一文看懂物理AI，是什么？卡在哪儿？机会是什么？

一文看懂物理AI，是什么？卡在哪儿？机会是什么？

2026年8月19日，宇树科技在科创板上市。开盘价1100元，比发行价涨了六倍多，市值一度冲到约4449亿元。2025年春晚上扭秧歌的那群机器人，就是这家杭州公司做的。

宇树2025年全年营收约17亿元。按开盘时的市值算，是它一年营收的260多倍。

钱不只涌向宇树。IT桔子统计，2026年上半年，国内具身智能（让AI有个身体，在真实世界里动手干活）一级市场融资约935亿元，是2025年同期的5倍。美国做人形机器人的Figure，估值390亿美元。只做机器人"大脑"、至今没有收入的Physical Intelligence，据彭博社10月27日报道，正按约200亿美元的估值谈新一轮融资。

机器人干活的本事，跟上这个价了吗？

2026年5月，Figure让自家最新的机器人Figure 03和一个叫Aime的实习生比赛分拣包裹：拿起包裹，找到条码，条码朝下放上传送带。比10个小时。

实习生分了12924件，机器人分了12732件。

人赢了192件。

Figure创始人Brett Adcock发帖时还专门交代了一句：公司遵守加州劳动法，比赛中途实习生有吃饭时间，也有带薪休息。

▲ Figure直播的分拣比赛：上为实习生Aime，下为Figure 03，中间是10小时的最终件数（图源：Figure直播画面，Interesting Engineering剪辑）

这类会看、会想、还能动手的AI，统称物理AI。2024年6月，英伟达CEO黄仁勋在台北的一场演讲里说，下一波AI是物理AI，是懂物理定律、能在我们中间干活的AI。2026年10月21日，他在柏林的GTC大会上又说了一遍：物理AI，才是真正的下一波AI。自动驾驶汽车、仓库里的搬运机器人、工厂的机械臂、人形机器人，都算在里面。国内更常用的说法是具身智能。

它和ChatGPT最大的区别是：ChatGPT说错一句话，删掉重来就行；机器人手一滑，杯子就碎了，车一偏，就是事故。

物理AI已经在哪些地方干活了

按"真正替人干活"走到了哪一步来排，大致是这样一个顺序：

排在最前面的是自动驾驶。Waymo的前身是2009年谷歌立项的无人车项目，到2026年春天，每周全无人驾驶的付费出行超过50万单；到9月，车队有4000多辆，开进了美国14座城市。百度萝卜快跑2026年一季度跑了320万单，李彦宏说，在出租车价格偏低的城市，单车的账已经打平。

走在最前面的也不稳。3月31日晚，萝卜快跑在武汉的云端系统出了故障，多辆车停在路中间动不了，乘客被困在主干道上。之后百度在国内部分城市调整运营，二季度单量从一季度的320万单降到约100万单。

仓库排第二，但干活的主力不是人形机器人。亚马逊2025年7月宣布部署了第100万台机器人，大多是把货架驮到工人面前的轮式搬运车。《纽约时报》2025年10月报道，亚马逊内部文件算过一笔账：到2033年，靠机器人可以少招60万名美国员工。亚马逊的回应是，这份文件不完整，不代表公司整体的招聘计划。

工厂里，人形机器人刚从试点走到小批量。Figure的上一代机器人Figure 02在宝马美国斯帕坦堡工厂干了11个月，周一到周五每天10小时，往焊接夹具里放钣金件，一共放了9万多个，参与生产了3万多辆宝马X3。美国公司Agility的人形机器人Digit，在物流公司GXO的仓库里搬了10万多个周转箱。现代汽车集团计划在接下来几年，往旗下工厂派2.5万台波士顿动力的Atlas。

▲ 2024年，Figure 02在宝马斯帕坦堡工厂把钣金件放进夹具（图源：宝马集团）

家里排在最后。1X公司的家用人形机器人NEO标价2万美元，2025年10月开放预订，5天订满了2026年的全部产能，1万台。到2026年4月底，1X自己说，下线的机器人还在优先给内部团队用。遇到NEO不会干的家务，用户可以预约1X的"专家"，远程接管操作。

谁先谁后，看的是出了错代价多大、环境规不规整、替下来的人工贵不贵。工厂工位天天重复同一个动作，零件放在哪都是定好的；每户人家的布局、杂物都不一样，旁边还有人走来走去。

往后看，机构的预测一个比一个大。IDC把2030年全球人形机器人出货的预测上调到75万台以上；高盛2026年8月把2035年的出货预测从140万台改到650万台；摩根士丹利看得最远，到2050年全球在用的人形机器人约10亿台，九成在工厂和商业场所，进家庭的是少数。

人形机器人卖给了谁

预测归预测。上面那个顺序排的是"干活"的成熟度，要是按眼下人形机器人卖出去多少台来排，顺序几乎反过来。

市场研究机构IDC统计，2025年全球人形机器人出货约1.8万台，其中83.8%卖给了三类买家：科研教育、表演展示，以及政府建的数据采集中心。2026年上半年，这个比例降到69%。另一家机构Counterpoint统计，2026年上半年进工厂做智能制造的只占13%，进仓储物流的只占5%。

宇树的招股书更直接。2025年前9个月，它的人形机器人收入里，73.6%来自高校、科研院所这类科研教育客户；用在工厂制造、巡检这些工业场景的收入是1570万元，按招股书的数字算，不到人形机器人收入的3%。

政府建的数据采集中心买机器人，不是让它们干活，是拿它们生产训练数据。优必选金额最大的订单之一，是广西防城港的"人形机器人数据采集与测试中心"项目，2.64亿元。

表演这一块正在降温。2025年春晚之后，人形机器人连人带机器的全包日租普遍1万到3万元；到2026年10月，降到3000元左右，部分基础机型不到2000元。

▲ 2025年春晚，《秧BOT》的演员和宇树H1机器人合影（图源：新华社）

10月22日，宇树在杭州办了一场"世界物理AI大会"。在和姚明的圆桌对话里，宇树创始人王兴兴回应了一个问题：为什么宇树的机器人总在表演，不去干活？

如果你连自己走路都走不好，跑都跑不起来，那你还指望这样的机器人去干活吗？

卡点一：机器人没有自己的"互联网"

ChatGPT这类大模型学得快，是因为互联网上有现成的海量文字和图片。

伯克利的机器人学教授Ken Goldberg，2025年8月在《科学》子刊《科学·机器人学》上做过一个换算：训练今天的视觉语言大模型用到的文字和图片，一个人不吃不睡地读、看，要10万年。机器人这边，当时公开报道过的最大一批机器人操作数据，约等于1年。

差距这么大，是因为机器人要的数据，网上没有。它要的是"画面加动作"成对的记录：摄像头看到什么，那一刻每个关节怎么动、用多大的力。网上的做饭视频能看到人的手，看不到手上用了多大的力。

只能一条条采。最常见的办法叫遥操作：人戴上设备远程操纵机器人干活，机器人把自己看到的画面和每个动作记下来。Goldberg在伯克利的新闻稿里说得很直白：

干8小时活，只多8小时数据。

斯坦福等13家机构合作的DROID数据集，50个采集员在北美、亚洲、欧洲干了一整年，攒下约350小时，连续播放不到15天。国内真机遥操作的市场报价，每小时500到1000元。

▲ 2026年3月，北京首钢园内的人形机器人数据训练中心，工作人员在训练机器人（图源：新华社）

各家押的数据路线，放在一张表里看：

真机遥操作最直接。智元是2026年上半年全球人形机器人出货最多的公司，它的合伙人姚卯青说，他们2026年的目标是千万小时级，现在到了百万小时级；他判断要攒够1亿小时，物理世界才会迎来"GPT时刻"。1亿小时，一刻不停地录，也要1.1万多年。

马斯克在10月21日的财报会上，解释了特斯拉为什么要自己造上万台机器人：特斯拉的汽车有一支庞大的车队天天回传数据，机器人没有。要攒够训练数据，得先造出一两万台Optimus。

人类视频便宜得多，这两年跟进的公司越来越多。美国创业公司Generalist干脆不用机器人采数据，全靠人戴着设备干活，攒了50多万小时。Figure在8月上线了一个App，付钱让普通人在家里、在单位拍自己干活的视频，已经付出去1500万美元，每天上传的视频相当于一个人干4.9年的活；公司说未来12个月要在数据和算力上花10亿美元以上。特斯拉从2025年夏天起，让员工戴上头盔、背上挂着5个摄像头的背包，录自己干活。

这条路也有人泼冷水。Physical Intelligence联合创始人、伯克利教授Sergey Levine把仿真、人类视频这类替代数据比作"叉勺"：想同时当叉子和勺子，最后往往是一把漏汤的勺子，或者一把戳不动的叉子。在他看来，机器人得看到自己在真实世界里干活，才学得会。

仿真最快。英伟达说，它用11个小时在电脑里生成的训练数据，相当于6500小时的人类示范。Skild AI在仿真里造了10万种不同身体的机器人，让一个AI学着控制所有身体，模拟时间累计上千年。

难在电脑里练得好，到了真机上会走样，行内叫Sim2Real（从仿真到现实）的鸿沟。走路、空翻在仿真里练得出来，抓东西就难了。Goldberg的解释是，手指和物体接触的位置一直在变，材料会有细微的形变，表面的摩擦力也时刻不同，电脑算不准。

2019年，OpenAI做过一个有名的实验：让一只机械手在仿真里练拧魔方，累计的训练经验约1.3万年。魔方的解法用的是现成算法，机械手要学的只是怎么转。放到真机上，15步以内就能还原的魔方，成功率60%；需要26步的，成功率20%。

▲ 2019年，OpenAI训练的机械手拿着魔方（图源：OpenAI）

2026年NOAI中国站复赛（也是IOAI中国国家队的选拔赛）的第三题，考的就是这道坎。题目基于英伟达的Isaac Sim仿真平台，给出机械臂在仿真里的关节轨迹，再给真机开头一小段的真实状态，让选手预测真机接下来每一帧的关节状态。

边干边练是第四条路。Physical Intelligence在2025年11月发布的π*0.6，让机器人自己干活，出错时由人远程纠正，再从自己的成功和失败里学。在最难的几项任务上，每小时完成量翻了一倍多，失败率降了一半左右；它做意式咖啡，从早上5点半一直做到晚上11点半。

他们在发布文章里写了一句：

让机器人成功一半不难，难的是让它每次都成功。

卡点二：会做一个动作，离什么都能干还很远

机器人的"大脑"，这几年换了一种造法，叫VLA（视觉-语言-动作模型）：把"看图说话"的大模型改成"看图动手"，给它摄像头画面和一句人话，它直接算出手臂下一步怎么动。谷歌2023年7月发布的RT-2开了这个头，论文作者里有5个人，后来出来创办了Physical Intelligence。

VLA让机器人开始能做训练时没见过的事。Figure在2026年9月公布了一组测试：把机器人放进旧金山湾区30户从没去过的人家，收玩具、叠毛巾、铺床，整件事做完才算成功。用前面那个App采来的人类视频做过预训练的模型，成功率56%；没做过的，只有9%。

▲ Figure 03在叠毛巾，左为Figure创始人Brett Adcock（图源：Figure）

56%放在家里，是一个让人看到希望的数字。放到工厂，差得很远。Figure在宝马项目里列出的验收要求是：每84秒完成一个节拍，每班成功率超过99%，零件2秒内放到5毫米公差以内，一整个班不需要人插手。

谷歌7月发布的Gemini Robotics 2也偏科。同一个模型用五指灵巧手，拧下灯泡的成功率92%，拧上灯泡36%，用簸箕扫地32%。

从九成到九成九为什么这么难？算一笔简化的账：一件家务拆成20个步骤，每步成功率95%，20步全做对的概率只有36%左右；每步做到99%，全程是82%。这笔账假设机器人一步出错就救不回来，现在的模型多少能自己纠错，实际没这么悲观。可它说明了一件事：每一步都得接近完美，整件活才靠得住。

前特斯拉AI负责人Andrej Karpathy管这叫"9的长征"：演示做到90%，只是第一个9，之后每多一个9，要花的力气都一样多。他说自己在特斯拉做自动驾驶的5年里，大概只走了两三个9。

王兴兴8月在世界机器人大会上说得更直白：固定场景里，数据采够、训练够，很多任务的成功率能接近100%；可只要换一个要拿的东西，或者周边环境稍微一变，成功率就明显下降。

谁在押哪条路

做大脑的公司，生意经各不相同。

只做大脑，不造身体。Physical Intelligence想当机器人界的"大模型API"，谁家的机器人都能接它的模型，10月13日才开放API测试。同样定位的Skild AI，两位创始人都是卡内基梅隆大学的教授，口号是"任何任务，任何机器人，一个大脑"。它的生意跑得更快：首次商业部署10个月后，年化收入超过1亿美元，付费客户60多家。可它4月也收购了斑马技术公司的仓储机器人业务，只做大脑的公司，也开始买身体了。

做平台，卖铲子。英伟达自己不造机器人，卖芯片、仿真软件和开源的机器人模型，给所有人用。工业机器人的"四大家族"发那科、ABB、安川、库卡，都把英伟达的Jetson芯片装进了自家控制器。谷歌把Gemini Robotics模型开放给Apptronik、波士顿动力这些造机器人的公司，发布时的口号是"一个大脑，配任何机器人"，和Skild的几乎一样。

英伟达的老对手AMD也坐不住了。2026年9月，AMD宣布用价值82亿美元的股票，买下斯坦福教授李飞飞创办的World Labs。这家公司做世界模型，在电脑里生成虚拟世界，机器人可以在里面练手。芯片从设计到上市要好几年，几年后的AI模型长什么样，芯片公司得提前摸清，英伟达手里早就有自己的世界模型Cosmos。AMD的CEO苏姿丰说，整条链路懂得越透，造出来的系统越好，这就是收购的原因。

软硬一体，自己全包。Figure自己造机器人、自己采数据，还和云计算公司Nscale签了最多10万块英伟达GPU的算力合同。特斯拉也是全包，马斯克在10月21日的财报会上承认，AI架构上还有很多东西要做对，还在做。

国内的大脑公司，估值也在一路往上涨。据第一财经不完全统计，估值过百亿元的具身智能公司，2025年有3家，到2026年上半年至少22家。北大助理教授王鹤创办的银河通用、清华老师参与创办的星海图，还有自变量、智平方，估值都超过了200亿元。

卡点三：最难造的是一只手

10月21日特斯拉的财报电话会上，德意志银行的分析师直接问：手是不是还卡着？Optimus项目负责人回答：

手是最难的硬件之一。从机电的角度看，它比走路用的关节还复杂。

马斯克接了一句：人的手磨坏了会自己长好，机器人的手不会。

特斯拉在手上栽过跟头。据科技媒体The Information报道，特斯拉原定2025年至少生产5000台Optimus，因为手的设计问题砍到约2000台，积压了几百台没装手和前臂的机器人躯干。

人手有27块骨头，手掌和手指的皮肤下面，还有约1.7万个能感知轻触的感受器。做扫地机器人Roomba的iRobot公司，联合创始人Rodney Brooks据此认为，光看人类视频学不会灵巧操作，因为视频里没有触觉。Figure 03的指尖能感受到3克的力，大约一枚回形针的重量。

▲ Figure 03的手拿起番茄、鸡蛋和一张扑克牌（图源：Figure官方视频截图）

造手的公司也在做减法。波士顿动力10月2日给Atlas发布了新手，13个自由度，干脆去掉了小拇指。工程师的解释是：多出来的那点灵巧，不值得再加3个自由度带来的体积、功耗和复杂度。

还有电池。宇树最便宜的人形机器人R1续航约1小时，G1约2小时，H2约3小时。5月Figure那场200小时不间断的分拣直播，是几台机器人轮流上，每台干三四个小时就得下去充电。

身体这一层，中国公司占着优势。摩根士丹利统计，全球人形机器人供应链企业里，中国占63%；它还测算过，特斯拉Optimus的物料成本，用中国供应链约4.6万美元，不用约13.1万美元，差了快3倍。灵巧手早年单只动辄十万元以上，现在国产的已经有4999元的。

进家门之前，还有安全这一关。Brooks给普通人的建议是，离全尺寸的行走机器人至少3米远。Figure的前产品安全负责人2025年11月起诉公司，起诉书指控Figure的机器人力量大到足以击碎人的颅骨，他提出安全问题后被解雇；Figure否认这些指控，案子还没有判。

卡点四：一台机器人，多久能回本

价格降得很快。宇树R1起售价2.99万元，G1现在8.5万元，H2是19.9万元。1X的NEO买断2万美元，也可以每月499美元订阅。

账算不算得过来，要看在哪干活。高盛2026年8月算过工厂的账：一台3万美元的人形机器人，加上一半的系统集成费，总投入约4.5万美元，顶0.8个工人，一年省下2.83万美元，1.6年回本。前提是它真能稳定地顶上这0.8个人。

家里的账更难算。星海图前联合创始人许华哲2026年5月接受采访时讲过一次碰壁：他想过做一个专门备菜的家用机器人，问国内朋友愿意出多少钱，大家拿冰箱比，六千到一万；问美国朋友，最多给到电饭煲的价，200美元。

我们一个关节就要一千块，一个机械臂至少七个关节，光关节就超出预算了。

公司的账本上，赚钱的还是少数。宇树2025年归母净利润约2.8亿元。优必选2025年卖出1079台全尺寸人形机器人，这部分收入8.2亿元，公司整体仍在亏损，给自己定的目标是2027年第四季度实现单季盈利。

资本市场的热度来得快，退得也快。宇树上市后8个交易日，股价从1100元跌到585元，市值蒸发2000多亿元。

国家发改委发言人李超，2025年11月的发布会上专门谈过这个行业：

"速度"与"泡沫"一直是前沿产业发展过程中需要把握和平衡的问题，这对于具身智能产业来讲，也是一样的。我国目前已有超过150家人形机器人企业，这个数量还在不断增加，其中半数以上为初创或"跨行"入局，这对鼓励创新来讲是一件好事；但也要着力防范重复度高的产品"扎堆"上市、研发空间被压缩等风险。

机器人什么时候能真正干活？说法差得很远。王兴兴10月22日说，具身智能的ChatGPT时刻最快明年就能到；他8月给过一个标准：把机器人带进任意一个陌生环境或普通家庭，用语音或文字下指令，它能完成约80%的任务。Sergey Levine给家用机器人完全自主估的中位数是5年。Brooks的判断是，人形机器人要第一次靠干活赚到钱，哪怕只要求一点点灵巧，也还得十年以上。

最敢说的是Figure的Adcock。分拣比赛输给实习生、公布比分的那天，他发了一句：

这是人类最后一次赢。