過去兩年，物理 AI 領域的敘事幾乎被兩條主線占領。一條是以英偉達為中心的基礎設施故事：仿真平臺、世界模型、機器人基礎模型；另一條是人形機器人的軍備競賽：Figure、Agility、特斯拉 Optimus、國內的宇樹和智元……資本和工程師涌向一個共同的目標：造一臺能在人類環境中通用操作的雙足機器。

這兩條線索有一個共同的潛臺詞：智能主要是軟件問題，硬件負責提供一個承載軟件的軀殼?？僧敊C器人的“大腦”越來越聰明，“身體”仍然由電機、減速器和剛性連桿構成，這和十年前的工業機械臂在材料層面沒有根本差異。

2026 年 6 月初，一家倫敦初創公司 morph 走出隱身狀態，它提出了一個不同的問題：如果材料本身就可以是智能的載體呢？

morph 發布了一套軟體機器人平臺，核心產品被命名為“soft robotic cell”（軟體機器人細胞）。一種用柔性可變形材料制成的模塊化單元，內部集成傳感、驅動和控制功能，能在使用過程中實時改變形狀與硬度。公司的說法是，這些細胞可以被嵌入各類消費和工業產品，讓原本靜態的物件具備感知和響應能力。morph 沒有選擇造整機或做通用模型，而是把賭注押在了材料層。

外科醫生轉型創業者

作為 morph 的創始人，Jean Nehme 的職業起點和一般的科技創業者有些不同，他曾一名是整形與重建外科的醫生。2013 年，他與另一位外科醫生 Andre Chow 聯合創辦了 Digital Surgery，做手術領域的 AI。路線是從外科培訓應用起步，逐步擴展到術中輔助決策和計算機視覺。

圖｜Jean Nehme（來源：Qubit Health）

從美敦力離開后，Nehme 把方向從手術室拉到了更大的場景。他在接受采訪時表示，做重建外科多年，他反復看到一件事：人體生物力學上哪怕很小的效率損失，都會隨時間不斷疊加，慢慢蠶食一個人的活動能力。而市面上的護具、鞋墊、支撐產品幾乎都是靜態的，出廠什么樣，用起來就是什么樣，不會根據身體狀態做任何調整。

他逐漸意識到，真正的問題并不在于產品功能不夠豐富，而在于構成這些產品的材料本身不會感知、不會反饋，也不會主動適應人體。既然軟件能夠持續更新，為什么材料不能隨著環境和人體狀態實時改變自己的形態和剛度？

這也成為 morph 的出發點：不是在現有產品里增加一個 AI 模塊，而是把感知、控制和學習能力直接嵌入材料本身，讓材料從靜態載體變成能夠實時響應環境的“機器人細胞”。

和傳統軟體機器人有什么不同

軟體機器人作為學術領域已存在十多年。核心思路是用柔性材料替代剛性結構，讓機器人在與人交互時更安全、更具順應性。過去這些年，研究主要集中在氣動驅動器、形狀記憶合金、介電彈性體等方向，落地場景包括工業柔性抓?。ū热?Soft Robotics Inc. 做的食品分揀抓手）、康復外骨骼、微創手術工具等。

（來源：Soft Robotics Inc.）

Nehme 在媒體采訪中刻意與這些技術路線拉開距離。他說 morph 不做氣動驅動器，也不做形狀記憶合金組件，而是在構建一種“可編程的構建單元”——在一個可變形的材料系統里同時集成結構、傳感和驅動，再加上一層智能控制。這些單元可以按需組合，放進不同的產品里。

用更簡單的話說，morph 想做的是一種“智能材料積木”。設想把它放進跑鞋、護膝或汽車座椅里，產品就能根據使用者的動作和環境實時改變支撐方式。當然，這目前還停留在概念描述階段。morph 至今還未公開展示過任何成品。

不過還是有一些有趣的角度值得思索：對于一個號稱“把 AI 嵌入材料”的產品，算力從哪來，計算在哪里運行？

Nehme 給出的答案是“分層架構”。傳感和輕量信號處理在材料內部或緊鄰材料的位置完成；實時控制回路在設備端本地運行，保證低延遲；云端只負責模型訓練和系統更新，不參與逐幀控制。他特別提到，在涉及人體運動的場景中，延遲就是風險，所以實時控制必須在端側完成。

這一思路與當前物理 AI 領域的大方向吻合。英偉達在 2026 年 3 月 GTC 大會上發布的 Jetson Thor 機器人計算平臺，主打的就是在緊湊模塊中提供足夠算力來同時運行視覺、語言和控制模型，這些全部在設備端。morph 沒有披露具體用了什么計算硬件，但“端側實時 ＋ 云端離線”的雙層架構，在行業里已經是共識性的方向。

（來源：英偉達）

算法層面，morph 稱其平臺結合了強化學習和高保真物理仿真，團隊可以在仿真環境中定義細胞行為、模擬真實條件、迭代設計，再部署到實體產品上。這條“仿真到現實”（sim-to-real）的路徑是當前機器人行業的主流做法，Physical Intelligence、Skild AI 等公司都在走類似的路線。

先做消費級，再做醫療器械

對于落地的方向，morph 公布的第一批應用方向是運動表現、損傷預防和行動輔助。這三個領域恰好處于消費健康與醫療器械監管的灰色地帶，法規壓力相對較輕，適合一家早期公司先跑通技術驗證和商業閉環。

Nehme 對監管策略的表態很謹慎。他告訴 Medtech Insight，區分消費品和醫療器械的核心在于預期用途和產品聲明。一款定位于運動支持的產品，和一款聲稱能診斷或治療特定疾病的產品，走的是完全不同的審批路徑。他承認部分早期產品會落在消費健康范疇，但隨著公司進入醫療領域，器械審批將不可避免。

這里有一個對自適應系統尤其棘手的問題。傳統醫療器械監管假設產品行為是固定的、可測試的。但一個會根據數據持續調整的系統，與這個假設天然沖突。FDA 在 2024—2025 年間定稿了“預定變更控制計劃”（PCCP）指南，專門為 AI/ML 類醫療軟件設計，允許制造商預先定義算法適應性調整的范圍和約束條件，而不必每次更新都重新提交審批。這在監管層面為“有界學習”留出了空間。

Nehme 對此的說法是：有界適應和無約束學習之間區別很大。在醫療場景中，適應意味著在受控系統內做出響應，而非隨意改變行為。他的 Digital Surgery 經歷在這一點上似乎發揮了作用——那段經歷讓他習慣了在驗證、可重復性和人因工程方面保持高標準。

據 Nehme 透露，morph 的商業模式打算走 B2B 路線：作為軟件、設計和制造合作伙伴，與其他企業合作，把軟體機器人細胞嵌入對方的產品。Nehme 說，具體合作形式因項目而異，可能是聯合開發，也可能是由 morph 提供細胞模塊和底層設計控制基礎設施。

公司表示已在與多家工業合作伙伴合作，但沒有透露合作方名單和具體進展。投資方包括 8VC、音樂人 Pharrell Williams、Copper、Equinox 集團董事長 Harvey Spevak、Qubit Health Capital、Valia Ventures 和 Blue Lion。融資金額暫未披露。

材料層的缺席

morph 的出現，折射出當前物理 AI 浪潮中一個被忽視的問題。

過去兩年，行業在機器人的“大腦”端取得了顯著進展。基礎模型能力躍升，仿真工具日趨成熟，sim-to-real 的遷移效率明顯提高。但在“身體”端，進步要遲緩得多。絕大多數機器人仍然依賴剛性骨架和傳統電機驅動，柔性交互能力有限，材料幾乎不參與感知和決策。這意味著，即便軟件層面的智能已經足夠“聰明”，機器人在與人體、柔性物體和非結構化環境的物理接觸中，仍然受限于身體的剛性。

軟體機器人領域的研究者長期在嘗試解決這個問題，但大部分工作停留在實驗室階段，商業化進展有限。各家市場研究機構對軟體機器人市場的規模預測差異很大，Research and Markets 估計 2030 年約 46 億美元，Mordor Intelligence 給出了 88 億美元。這種分歧反映出這個市場的邊界尚不清晰，甚至可以說標準化程度很低。

如果 morph 路走通，它回答的或許是物理 AI 領域一個更根本的追問：當我們談論機器的智能時，智能是否只能存在于芯片和算法里，還是也應該生長在材料之中？

1.https://www.therobotreport.com/soft-robotic-cells-from-morph-embed-physical-ai-into-hardware/

2.https://www.businesswire.com/news/home/20260602211043/en/

3.https://insights.citeline.com/

4.https://www.researchandmarkets.com/report/soft-robotics

運營/排版：何晨龍

注：封面/首圖由 AI 輔助生成