乒乓机器人Sony AI Ace最有意思的地方，不是外形是否拟人，而是它保留了近似工业测试平台的裸露设计，讓人能直观看到高速运动控制的关键部件。感测器与机械臂之间没有刻意包覆消费品的圆滑外壳，这样的设计凸显出视觉判读、重心补偿与击球角度在毫秒级内完成闭环的重要性。
Ace配备九组active pixel感测相机，用于判定球在三维空间中的位置，并通过额外传感系统估算球速与旋转。其控制系统采用无模型强化学习，并非事先写死每一种回球动作，而是让机器人在对局中根据来球特点即时调整策略。
研发团队在测试中让Ace与五名精英球手及两名职业选手对打，结果在对精英球手的五场比赛中赢下三场，发球直接得分达到16分，高于对手的8分。这组数据说明AI的优势已从屏幕内延伸到真实物理空间，该空间充满摩擦、延迟与不确定性。
乒乓机器人为何能率先突破物理场景
从结构与产品化逻辑看，Ace并不需要先解决双足平衡或手指灵巧度等人形机器人面临的难题，因此能把成本与研发资源集中在高速视觉、关节刚性与控制算法上。这是一种先在单一高难度场景取得超越人类的策略，再将模块化能力拆解到物流、康复、制造或陪练等更具商业化前景的领域。
技术上，乒乓机器人要同时处理多源延迟、快速旋转与反弹变量，场景比固定工位搬运复杂得多。Ace的做法是以大量对抗数据训练策略网络，在实战中不断调整击球角度与重心补偿，从而在速度与精度之间达到可用的平衡。
Physical AI对行业分工的潜在影响
虽然香港读者短期内可能难以在本地球会看到Ace上场，但Physical AI的信号已经很明确。当AI能在球桌上读懂旋转并即时预判落点，它离开实验室后面临的竞争对象可能不仅是家务机器人。更大的挑战是服务与训练产业内工作分工的重塑，例如陪练教练、康复训练乃至部分物流操作。
下一次AI在真实场景打败人类，可能发生在球桌，也可能发生在你每天工作的场景。乒乓机器人等物理智能平台的演进，将决定哪些岗位被替代或重塑，也会带来新的商业模式与监管讨论。
