Fysisk KI / Physical AI – Hva Bringer Fremtiden?

Fysisk KI – når kunstig intelligens forlater skjermen og møter den virkelige verden

I mange år har kunstig intelligens (KI) eksistert som noe abstrakt – et digitalt fenomen innelåst bak skjermer, datasystemer og skybaserte plattformer. Men nå skjer det noe grunnleggende nytt. Fysisk KI – eller Physical AI, som det kalles internasjonalt – er en teknologisk revolusjon der KI-systemer går fra å analysere data til faktisk å bevege seg, handle og samhandle med verden rundt oss.

Dette er ikke lenger science fiction. Det er en utvikling som allerede påvirker sykehus, fabrikker, varehus og byer verden over.

Hva er fysisk KI?

Physical AI er et begrep som beskriver KI-systemer som er integrert i fysiske enheter – maskiner, roboter og autonome kjøretøy – og som kan sanse, resonnere og handle i den virkelige verden. I motsetning til tradisjonell KI, som primært behandler tekst, bilder eller lyd på en server, er fysisk KI koblet til sensorer, aktuatorer og motorer som gjør det mulig å gripe, flytte og navigere i komplekse omgivelser.

NVIDIA-sjef Jensen Huang beskrev Physical AI på GTC 2024 som «neste grense innen KI» – en intelligens som ikke bare forstår verden, men også opererer aktivt i den. Akademisk sett har begrepet røtter i «embodied AI»-forskning fra 1980- og 1990-tallet, men det er først de siste to til tre årene at teknologien har modnet nok til å tas i praktisk bruk i stor skala.

En enkel definisjon fra japansk forskning er treffende: «Physical AI er legemliggjort kunstig intelligens som tilegner seg og utvikler intelligens gjennom direkte interaksjon med det fysiske miljøet via komponenter som sensorer og aktuatorer.» Det handler altså om maskiner som lærer av den fysiske virkeligheten – ikke bare av tekst og tall.

Hva skiller fysisk KI fra vanlig KI?

Den viktigste forskjellen er at en vanlig AI-modell lever i en digital boble. Den mottar input, beregner et svar og sender det tilbake – uten å ha noen konsekvenser i den fysiske verden. Fysisk KI derimot må forholde seg til tyngdekraft, friksjon, tid, hindringer og menneskelig atferd i sanntid.

En feil er ikke bare en feil svar i en chatbot – det kan bety at en robot velter et objekt, en bil tar feil svingretning, eller en kirurgisk arm beveger seg ett millimeter for mye.

Dette stiller helt andre krav til en AI-modell som skal brukes i fysiske systemer. Modellen må være rask, pålitelig, situasjonsbevisst og i stand til å generalisere til nye situasjoner den aldri har sett tidligere. Det er her teknologier som forsterkningslæring (reinforcement learning), datasynsteknologi (computer vision) og digitale tvillinger spiller en avgjørende rolle.

Teknologiene som gjør det mulig

Tre sentrale fremskritt har gjort Physical AI praktisk mulig i 2024–2026:

• Storskala simulering: Plattformer som NVIDIAs Isaac og MuJoCo lar roboter trene på millioner av scenarier i virtuelle miljøer – scenarier som ville vært for farlige, kostbare eller tidkrevende å gjennomføre i virkeligheten.
• Foundation models: Store grunnmodeller – der en enkelt AI-modell trenes på mangfoldig data og kan generalisere til nye oppgaver – har gjort det mulig å lage roboter som tilpasser seg uventede situasjoner. Eksempler er RT-2, pi-0 og Octo.
• Edge-AI-hardware: Kraftige prosessorer på selve enheten (i motsetning til i skyen) gjør at roboter og autonome systemer kan ta beslutninger i millisekunder uten å være avhengig av nettverksforbindelse.

Digitale tvillinger spiller også en viktig rolle: virtuelle kopier av fabrikker, operasjonssaler eller bystrukturer der fysisk KI-systemer kan finjusteres og optimaliseres før de rulles ut i det virkelige liv. ABB Robotics kunngjorde i mars 2026 et partnerskap med NVIDIA for å integrere Omniverse-biblioteker i sin RobotStudio-plattform, noe som leverer industriell Physical AI til produksjonsmiljøer.

Bruksområder: fra sykehus til smarte byer

En demonstrasjon av en kollegabot designet for sykehuskorridorer jeg så en video om, og det var forbausende å se hvor naturlig den manøvrerte rundt pasienter og rullestoler, avbrøt bevegelsen når en sykepleier krysset veien, og henvendte seg verbalt ved usikre situasjoner. Det illustrerte godt hva fysisk KI kan bety i praksis: ikke bare automatisering, men adaptiv intelligens i menneskelige omgivelser.

Helsevesenets interesse for Physical AI er stor. Forskning viser at publikasjoner om legemliggjort KI i helsesektoren økte nesten sjudoblet fra 2019 til 2024. En systematisk gjennomgang av 25 fagfellevurderte studier fra 2025 fant at KI-drevne kirurgiroboter reduserte operasjonstiden med 25 prosent og komplikasjonene med 30 prosent sammenlignet med tradisjonelle metoder.

I produksjon og logistikk er utviklingen like markant. Autonome mobile roboter (AMR-er) har erstattet stive, regelbaserte systemer i lagerhaller. Amazon har over én million roboter i drift i mer enn 300 distribusjonssentre, med en rapportert effektivitetsforbedring på 25 prosent. Agility Robotics’ humanoidrobot Digit er i 2026 rullet ut i partnerskap med Toyota Motor Manufacturing Canada.

Smarte byer er et tredje vekstområde. Her møtes Physical AI og byplanlegging: selvkjørende kjøretøy navigerer gatene, leveringsroboter håndterer siste-mil-logistikk, og inspeksjonsdronene overvåker infrastruktur – alt koordinert av intelligente systemer som reagerer på trafikk, vær og menneskelig atferd i sanntid.

Ledende aktører og investeringer

Physical AI trekker til seg enorme mengder kapital. I 2024 ble det investert 7,5 milliarder dollar globalt i robotikk-relaterte selskaper, opp fra 6,9 milliarder i 2023. Noen av nøkkelaktørene er:

• NVIDIA: Leverer plattformen – simulering (Isaac), syntetiske data (Cosmos) og inference-hardware (Jetson) – som mange Physical AI-systemer er bygget på.
• Physical Intelligence (π): Oppstartsselskap fra tidligere Google Brain/DeepMind-forskere, som bygger foundation models for robotmanipulering. Hentet inn over 400 millioner dollar i 2024–2025.
• Figure AI: Bygger humanoidroboten Figure 02 for lager og produksjon, i partnerskap med BMW. Verdsatt til 2,6 milliarder dollar.
• Tesla: Utvikler Optimus-roboten, som trenes i simulering før atferden overføres til fysisk hardware.
• Boston Dynamics: Lanserte produksjonsklar Atlas-humanoid i januar 2026 for materialhåndtering og ordreoppfylling.

Markedet vokser raskt. Ifølge analysebyråer var det globale Physical AI-markedet verdt om lag 5,23 milliarder dollar i 2025 og forventes å nå 49,73 milliarder dollar innen 2033 – en gjennomsnittlig årlig vekstrate på rundt 32 prosent. Helsesegmentet forventes å vokse aller raskest, med en CAGR på 39,4 prosent fra 2026 til 2033.

Utfordringer og etiske spørsmål

Selv om fysisk KI lover mye, er det betydelige utfordringer som gjenstår. Sikkerhet er den mest åpenbare: en AI-modell som styrer en robot i et menneskelig miljø, kan ikke tillate seg de feilmarginene som aksepteres i programvaresystemer. Standardisering av sikkerhetsprotokollene er fortsatt et uavklart spørsmål internasjonalt, og ITU arbeider med å etablere standarder for legemliggjort KI.

Etiske spørsmål knyttet til arbeidsplasserstatning er også reelle. Selv om tidlige tall fra Amazon antyder at robotisering faktisk har skapt 30 prosent flere kvalifiserte jobber i stedet for å eliminere dem, vil effektene variere kraftig mellom bransjer og regioner. Videre reiser autonome systemer spørsmål om ansvar: hvem har skylden når en Physical AI-robot tar en feil beslutning med fysiske konsekvenser?

Personvern er en tredje bekymring. Physical AI-systemer i offentlige rom samler kontinuerlig sensordata om mennesker og miljøer. Regulatoriske rammeverk henger etter den teknologiske utviklingen, særlig i Europa der GDPR og den nye EU AI-loven setter strenge krav til autonome systemer i høyrisikoapplikasjoner.

Norges posisjon i et globalt kappløp

Norge har gode forutsetninger for å ta del i Physical AI-revolusjonen. Kompetansen innen maritim teknologi, offshore-automatisering og energisystemer gir et naturlig grunnlag for anvendelse av fysisk KI i norsk industri.

Selskaper som Kongsberg og Equinor har allerede investert tungt i autonome systemer og digitale tvillinger. Havbruksnæringen er et annet område der autonome undervannsbåter og KI-basert overvåkning allerede er i bruk.

Forskningsmiljøene ved NTNU, Universitetet i Oslo og SINTEF har sterk kompetanse innen robotikk og KI som kan bygge bro mellom akademia og norsk næringsliv. Likevel krever en virkelig konkurransedyktig posisjon større koordinering mellom myndigheter, industri og utdanningsinstitusjoner – og en bevisst nasjonal strategi for Physical AI på linje med det Japan nå har lansert.

Fremtidsutsikter

Physical AI er ikke en fjern fremtidsteknologi – det er en teknologi i rask kommersiell oppskalering akkurat nå. Innen 2030 forventes det at 70 prosent av produksjonsanlegg globalt vil ha tatt i bruk autonome mobile roboter. AMR-leveranser forventes å øke seks ganger, fra 50 000 enheter til 300 000 årlig, i samme periode.

Den akademiske og teknologiske pioneren Daniela Rus, direktør for MITs KI-laboratorium, beskriver situasjonen slik: vi er på randen av en ny robotrevolusjon der maskiner – muliggjort av fremskritt innen KI – vil komme i mangfoldige former og materialer og legemliggjøre et nytt nivå av fysisk intelligens.

Den neste fasen vil ikke bare handle om å automatisere det manuelle – det vil handle om å skape maskiner som samarbeider med mennesker på en naturlig og kontekstsensitiv måte.

Fysisk KI representerer således ikke slutten på menneskelig arbeid, men begynnelsen på en ny epoke der menneskelig kreativitet og maskinens presisjon utfyller hverandre. For Norge, og for verden, er spørsmålet ikke lenger om Physical AI vil forandre samfunnet – men i hvilken hastighet og i hvilken retning vi velger å styre denne utviklingen.