过去几年，人工智能的浪潮主要发生在数字世界，大模型的发展，使生成文本、算法优化等得到长足发展。除了这些数字AI的发展，一场更深刻的变革正在发生，AI走向物理世界，嵌入机器人、AGV、AMR、工业相机、智能传感器之中，直接感知、决策并作用于现实环境，物理AI（Physical AI）成为业界热点。

物理AI与数字AI的不同之处在于，它的输出的是运动指令、停止信号、路径决策和机械动作，若出现延迟或中断，结果不是一条报错信息，而可能是设备损坏、产线停滞甚至安全事故。在这一过程中，物理AI的载体之间需要高品质的无线网络通信。对于对数字AI而言，无线通信或许不会发挥重要作用，而对物理AI而言，物理设备之间的协作重塑无线网络的角色，无线连接本身就是物理AI控制回路的一部分。在这一背景下，5G专网可能会迅速成长为支撑物理AI落地的一个关键基础设施，二者形成了需求与技术相互牵引的共生关系。

物理AI需求成为拉动5G专网市场增长的一个因素

无线专网并非新事物，早在2G、3G时代就有各类专网的存在，例如铁系统使用的GSM-R专用网络就有效保障了铁路的调度和安全运营。2010年代初，专用LTE网络开始部署支持的行业进一步扩大。不过，在很长一段时间内，专网只是属于无线基础设施领域的小众市场。5G时代，由于各行业数字化转型的需求，让专网从小众市场走向大众视野，虽然还没迎来爆发拐点，但已成为热捧的一个业态。未来，物理AI形成的各类终端和工业自动化对无线通信提出的苛刻要求，进一步驱动5G专网发展。

市场数据正在印证这一趋势。研究机构SNS Telecom & IT近期发布的报告显示，2026年至2029年间，垂直行业5G专网年度投资将以约34%的复合年增长率增长，到2029年底将超过66亿美元，其中相当大一部分增长来自面向物理AI、工业自动化等本地化网络部署。目前，部署5G专网的主体不乏特斯拉、宝马、丰田、现代、富士康、巴斯夫、空客等全球工业巨头，它们正在既有工厂和新建设施中推进多站点、跨国界的5G专网建设。

值得注意的是，物理AI可能成为5G专网采购的一个重要驱动力。许多工业企业依赖5G专网连接AGV、AMR、无人机、起重机、叉车、矿用车辆、四足机器人乃至半人形机器人来执行复杂任务，这些设备本身是物理AI的核心载体。例如，一家汽车零部件供应商就通过5G专网协调100台半人形机器人进行搬运工作，这些机器人会持续进化成为工业场景物理AI的典型代表。可以说，物理AI的规模化落地也会直接转化为对5G专网需求和投资，成为专网市场强劲的增长引擎。

5G专网是物理AI不可或缺的基础设施

对于很多物理AI场景来说，对无线网络的要求远超传统尽力而为的无线技术所能支撑的。例如，在确定性与低时延方面，物理AI很多系统以毫秒级闭环持续运转，需要数据在已知时间边界内以极高可靠性到达，每一次延迟的代价可能是巨大的。在上行能力方面，诸如机器视觉、激光雷达和遥测数据持续从终端向边缘计算节点回传，形成了与传统网络以下行为主截然不同的模式，高分辨率视频流足以压垮支撑普通业务的网络。在移动性与覆盖方面，一些工厂内金属结构、移动设备和密集布局造成复杂干扰，资产在大范围内持续移动，要求切换平滑可预测。

5G专网恰好系统性地满足了这些需求。众所周知，5G专网在吞吐量、时延、可靠性、可用性和连接密度上实现了代际跨越，其URLLC（超可靠低时延通信）和mMTC（海量机器类通信）能力，使其成为机器、机器人与控制系统之间工业级通信中可替代有线连接的方案。通过服务质量保障、流量隔离和更先进的无线调度，5G专网能够提供更高的确定性；其可配置的上行能力适配物理AI上行密集的流量特征；专用频谱则避免了非授权频段的干扰问题。在安全层面，5G专网提供设备级身份认证、网络切片隔离和受控接入，降低了海量联网机器带来的攻击行为。

一些重点厂商的动作印证了5G专网的基础设施地位。今年2月，NTT DATA与爱立信宣布达成战略合作，将爱立信的5G专网、边缘平台与NTT DATA的全栈企业网络服务结合，以托管服务的形式在全球范围规模化交付5G专网，并直接把边缘AI智能体运行在爱立信企业边缘平台上，形成对物理AI部署的支持，实现数据产生处的实时智能与自主决策。IDC分析师对此评价：“5G专网是AI在生产环境中规模化落地的骨干，自主系统必须可靠且大规模地运行。”双方合作聚焦制造、港口物流、能源矿业和智慧城市等高价值场景，涵盖自动化质检、预测性维护、实时安全监控、自主作业等典型物理AI应用。

需要强调的是，5G专网并非孤立发挥作用。物理AI的典型架构是“专网+边缘计算”的组合，即5G专网与边缘计算节点协同，在靠近行动点的位置完成推理与决策，减少对远端云端的依赖，同时保障数据主权与运营韧性，连接与算力共同支撑物理AI的运行。

5G专网支撑物理AI仍面临现实挑战

5G专网要成为物理AI的基础设施底座，仍需跨越若干障碍。

其一，5G专网与物理AI系统集成复杂度高。相关分析指出，5G专网虽是AI规模化生产的基础设施，但集成复杂性往往仍是一道门槛。物理AI系统需要与MES、SCADA、ERP等既有运营平台打通，还要协调来自不同厂商的机器人、传感器和其他设备，还需调和各异的数据格式与协议，一些互操作性问题是规模化部署中的障碍。

其二，部署与运营门槛也比较明显。建设一张具备工业级确定性的专网，涉及频谱获取、无线规划、核心网部署、边缘算力配置和IT/OT安全体系整合，对企业的技术能力和资金投入都是考验。对于物理AI场景来说，目前仍需依靠专业化的集成与托管服务来实现专网快速部署，还未成熟到开箱即用的程度。

其三，IT与OT的组织融合的困境。物理AI落地要求IT团队与OT团队深度协同，两类团队在文化、流程和考核体系上融合还需时间。

其四，极端环境下的性能验证。物理AI的失败代价是物理性的，这意味着专网必须在真实复杂的工业环境中证明其长期可靠性，而非仅在试点中表现良好，从试点走向生产级运营，需要大量的工程实践积累。

5G专网与物理AI的关系，是典型的“需求牵引供给、供给创造需求”的关系，即物理AI对确定性、上行能力和移动性的苛刻要求，为5G专网打开了更多市场空间；而5G专网的技术能力，又让物理AI从小范围应用走向规模化。随着无线技术的演进和持续增强，以及未来面向6G的平滑演进，服务物理AI的专网+边缘智能底座还将不断加固。