把AI做进材料,会学习的机器人"细胞"不远了

2026-07-07 | 来源: MIT科技评论 | 转到微信 | 有0人参与评论 | 字体: 放大缩小 | 收藏 | 打印

不过还是有一些有趣的角度值得思索：对于一个号称“把 AI 嵌入材料”的产品，算力从哪来，计算在哪里运行？

Nehme 给出的答案是“分层架构”。传感和轻量信号处理在材料内部或紧邻材料的位置完成；实时控制回路在设备端本地运行，保证低延迟；云端只负责模型训练和系统更新，不参与逐帧控制。他特别提到，在涉及人体运动的场景中，延迟就是风险，所以实时控制必须在端侧完成。

这一思路与当前物理 AI 领域的大方向吻合。英伟达在 2026 年 3 月 GTC 大会上发布的 Jetson Thor 机器人计算平台，主打的就是在紧凑模块中提供足够算力来同时运行视觉、语言和控制模型，这些全部在设备端。morph 没有披露具体用了什么计算硬件，但“端侧实时＋云端离线”的双层架构，在行业里已经是共识性的方向。

算法层面，morph 称其平台结合了强化学习和高保真物理仿真，团队可以在仿真环境中定义细胞行为、模拟真实条件、迭代设计，再部署到实体产品上。这条“仿真到现实”（sim-to-real）的路径是当前机器人行业的主流做法，Physical Intelligence、Skild AI 等公司都在走类似的路线。

先做消费级，再做医疗器械

对于落地的方向，morph 公布的第一批应用方向是运动表现、损伤预防和行动辅助。这三个领域恰好处于消费健康与医疗器械监管的灰色地带，法规压力相对较轻，适合一家早期公司先跑通技术验证和商业闭环。

Nehme 对监管策略的表态很谨慎。他告诉 Medtech Insight，区分消费品和医疗器械的核心在于预期用途和产品声明。一款定位于运动支持的产品，和一款声称能诊断或治疗特定疾病的产品，走的是完全不同的审批路径。他承认部分早期产品会落在消费健康范畴，但随着公司进入医疗领域，器械审批将不可避免。

加国穿越者曝光未来:AI机器人战争

中国467万伴侣机器人真相被曝网集体吐槽

99万买的机器人伴侣,续航撑不过一晚?优必选回应

这里有一个对自适应系统尤其棘手的问题。传统医疗器械监管假设产品行为是固定的、可测试的。但一个会根据数据持续调整的系统，与这个假设天然冲突。FDA 在 2024—2025 年间定稿了“预定变更控制计划”（PCCP）指南，专门为 AI/ML 类医疗软件设计，允许制造商预先定义算法适应性调整的范围和约束条件，而不必每次更新都重新提交审批。这在监管层面为“有界学习”留出了空间。

Nehme 对此的说法是：有界适应和无约束学习之间区别很大。在医疗场景中，适应意味着在受控系统内做出响应，而非随意改变行为。他的 Digital Surgery 经历在这一点上似乎发挥了作用——那段经历让他习惯了在验证、可重复性和人因工程方面保持高标准。

据 Nehme 透露，morph 的商业模式打算走 B2B 路线：作为软件、设计和制造合作伙伴，与其他企业合作，把软体机器人细胞嵌入对方的产品。Nehme 说，具体合作形式因项目而异，可能是联合开发，也可能是由 morph 提供细胞模块和底层设计控制基础设施。

公司表示已在与多家工业合作伙伴合作，但没有透露合作方名单和具体进展。投资方包括 8VC、音乐人 Pharrell Williams、Copper、Equinox 集团董事长 Harvey Spevak、Qubit Health Capital、Valia Ventures 和 Blue Lion。融资金额暂未披露。

材料层的缺席

morph 的出现，折射出当前物理 AI 浪潮中一个被忽视的问题。

过去两年，行业在机器人的“大脑”端取得了显著进展。基础模型能力跃升，仿真工具日趋成熟，sim-to-real 的迁移效率明显提高。但在“身体”端，进步要迟缓得多。绝大多数机器人仍然依赖刚性骨架和传统电机驱动，柔性交互能力有限，材料几乎不参与感知和决策。这意味着，即便软件层面的智能已经足够“聪明”，机器人在与人体、柔性物体和非结构化环境的物理接触中，仍然受限于身体的刚性。