generative AI → Agentic AI → Physical AI

每一階段，都是一次技術(shù)躍遷?？赐瓯疚?，你將秒懂它們的本質(zhì)區(qū)別與商業(yè)機會。

? 第一階段：Perception AI（感知型AI）

讓 AI 看得見、聽得懂、讀得清

這是 AI 的“眼睛”和“耳朵”，它讓機器第一次具備了“理解世界”的能力。

代表能力：

• 圖像識別（CV）：人臉識別、目標(biāo)檢測、安防監(jiān)控
• 語音識別（ASR）：語音助手、電話客服
• 文本識別（OCR）：發(fā)票識別、合同解析
• 情感分析、實體識別、關(guān)鍵詞抽取

編者注：
聚焦感知能力：讓 AI “看懂”（CV：圖像識別）、“聽懂”（ASR：語音識別）、“讀懂”（OCR）等基本任務(wù)，是 AI 的起點。
英文縮寫詞解釋：
CV（Computer Vision）= 計算機視覺，它是人工智能（AI）領(lǐng)域的一個重要分支，研究如何讓機器“看懂”圖像、視頻、甚至三維世界中的內(nèi)容。
ASR（Automatic Speech Recognition）= 自動語音識別，讓機器聽懂人說話，轉(zhuǎn)成文本。
OCR（Optical Character Recognition）= 光學(xué)字符識別，讓機器看懂文字，從圖片中讀出文字，本質(zhì)是CV（計算機視覺）的細(xì)分任務(wù)。

商業(yè)價值：

• 金融風(fēng)控：票據(jù)識別、影像審核
• 醫(yī)療影像：病灶檢測、報告輔助
• 智能硬件：智能安防攝像頭、車載感知系統(tǒng)

這階段的AI雖然智能，但只能“看見”世界，無法“改變”世界。

?? 第二階段：Generative AI（生成型AI）

讓 AI 能“表達(dá)”“創(chuàng)作”，第一次具備了創(chuàng)意和內(nèi)容輸出能力

這一波的主角你一定熟：ChatGPT、Midjourney、Suno（音樂生成）、Sora（視頻生成）……

代表能力：

• 生成文本：聊天、文章、摘要、代碼
• 生成圖像：海報設(shè)計、產(chǎn)品圖、插畫
• 生成音頻/音樂：AI歌手、播報配音
• 多模態(tài)融合：文字轉(zhuǎn)視頻、圖像轉(zhuǎn)語音

商業(yè)價值：

• 內(nèi)容創(chuàng)作工具：AI 寫作、AI 配圖、AI 視頻
• 營銷自動化：文案生成、廣告素材組合
• 編程助手：GitHub Copilot、APEX AI Assistant

這一階段的 AI 就像“有創(chuàng)造力的秘書”，大大提高了內(nèi)容產(chǎn)業(yè)的效率。

編者注：
像本文這樣的科普文章，筆者也是充分用到生成型AI的能力，先提出具體要求讓它幫我生成初稿，然后再反復(fù)校對修改，確保符合自己最初的意圖，相比以前的從零開始模式，效率上要提升很多。

第三階段：Agentic AI（智能體AI）

真正能“自己干活”的 AI 時代來了

如果說 ChatGPT 是“聰明的對話者”，那么 Agentic AI 就是“你可以托付任務(wù)的數(shù)字員工”。

它不僅能理解你的需求，還能自己想辦法完成任務(wù)，比如：

• 自動拆解步驟（先查資料 → 再寫報告 → 最后發(fā)郵件）
• 主動調(diào)用各種工具（查天氣、調(diào)用 API、執(zhí)行 SQL、調(diào)用搜索引擎）
• 多輪思考 + 狀態(tài)追蹤（記住你前面說的話、當(dāng)前進(jìn)度）

它具備哪些關(guān)鍵能力？

• 任務(wù)理解 + 拆解 + 執(zhí)行
• 調(diào)用外部工具（API/數(shù)據(jù)庫/搜索等）
• 多輪執(zhí)行 + 上下文記憶
• 多個智能體協(xié)作，完成復(fù)雜任務(wù)

舉幾個典型案例：

• LangChain / AutoGen 智能體：它們是開發(fā)者用來構(gòu)建“能自主執(zhí)行任務(wù)”的 AI 系統(tǒng)框架。
  比如讓 AI 自動查找資料 → 匯總成報告 → 發(fā)送通知，甚至可以自己生成代碼并測試運行。
• 企業(yè) AI Copilot：如 Microsoft 365 Copilot，自動總結(jié)會議紀(jì)要、發(fā)郵件、安排日程
• 流程自動化增強：AI 自動登錄 OA 系統(tǒng) → 審批報銷 → 通知員工，像一個自動辦公機器人

商業(yè)價值：

• 數(shù)字化辦公助理：幫你整理文件、寫文案、收集信息
• 智能客服和運營：根據(jù)用戶對話自動查詢訂單、推薦商品
• 業(yè)務(wù)流程自動化：用 AI 替代重復(fù)點擊和操作，提高效率

這階段的 AI 不再只是工具，而是真正“可托付任務(wù)的虛擬員工”。

編者注：
這一階段就有些厲害了，也就是說每個智能體都可以自主決策做實際的事情了，不需要我們?nèi)斯じ深A(yù)就能獲取比較好的結(jié)果。因為智能體通常要涉及到多次的工具調(diào)用，多次的LLM模型交互，所以等待的時間肯定要比直接的生成式AI要久，但是在很多場景下這都不是問題，人們通常是可以接受多花一些時間得到更靠譜更符合自己預(yù)期的結(jié)果。

第四階段：Physical AI（實體型AI）

AI 開始“動手”，從數(shù)字世界走向現(xiàn)實世界！

這是AI能力在現(xiàn)實物理世界中的終極體現(xiàn)——有眼（感知）、有腦（決策）、有身體（執(zhí)行），能直接行動改變物理世界！

注意：不是所有機器人都叫 Physical AI！

許多傳統(tǒng)設(shè)備（如老式掃地機器人、機械臂）只是“預(yù)設(shè)程序驅(qū)動”的自動化產(chǎn)物。

而真正的 Physical AI，必須具備：

• 感知：能看到環(huán)境（如識別寵物/人）
• 決策：能自主判斷、規(guī)劃任務(wù)（如動態(tài)避障）
• 表達(dá)：能用語音、圖像反饋清掃狀態(tài)
• 執(zhí)行：能越障、能動態(tài)適配環(huán)境

只有像 Tesla FSD、Atlas、Dyson AI 掃地旗艦款這類設(shè)備，才剛剛具備「感知→決策→執(zhí)行」的閉環(huán)。

我們正處在從 Agentic AI 向 Physical AI 過渡的早期階段。

商業(yè)價值：

• 倉儲自動化、柔性生產(chǎn)
• 生活服務(wù)機器人（陪護(hù)/清潔/配送）
• 實體場景勞動力替代：物流/酒店/醫(yī)療操作

這一階段的 AI，不僅能想，還能做，甚至能替代人類“物理勞動力”。
編者注：
這一階段就更加神奇且令人神往了，需要注意的是，即便是這里提到的所謂新一代掃地機器人等代表形態(tài)，也只是純粹為了讓大家更好理解，勉強算是Physical AI前期嘗試的一個例子/雛形而已，真正的Physical AI 時代，機器不但可以在物理世界行動，還能夠深入理解環(huán)境中摩擦、慣性、因果關(guān)系、物體恒存等，甚至在未來，可能要比人類理解的更加深入和透徹，屆時會出現(xiàn)各種各樣的機器人等實體應(yīng)用。

總結(jié)：AI 四階段的能力演進(jìn)圖

為什么要了解這個框架？

• 產(chǎn)品經(jīng)理 → 定位產(chǎn)品階段，定義能力邊界與商業(yè)模式
• 技術(shù)專家 → 理解LLM+多模態(tài)+Agent+機器人融合路徑
• 行業(yè)用戶 → 預(yù)判哪些“智能能力”將重塑生產(chǎn)力

最后一問：你準(zhǔn)備好迎接 Agentic 和 Physical AI 時代了嗎？

未來 5 年，最有潛力的 AI 創(chuàng)新，正處于 第 3 階段（Agentic）向第 4 階段（Physical）邁進(jìn)的臨界點。具身智能、機器人基礎(chǔ)模型、人形機器人等突破正加速到來！

讓我們一起站上智能新時代的浪尖！
如果這篇框架解析對你有啟發(fā)，歡迎點贊、轉(zhuǎn)發(fā)，傳播真正“穿透AI迷霧的認(rèn)知坐標(biāo)”。