当AI开始从数字世界走向物理世界，机器人也正在进入更多真实场景。从工厂到家庭，Physical AI的应用边界不断扩大，但从技术演示走向真正的规模化应用，中间仍有不少问题需要解决：什么样的场景能够率先跑通？数据、安全和基础设施又将如何跟上？
在第五届全球数字贸易博览会“数贸创投日”的产业增长播客环节，慧言未来创始人、清华大学外聘教师刘慧凝，与普华集团董事长、引航陪跑教练、头头是道联合发起人曹国熊，启明创投投资合伙人、原高通全球副总裁、引航陪跑教练沈劲，高山新域创始合伙人、原小米合伙人、总裁、原高通公司全球高级副总裁、大中华区总裁、引航陪跑教练王翔，围绕《Physical AI，重新定义生产力》展开对话。
以下是对话实录，由创业邦整理。
Physical AI走向产业，关键看什么？
刘慧凝：技术上能不能做到，和产业上能不能真正用起来，中间还有很长的距离。Physical AI真正进入产业化，最关键的指标是什么？
曹国熊：现在Physical AI应该处于一个验证期，演示可行性已经被证明了，现在需要具体场景得以验证，还在做闭环的过程中。它在实际应用场景中的作用还没有被证明。
沈劲：创新的传播有一个S曲线。如果具身智能最后能够达到100%的普及率，这个点在15%左右。使用的人群不是猎奇的，也不是现在主要用户都是大专院校或者做机器人研发的，而是早期用户，就是15%。当然，现在不知道15%是哪一年。
王翔：王翔：我基本同意曹总的观点。Physical AI真正进入社会、进入家庭，可能是一个分阶段推进的过程。现在已经看到一些机器人提供公众服务，比如咖啡机、自动售货机。但真正大批量进入人们的生活，还有相当长的路要走。尤其是进入家庭，它不单单仰仗机器人的能力，更核心的是机器人大脑的能力，真正Physical AI核心模型的能力，这里还有非常长的路要走。
刘慧凝：面对越来越高的市场预期，作为投资人，如何判断一家企业是真的在创造真实价值，还是仅仅站在风口上？
曹国熊：Physical AI一个是本体，一个是大脑。大脑包括VLA的路径没有收敛，怎么做，最后的生态结果会怎么样还不知道。
做大脑有两种，一种是基础模型开始做具身，还有真正原创性的东西。基础模型拿过来，有些数据只能作为演示，最后拿回去还需要手动加工，再把模型训练起来，这一类肯定不行。我们比较看好有场景，或者真实应用作为一个锚。不能卖的都是试验性的产品，只能用于演示，还是要真的用起来。每一台卖出去的产品数据，才能形成真正的飞轮，迭代起来。本体、底座和各种零部件也很重要，相当于工业的底座。
刘慧凝：能不能举1-2个真实场景？
曹国熊：首先解决的是人不能去的场景，是不是人形本身不那么重要。酒店送餐已经解决了，清洁卫生还在过程中，这会是一个刚需，因为服务人员越来越难招。还有危险环境中的巡检。
真正具身要发展的时候，其实是重构生产的模型。比如工厂现在是为适应人工作的工作流程，到具身发展的时候，整个工作流程可能重新架构，人只是去定义它。现在大量创业公司已经开始往这个方向走。
刘慧凝：如果一家物理AI公司觉得技术部分已经做出来了，接下来应该怎么走？
王翔：我理解的Physical AI，讲的并不仅仅是基座模型，而是一个生态、一个解决方案。有了大脑，还需要找到真实的应用场景。找到场景，把它落地，从一个技术到一个产品，还是有非常多工作要做。
今天具身智能产业远远没有走到这一步，还在努力，尤其大脑这方面还在探索中，整个业界都在解决世界模型，或者Physical AI的基础模型。同时，模型大脑不是孤岛，推动产业发展要有大脑，还有本体。本体可能有不同的形式，不一定是人形，这是一个非常复杂的形态。
也许根据人类文明进步过去的经验，通常是找到一个相对简单直接的应用场景切入，闭环切入。解决一个问题，再解决一个问题，等到“GPT时刻”才会出现爆炸性的增长。
数据、安全与基础设施，卡在哪里？
刘慧凝：互联网时代的基础设施是网络，AI时代的基础设施是算力。到了物理AI时代，什么会成为新的基础设施？
沈劲：有6大方面。3个比较熟悉：算力、数据工程、模型。这3块仍然非常重要，尤其是数据，相比大语言模型为基础的生成式AI，数据的重要性尤为突出。另外三块是仿真和合成数据，主要解决快速训练模型的问题；运行环境，也包括安全；本体硬件，里面有很多传感器等。这些都构成了具身智能的Infra，也就是基础设施。
安全也非常重要，目前没有太多公司做。我们和硅谷的科学家讨论，认为安全将是最后的难关。前面所有东西都解决了，都很聪明，什么活都能干，但无论是在家庭还是车间，如果安全解决不了，还是不能大规模商用。
刘慧凝：物理AI的数据和大模型的数据有什么不同？难点是什么？
沈劲：大语言模型拿的是互联网的数据，物理AI数据保存得不太好，也有很多孤岛。有的数据在老师傅手里，比如一个修锁的，他手里可能有数据，但不在共享平台上，没有被网络化和广泛普及，所以数据采集尤其重要。
曹国熊：关键是能不能产生独有、真实的真机数据闭环。如果只是调用大模型API，还需要靠人工补后面很多东西，泛化能力肯定没有，这个数据就是无效的。真正有数据的，是部署出去的每一台具身都能真实产生数据，这个挺难的，数据是大脑的基础！
王翔：大语言模型从数据角度是相对容易实现的。今天的大语言模型基本几千亿Token量，如果到了视频，可能要多几个数量级。如果到Physical AI，它应该是大6个数量级，比千亿的量多几十万倍。难度更大，因为人类文明发展几千年积累了大量语言数据，互联网也有很多语言数据，培训了今天的ChatGPT等大语言模型。但在物理世界，这个数据基本上是0。
最高效的数据采集方法，以自动驾驶为例，最好是在驾驶过程中就能采到真实数据。数据的真实性非常重要，没有真实数据，就训不成Physical AI的基础模型。
现在还有一种新模式，是解构肌电信号，做每一个动作。比如拿水杯、叠衣服，从脑决策到控制手，肌肉电信号产生变化，把这些信号采集、规范、标记下来。如果能产生更好的标记化，可能也是一个革命性的方法，能够推动整个Physical AI生态的发展。
长期主义，到底意味着什么？
刘慧凝：我们现在经常讲长期主义、价值回归，但真正做起来并不容易。3位陪跑了这么多企业，到底什么是你们理解的长期价值？
曹国熊：我们投资所讲的耐心资本：长期不是说时间越长越好，最核心是耐心资本要匹配产业自身发展的规律，要深刻了解产业的发展周期，以及当下所处的阶段。打个比方，种子埋下去，你要知道大概3年后它可能破土而出，两年就想翻土肯定不合适。到4年还没有出来，也很奇怪。作为投资人，要尊重技术发展的规律、生态发展的规律。同时我们毕竟站在边上，不是真正的运动员，有时候可以帮忙喊喊停。当然最终还是要靠创业者自己做研判决策，是他坐在驾驶室里把舵。具身的大脑本身就没有闭环，估计至少得五年时间吧。
沈劲：长期主义做到还是非常难的。首先尊重事实。移动互联网相对高速发展，企业从成立到上市也都是七八年。但硬科技，我们以前投的芯片、半导体，都是10年、15年。这是事实，不是说你能够快一点还是慢一点。上市也不是终点，只是中间一个里程碑，一个节点。
具身智能的事又比较难。真正的技术突破，我认为现在还没有达到。黄仁勋搞大会，几十家具身智能企业合影，有一家说，除了我们，机器人是走上去的，其他都是抬上去的。但在一定场景中，我们看到它蹦蹦跳跳，做咖啡、叠衣服，都觉得很有意思，进步也很快。但离GPT moment或者龙虾节点还是要耐心一点。这就是长期主义。
王翔：长期主义不仅仅是针对投资机构和投资人讲的，创业者、科学家们也要有耐心。科学攻关，尤其在前面没有路的时候，需要很长时间。以大语言模型为例，人工智能有好几十年、六七十年历史，从图灵或者更早的概念，到深度学习、AlphaGo，再到OpenAI GPT的moment。真正爆发是最近几年的事，实际上过去是非常多年整个人类各国科学家的不断探索。
现在Physical AI有这么多优秀的科学家和创业者一起做这个事，除了资本、投资人有耐心以外，创业者也要有耐心。急于求成是做不成的，一定是技术难关一个个攻破。没有收敛，但最终会收敛，双方都要有耐心。
关于第五届全球数字贸易博览会“数贸创投日”系列活动：
9月22-24日，第五届全球数字贸易博览会“数贸创投日”系列活动在杭州举行。活动以“数贸创投日”为主场，联动创业邦2026 DEMO CHINA、环紫金港创新生态圈协同发展大会和交大安泰分场，围绕早期项目发现、科技成果转化、产业协同与企业全球化等议题展开交流，集中呈现了一批科技创新、产业合作与创投领域的新成果，让“下一个六小龙”更早被看见。据统计，活动共计吸引140家科技企业、131位一线VC/CVC投资人参与，现场促成785项投融资对接及产业合作意向。
