Den nästa stora AI-vågen kommer inte att vara en chattbot i din bärbara dator eller en agent som arbetar bakom kulisserna för att omvandla mötesanteckningar till projektärenden, utan AI som tar kontroll över enheter som rör sig och interagerar med omgivningen.
Fysisk AI kan definieras som integrationen av AI i autonoma system, vilket gör det möjligt för dem att uppfatta omgivningen och utföra komplexa handlingar i den fysiska världen. Marknaden för fysisk AI, som för närvarande värderas till cirka 92 miljarder dollar, förväntas enligt PwC överstiga 489 miljarder dollar år 2030.
För många människor kan fysisk AI väcka associationer till robotar som tillverkar prylar på ett fabriksgolv eller en självkörande bil. Båda exemplen hör till de främsta användningsområdena för fysisk AI, men fysisk AI integreras också i säkerhetskameror, trafikljus, inspektionsrobotar, medicintekniska produkter och mycket mer.
Förutsättningar för fysisk AI
It-chefer som funderar på hur man kan använda fysisk AI bör tänka bortom de människoliknande robotar som väcker stor uppmärksamhet, säger Adnan Masood, chefsarkitekt för AI hos digitaliseringsföretaget UST.
– Jag brukar ge cio:er ett råd – strunta i den humanoida teatern, säger han. Den kortsiktiga fördelen är adaptiv automatisering i varierande miljöer där förhållandena förändras, människor delar utrymmet och driftstopp är kostsamma.
Den optimala användningen av fysisk AI är när den kan köras säkert och upprepade gånger och kan granskas inom ramen för befintliga säkerhets- och efterlevnadssystem, säger han.
För att fysisk AI ska få stor genomslagskraft måste ett antal förutsättningar vara uppfyllda, menar Vikram Venkat, investerare i fysiska AI-system hos Cota Capital.
För det första bör det finnas en betydande arbetskraftskomponent, till exempel befintlig eller förväntad brist på arbetskraft eller förhållanden som gör arbetet farligt för människor, säger han. Dessutom bör miljön vara relativt begränsad, eftersom fysiska AI-plattformar i allmänhet ännu inte är särskilt skickliga på att hantera mycket varierande miljöer.
Slutligen bör uppgiften vara repeterbar, ofta i stora volymer, och ha tydliga, mätbara resultat, tillägger han.
På kort sikt bör ett par ytterligare förutsättningar vara uppfyllda, säger Venkat. För det första bör implementeringen vara enkel och kräva minimala förändringar av befintliga processer, ytterligare infrastruktur eller integrationer i befintliga system. För det andra bör människor i processen kunna korrigera fel.
Användningsområden för fysisk AI
Trots dessa begränsningar är den fysiska AI:ns potential enorm, säger Albert Liu, grundare och vd för Kneron, en leverantör av edge-AI-lösningar.
– De flesta tror att fysisk AI handlar om robotar, vilket helt enkelt är det exempel som vi först tänker på eftersom det har varit det mest synliga hittills, konstaterar han. Men fysisk AI handlar inte bara om det typiska svaret – maskiner som rör sig – utan om miljöer som blir intelligenta.
Med flera förbehåll i åtanke följer här sju lovande användningsområden för fysiska AI-system.
Tillverkningsrobotar
När man tänker på fysisk AI föreställer sig kanske många robotar som tillverkar bilar eller andra produkter. Det sker verkligen, med flera leverantörer som säljer tillverkningsrobotar, och enligt Mordor Intelligence beräknas marknaden för industriell robotik uppgå till 54,3 miljarder dollar år 2026 och växa till 94,4 miljarder dollar år 2031.
Ett exempel på robotar som tillverkar produkter kommer från biltillverkaren BMW, som har använt en humanoidrobot i sina fabriker.
Kvalitetskontroll och förebyggande underhåll
Fysisk AI som används i tillverkningsmiljöer används inte bara för att montera produkter. Tekniken används även för materialhantering samt automatiserad kvalitetskontroll och felkontroll, där arbetskraftsbrist och begränsade utrymmen driver på användningen, konstaterar Venkat.
Förebyggande underhåll är också ett perfekt tillämpningsområde för fysisk AI inom tillverkningsindustrin. AI kan användas för att kontrollera att den programvara som driver utrustningen fungerar korrekt, säger Masood från UST.
– Agentbaserade pipelines läser nu hårdvaruscheman och chipanslutningar direkt, genererar de regressionssviter som ingenjörerna tidigare skrev för hand och jämför realtidsdata från utrustningen med digitala tvillingar för att upptäcka firmware-regressioner och fel i signalintegriteten innan en produktionskörning, säger han.
Boston Dynamics fyrbenta Spot är ett exempel på en kombination av robotik och AI, och företaget uppger att tusentals robotar har satts in i 40 länder hos företag som Intel, Chevron, Michelin och Cargill. Spot används för att automatisera industriella inspektioner, utföra förebyggande underhåll och genomföra säkerhetspatruller.
Boston Dynamics säljer även Stretch, som automatiserar lossningen av släpvagnar och containrar, samt Atlas, en humanoidrobot som kan lyfta, sortera och montera produkter.
Fysisk AI inbyggd i kameror och sensorer kan utföra kvalitetskontroller på fabriksgolven, säger Parm Sandhu, koncernvicepresident för företags-AI, edge computing och digital innovation hos it-lösningsleverantören NTT DATA.
– De vill säkerställa att produkterna tillverkas rätt redan från början. Vi använder en grundmodell, utrustad med kameror och tränad i självlärning, så att den mycket snabbt kan lära sig standardrutinerna för en enskild arbetsstation i fabriken.
Autonoma fordon och drönare
Förhoppningarna om självkörande bilar blev allmänt kända för flera år sedan, och marknaden – skild från marknaden för fysisk AI – beräknades vara värd mer än 200 miljarder dollar år 2025, enligt Global Market Insights.
Autonoma taxibilar vinner också mark, och Waymo och Tesla inledde experiment med robotaxibilar i begränsade områden år 2025. Även Uber har stora planer för robotaxibilar.
Men marknaden för autonoma fordon sträcker sig långt bortom bilar som kör på motorvägen. Autonoma jordbruksmaskiner, inklusive traktorer, skördemaskiner och drönare, utgör en växande marknad, där uppskattningarna av marknadens storlek varierar kraftigt. Global Market Insights uppskattade att marknaden skulle vara värd 70,9 miljarder dollar år 2025, med prognoser om att den skulle nå 144,7 miljarder dollar år 2035.
Drönare kan också styras av AI, vilket öppnar för alla möjliga tillämpningar, inklusive militära ändamål samt leveranstjänster för mat och paket. Amazon och andra företag har experimenterat med drönarleveranser under de senaste åren, och Door Dash meddelade i slutet av juli att man skulle ge sig in på marknaden.
En användning som sträcker sig över både autonoma fordon och tillverkningsindustrin är självkörande gaffeltruckar. NTT DATA har samarbetat med gaffeltrucktillverkaren Hyster-Yale för att installera självkörande funktioner i fordonen, delvis som en lösning på arbetskraftsbristen, säger Sandhu.
– Om man tänker på tillverkningsindustrin har i stort sett allt man rör vid där någonstans lyfts av en gaffeltruck, eller så har komponenterna lyfts av en gaffeltruck någonstans. Men folk vill inte köra gaffeltruckar, och det är ett enormt problem.
Samordning av fordonsflotta och lager
Fysisk AI, inbyggd i lastbilar och smarta hyllor, kan spåra och bättre samordna material- och produktflöden, från lagret till slutkunden. Fysisk AI, installerad i robotar, kan plocka, sortera och transportera varor. AI kan använda telemetri för att optimera rutterna i transportflottan.
AI-modeller kan nu samordna tusentals autonoma mobila robotar i hela leveransnätverk, något som Masood på UST kallar ”flygledning för robotar”.
AI-intelligensen finns i samordningslagret som styr rutter, ordnar sekvenser och löser konflikter i flottan, säger han.
– Den kan skalas på sätt som programmering av enstaka robotar aldrig skulle kunna.
Fysisk AI har gått bortom pilotprojekten och används nu i stor skala i lager, enligt Symbotic, en leverantör av fysisk AI för lager.
Företagets flotta består av 22 000 autonoma mobila robotar som 2025 färdades mer än 300 miljoner kilometer, där en enskild robot färdades mer än 8 000 mil – vilket motsvarar mer än dubbla jordomkretsen, uppger företaget.
Övervakning och fysisk säkerhet
Tillämpningen av fysisk AI inom fysisk säkerhet omfattar rörliga robotar som Boston Dynamics Spot, men den gör det också möjligt för organisationer att ansluta videokameror och andra säkerhetsverktyg för att ge en ständigt vaksam överblick över den säkrade miljön.
Företag som Artificial Intelligence Technologies Solutions och dess dotterbolag Robotic Assistance Devices kopplar samman flera enheter för att skapa ett slags säkerhetsnät över ett campus eller en byggnad. Företagens Speaking Autonomous Responsive Agent (SARA) är en agentbaserad AI-plattform utformad för att samordna kameror, fasta säkerhetsenheter, autonoma patrullfordon, belysning, högtalare, övervakningssystem och mänsklig säkerhetspersonal.
SARA kan utvärdera händelser från fysiska säkerhetssystem, verifiera säkerhetshändelser, kommunicera direkt med personer på platsen och initiera godkända åtgärder, uppger företagen. Den automatiserade responsen kan spara värdefull tid jämfört med mänskligt ingripande, hävdar de.
Ett annat exempel på användning av fysisk AI för säkerhet är smarta metalldetektorer med inbyggd AI. Athena Security är ett företag som erbjuder AI-drivna kroppsskannrar som påstås ha en hög detekteringsgrad för alla typer av vapen, inklusive rakblad och små knivar.
Smarta byggnader och infrastruktur
Företag kan använda fysisk AI för att övervaka alla typer av mätvärden inuti byggnader och i elnät samt telenät, konstaterar Masood från UST. AI:n kan utlösa larm, säkerhetsåtgärder eller miljökontroller. Sjukhus använder nu fysisk AI för att samordna vården, och nätoperatörer implementerar AI-drivna verktyg för självåterställning.
Fysisk AI kommer att skapa intelligenta concierger på hotell, flygplatser och sjukhus som ger vägbeskrivningar, verifierar identiteter och samordnar tjänster, säger Liu från Kneron.
Under det kommande decenniet kommer AI att integreras i nästan alla fysiska utrymmen, inklusive drive-thru-filer, restauranger, fabriker och kontor, förutspår han.
– Människor kommer att förvänta sig en säkerhetskamera som förstår avsikter istället för att bara upptäcka rörelse, ett sjukhusrum som känner igen subtila förändringar i en patients tillstånd innan ett larm går, en butikshylla som hanterar lagret självständigt eller en byggnad som kontinuerligt optimerar energi, säkerhet och beläggning.
Smarta städer
Utanför traditionella företagsmiljöer integrerar städerna nu AI i trafikanordningar för att övervaka fordonsflödet och i kameror för att övervaka samhällets behov av tjänster.
De AI-drivna systemen kan förbättra trafikflödet, övervaka korsningar och göra vägarna säkrare utan att enbart förlita sig på mänsklig observation. Lidar-tillverkaren Ouster samarbetade med New Jerseys transportdepartement för att installera sensorer vid 42 korsningar inför fotbolls-VM för att underlätta hanteringen av trafikstockningar och fotgängarflöden, uppger företaget.
NTT DATA samarbetar med Brownville i Texas för att inrätta ett stadsomfattande larmsystem som skickar ut personal vid incidenter, till exempel när en parks sopcontainrar är fulla, och för att hjälpa poliser att fylla i rapporter, konstaterar Sandhu.