在上海市的一家酒店，轮式人形机器人实时响应住客需求，取走房间门口待洗的衣物并完成送洗烘干、送回房间；一家24小时便利店内，机器人店员负责接待、热食品、做咖啡、补货、清洁；在汽车、消费电子等产线上，人形机器人正在尝试规模化走进搬运、装配、质检等生产环节。

　　从理解语言、生成内容，到驱动机器人在现实环境中行动，AI的能力边界正拓展至物理AI。问题随之而来：机器人什么时候能够稳定工作，换一个场景还能不能胜任，能否获得持续回报？

　　这些问题，正在重新定义物理AI的产业拐点。

　　距离物理AI的“ChatGPT时刻”还有多远

　　近日，宇树科技创始人、董事长王兴兴在接受央视财经采访时表示，物理AI的“ChatGPT时刻”最快可能2027年就会到来。目前最大的问题是AI模型的输入、输出，跟机器人的执行和真实物理世界有偏差。他认为，目前顶尖AI模型与机器人之间只差“几个毫米”的对齐精度。

　　这“几个毫米”可以通过“拧瓶盖”的动作感受——看到瓶盖产生松动，是机器人真实拧松了瓶盖，还是其指腹打滑从而带动盖壁位移？两种情形在画面里几乎一样，却需要不同的动作调整。

　　触觉就是观察具身智能最新技术进展的一个切口。11月10日，蚂蚁灵波开源触觉基础模型LingBot-Touch，值得关注的是，该模型将不同类型传感器的信号转换输出为统一的触觉Token，以便已有触觉经验在不同硬件和动作模型间复用，进一步缩短新设备、新任务和规模化部署的适配周期。相关负责人表示，在2款灵巧手、26项真机任务的测试中，4种动作模型接入LingBot-Touch后，平均任务成功率较无触觉时提高14至26个百分点。

　　智元联合创始人、总裁兼CTO彭志辉也将物理AI的“ChatGPT时刻”指向泛化能力突破：面对新任务，机器人能够复用已有知识，以更少的数据、更低的成本、更短的时间获得新能力。他表示，泛化能力决定机器人可以覆盖多少工作范围，可靠性决定用户愿意交出多少工作给人形机器人尝试。机器人理解了任务，还要在接触物体后持续感知变化、修正动作，并在出现失误时恢复作业。通用模型的推理进步与具身系统的感知、控制突破，需要在这一过程中共同发挥作用。

　　数据驱动具身智能释放规模效益

　　根据工业和信息化部（以下简称工信部）最新数据，今年上半年，我国人形机器人整机产品突破400款，产量超过4万台，预计全年产量突破10万台。目前，人形机器人已在仓储物流、餐饮零售、家庭服务等300多个重点场景加快验证和部署。

　　6月，工信部、国务院国资委联合开展2026年度人形机器人与具身智能实景实训专项行动，提出到2026年底，人形机器人等重点产品在一批代表性场景中率先完成应用验证和常态部署，开启“作业模式”；凝练形成百个以上高价值应用场景，进一步丰富具身智能应用谱系，带动形成万台级规模落地能力。

　　为了教会机器人干活，操作人员需要先把自己怎样干活记录下来。光轮智能副总裁杜习奇表示，在物理AI的预训练阶段，更多需要仿真合成数据和人类视频数据。2025年头部客户对光轮智能数据的需求还在十万小时级，今年需求已经是百万小时级。智元联合创始人、联席总裁姚卯青也表示，智元GO-3模型的训练集已超过百万小时。容易采集的室内单目视频供应充足，真实作业场景中的双目视频、触觉和腕部相机数据仍然紧俏。

　　数据的价值，需要通过具体任务来检验。工厂关心流水线生产节拍，仓库关心订单处理效率，服务场所关心异常处置和人机配合。机器人部署之后，能否记录失败原因、识别能力短板，并将现场经验用于下一轮训练，决定了设备增加能否带来能力积累，并进一步释放规模效益。缺少这一过程，规模扩大也可能同步增加调试和维护负担。

　　对企业而言，完成示范项目之后，能否以更低成本进入第二个、第三个同类场景，将成为检验技术复用能力与商业价值的重要尺度。

　　“万台上岗”要算全生命周期总账

　　“万台下线只是制造业的胜利，万台能够上岗才是物理AI的胜利。”彭志辉在接受记者采访时表示，未来具身智能产业需要将关注点引向持续有效的劳动。他还提醒，一台机器人开机8小时，并不意味着创造了8小时的价值。

　　根据《具身智能发展报告（2026年）》，当前人形机器人“出货不等于上岗”，整机价格仅占全生命周期成本的40％～60％，相当比例设备月均开机天数不足10天，部署调试、维护升级、人员支持等支出影响投资回报。摩根士丹利的相关调查也显示，企业对人形机器人的价格变得更加敏感，72％的受访者认为售价低于10万元的人形机器人才具有经济可行性，而2025年这一比例仅为53％。企业显然更加关注经济效益，并普遍要求更短的投资回收期。

　　因此，人形机器人批量生产后推动硬件降价只是降低使用门槛的一部分。如果机器人需要频繁人工接管，或者每换一个工位都要重新开发方案，设备价格下降未必能够带来同等幅度的作业成本下降。

　　模型和本体的进步仍将是推动物理AI走向拐点的关键因素，但对于采购方而言，验证拐点的指标更看重人形机器人需要适应新任务更快、连续运行更稳定、完成同样工作所需的人工支持和总成本持续下降。“万台上岗”的分量在于将技术突破转化为能够反复验证的生产力。（记者　李晓东）