过去两年，物理 AI 领域的叙事几乎被两条主线占领。一条是以英伟达为中心的基础设施故事：仿真平台、世界模型、机器人基础模型；另一条是人形机器人的军备竞赛：Figure、Agility、特斯拉 Optimus、国内的宇树和智元……资本和工程师涌向一个共同的目标：造一台能在人类环境中通用操作的双足机器。

这两条线索有一个共同的潜台词：智能主要是软件问题，硬件负责提供一个承载软件的躯壳。可当机器人的“大脑”越来越聪明，“身体”仍然由电机、减速器和刚性连杆构成，这和十年前的工业机械臂在材料层面没有根本差异。

2026 年 6 月初，一家伦敦初创公司 morph 走出隐身状态，它提出了一个不同的问题：如果材料本身就可以是智能的载体呢？

morph 发布了一套软体机器人平台，核心产品被命名为“soft robotic cell”（软体机器人细胞）。一种用柔性可变形材料制成的模块化单元，内部集成传感、驱动和控制功能，能在使用过程中实时改变形状与硬度。公司的说法是，这些细胞可以被嵌入各类消费和工业产品，让原本静态的物件具备感知和响应能力。morph 没有选择造整机或做通用模型，而是把赌注押在了材料层。

外科医生转型创业者

作为 morph 的创始人，Jean Nehme 的职业起点和一般的科技创业者有些不同，他曾一名是整形与重建外科的医生。2013 年，他与另一位外科医生 Andre Chow 联合创办了 Digital Surgery，做手术领域的 AI。路线是从外科培训应用起步，逐步扩展到术中辅助决策和计算机视觉。

图｜Jean Nehme（来源：Qubit Health）

从美敦力离开后，Nehme 把方向从手术室拉到了更大的场景。他在接受采访时表示，做重建外科多年，他反复看到一件事：人体生物力学上哪怕很小的效率损失，都会随时间不断叠加，慢慢蚕食一个人的活动能力。而市面上的护具、鞋垫、支撑产品几乎都是静态的，出厂什么样，用起来就是什么样，不会根据身体状态做任何调整。

他逐渐意识到，真正的问题并不在于产品功能不够丰富，而在于构成这些产品的材料本身不会感知、不会反馈，也不会主动适应人体。既然软件能够持续更新，为什么材料不能随着环境和人体状态实时改变自己的形态和刚度？

这也成为 morph 的出发点：不是在现有产品里增加一个 AI 模块，而是把感知、控制和学习能力直接嵌入材料本身，让材料从静态载体变成能够实时响应环境的“机器人细胞”。

和传统软体机器人有什么不同

软体机器人作为学术领域已存在十多年。核心思路是用柔性材料替代刚性结构，让机器人在与人交互时更安全、更具顺应性。过去这些年，研究主要集中在气动驱动器、形状记忆合金、介电弹性体等方向，落地场景包括工业柔性抓取（比如 Soft Robotics Inc. 做的食品分拣抓手）、康复外骨骼、微创手术工具等。

（来源：Soft Robotics Inc.）

Nehme 在媒体采访中刻意与这些技术路线拉开距离。他说 morph 不做气动驱动器，也不做形状记忆合金组件，而是在构建一种“可编程的构建单元”——在一个可变形的材料系统里同时集成结构、传感和驱动，再加上一层智能控制。这些单元可以按需组合，放进不同的产品里。

用更简单的话说，morph 想做的是一种“智能材料积木”。设想把它放进跑鞋、护膝或汽车座椅里，产品就能根据使用者的动作和环境实时改变支撑方式。当然，这目前还停留在概念描述阶段。morph 至今还未公开展示过任何成品。

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。

（来源：英伟达）

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。

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。

软体机器人领域的研究者长期在尝试解决这个问题，但大部分工作停留在实验室阶段，商业化进展有限。各家市场研究机构对软体机器人市场的规模预测差异很大，Research and Markets 估计 2030 年约 46 亿美元，Mordor Intelligence 给出了 88 亿美元。这种分歧反映出这个市场的边界尚不清晰，甚至可以说标准化程度很低。

如果 morph 路走通，它回答的或许是物理 AI 领域一个更根本的追问：当我们谈论机器的智能时，智能是否只能存在于芯片和算法里，还是也应该生长在材料之中？

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

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

3.//insights.citeline.com/

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

运营/排版：何晨龙

注：封面/首图由 AI 辅助生成