能翻跟头，却拧不好螺丝：具身智能的商业化死穴在哪？

机器人不是不聪明，是缺一个通用“大脑”：基模。

编辑丨李希

过去一段时间，具身智能是最热闹的科技赛道：头部公司接连融资数十亿、机器人登上春晚、估值不断刷新。但热闹背后有个尴尬：绝大多数公司还没跑通商业闭环。

常见剧本是：demo 惊艳，签下 POC（概念验证），然后进入漫长定制——新场景重新采数据，新任务重新调模型，新客户重新做交付。项目一个接一个，收入还是项目制；团队越铺越大，毛利越摊越薄。demo 和规模化之间，隔着一条几乎没人跨过去的河。

具身智能到底怎么赚钱？整个行业都该认真回答一次。

今天主流具身模型，本质是“增训”：拿现成视觉语言模型当基座，补动作数据，接动作输出头。做 demo 快，但天花板明显——模型里没有真正的物理智能基座。每换一个场景、本体或任务，数据采集、训练、调参、验证都要重跑。泛化不够，规模化就是空谈；规模化做不到，商业闭环就永远差最后一环。

还有个硬约束常被忽略：真实商业场景对成功率的要求，远比demo 残酷。工厂和仓库不会因为机器人“大多数时候能成”就买单——一批任务跑下来，绝大多数工序要求接近百分之百；演示里八九成的成功率，搬到产线就等于不可用。基座不够强，只能靠针对每个场景的高昂后训练硬补效果。这不是工程问题，是成本结构问题：这样的生意天生无法规模化。

这个剧本，AI 行业已经演过一遍。GPT 出现前，NLP （自然语言处理）也是项目制生意：每个客户一套定制模型，每个场景一套定制方案，公司规模随项目数线性膨胀。转折点是基础模型出现——一个足够通用的基座，把“为每个客户重造模型”变成“在同一基座上生长应用”。

资本市场已经先一步为这套逻辑投了票。近日，Physical AI创业公司息壤开物（XIRRA）宣布，公司已经连续完成数亿元种子轮及天使轮融资，由敦鸿资产领投，华控基金、三花控股、银杏谷资本、泽然资本、本坚基金、上海天使会、标朴投资等知名机构跟投，目前估值达5亿美元。募集资金将主要用于原生物理 AI 模型的规模预训练、真实物理交互数据建设、核心研发人才引入与场景验证。

息壤开物由华为大模型体系两位核心人物联手创办：

创始人李寅，清华大学毕业，曾任华为云大模型 CTO，华为云行业大模型开发部部长，华为大模型 0 到 1 核心成员，长期统筹基础模型、多模态、视频生成、科学计算与行业大模型研发。曾带领400人团队，依托百万小时视频数据集、万卡算力集群，历时2个月完成视频大模型的训练与发布。主导国内多地具身智能创新中心在当地产业的落地，并交付智驾、矿山、金融、医疗、气象等大模型解决方案，相关项目每年带来数亿元营收。

张含望教授，现任华为多模态首席科学家，南洋理工大学AI 领域校长讲席教授，即将出任息壤开物联合创始人、首席科学家。谷歌学术因果方向全球排名华人学者 Top 1，也是全球榜单前列中最年轻的学者；入选 IEEE 评选的"全球 AI 领域十大最值得关注的学者"（AI's 10-to-Watch）。他长期深耕因果机器学习与多模态智能，累计发表论文 228 篇，被全球学者引用超 4.2 万次；国际通行的学者影响力硬指标 H 指数达 81，稳居国际 AI 学界最顶尖梯队。他曾获新加坡总统科技奖青年科学家奖——该奖由新加坡国家研究基金会每年评选颁授，仅授予40 岁以下、展现世界级研究潜力的科研人才，是新加坡授予科学家与工程师的最高荣誉之一。

01

授人以器不如授人以法，

把物理规律沉淀成客户自己的模型资产

息壤开物的商业化架构，正是沿着这个逻辑搭建的：

• L0物理基础模型（LPM）：提供理解物理规律、预测状态演化、规划长程动作、支撑闭环执行的通用物理能力——这是唯一需要"重投入、长周期"打造的一层，也是整个商业闭环的技术基石；

• L1领域模型：在 L0之上加入行业专业数据增训，形成具身操作、自动驾驶、气象、药物分子等领域模型——任务理解、长程规划、闭环仿真、多尺度物理过程建模等行业级能力，都在这一层长成；

• L2垂域应用：蒸馏出面向具体场景的轻量应用，完成最终交付——从产线上的具身执行与规划仿真，到智驾的闭环仿真与训练数据合成，再到极端天气预测、分子性质预测，任务越具体，模型越轻。

路径上分两步走：先跑通机器人场景的闭环，再把同一套基座复制到更多物理行业。

这套架构的商业含义才是重点：行业客户不需要从头训练模型。制造企业、本体厂商、场景方可以基于 L0 基座和配套平台，用增训和适配的方式开发自己的具身智能模型——落地成本从"重新造一个模型"，降为"在基座上长出一个行业模型"。

这背后是一个正在行业内逐渐形成的共识：物理世界的应用场景成千上万，没有任何一家公司能够独自做完所有场景，最合适的开发者，永远是最懂垂类的行业玩家自己。智能手机时代的分工已经证明过这一点——硬件厂商做整机，操作系统厂商做基座，千万开发者在上面长出应用生态。具身智能要走向规模化，同样需要这样一个开放基座：基模公司把物理智能的底层能力做深做透，行业客户和开发者在自己的场景里把它用透用活。

商业落地的核心是提升泛化性，而泛化性只能来自基模。泛化性每提升一分，定制化成本就下降一分，可复制的场景就扩大一圈——这就是具身智能从"项目"走向"生意"的唯一路径。

02

基模为什么难：

具身大模型的四道技术门槛

既然基模是答案，为什么做的人这么少？因为难。具身基础模型至少要跨过四道门槛：

其一，物理世界连续、高维、不可完全观测。语言是离散符号，物理世界是力、接触、形变与时间的连续函数，状态空间比文本大出几个数量级。

其二，长程决策的组合爆炸。多步连续动作的组合迅速膨胀，直接穷举轨迹不可扩展——必须用递归式的结构化建模来化解。

其三，数据稀缺且异构。互联网上没有现成的"物理交互语料"，真机数据昂贵，视频、轨迹、力觉、触觉格式各异，无法直接入训。

其四，仿真到现实的鸿沟。仿真里练出来的能力，搬到真实世界常常失效，模型必须能在真实反馈中持续校准。

息壤开物选择回到第一性原理，坚持以贝尔曼方程最优解作为模型的理论根基：把长程决策递归分解，让模型在长期累计回报最大化的统一目标下，同时学习世界转移 P与策略π——世界模型与策略模型的能力，在同一个基础模型里被统一。架构上，LPM将世界推演与视频渲染解耦：统一自回归架构负责组织因果历史、推演“发生什么”，扩散模型负责渲染“看起来什么样”。

▲LPM = 贝尔曼递推方程的最优解：让模型逼近长期累计回报最优的决策（GIF图）

这套体系能力已经得到第三方验证：9 月16日，WorldArena 2.0全球总决赛榜单揭晓，息壤开物物理能力登顶全球第一：在 Track 1 视频质量赛道拿下Trajectory Accuracy（轨迹精度）全球第一、Physical Adherence（物理合规性）全球TOP 3——前者考察给定动作策略后模型对运动轨迹的精确还原，后者直接衡量模型对物理规律的遵从，两项都是最能体现物理建模能力的指标。

03

基模不是孤军：三大基建的联动

基础模型不是训练一次就结束的资产，它需要一整套工具链持续供养。围绕 LPM，息壤开物建起了三大相互配合的平台基建。

XR数据平台，负责把物理世界经验"编译"成可训练资产。从多模态数据接入开始，清洗、结构化标注、质量检查、版本管理与发布全流程打通：具身任务拆分与标注、第一视角视频处理、跨本体跨传感器的格式适配，都被做成了标准化、可调用的工具；坏例有回流通道，数据资产可以持续治理、持续增值。它保持跨本体、跨模型的中立定位——客户得到的不是一批文件，而是一条可持续运转的数据生产线。

▲数据平台demo——数据展示（GIF图）

▲数据平台demo——数据过滤管线（GIF图）

▲数据平台demo——工业组装场景双手骨架（EGO数据管线将海量人类第一视角视频转化为可训练的具身数据，让“看得见的手”进一步变成“可训练的手”）

XR增训平台，负责让基模能力低成本地“长”进客户的场景。围绕"基础模型增训—部署—持续迭代"的全流程，它把项目与任务管理、模型管理、训练配置、本体适配、部署发布、监控运维做成了一套开箱即用的工具链，并与数据平台、评测平台天然打通。对客户而言，价值很直接：不需要组建庞大的算法团队，也不需要从零搭建训练管线，就能把 L0 基础模型快速增训为自己的行业模型和任务模型——算法门槛、数据接入成本和交付周期被同时压缩，工业场景的规模化落地由此提速。

▲增训平台——从基础模型到行业模型：增训、部署、持续迭代一站式完成

XR评测平台——已实现从场景构建、质量检查、策略执行到报告生成的完整工作流程，支持评测场景复用，以及执行过程、评测报告的保存回查。平台打通仿真场景构建、模型推理与结果可视化全链路，把过去高度依赖人工的工作链路打造为自动化闭环；失败样本可在此完成定位、补数与复验，持续回流至下一轮模型训练，形成评测即飞轮、越评越强的迭代效应。

▲评测平台——理解、生成、执行三位一体，让每次失败都产生可用的训练信号

三大平台不是并列关系，而是一个飞轮：数据平台供料，增训平台成模，评测平台找茬，失败样本再回流数据平台——每转一圈，模型强一分，客户的落地成本就降一分。

04

钱在哪里：从产线到仓库，

国内 2B 与海外的变现机会

基座和工具链就位之后，商业化机会是自然生长出来的。沿着 L0/L1/L2 的架构往下看，至少有四类清晰可见的变现路径：

其一，面向本体厂商的"大脑"能力输出。机器人本体长期将是多种形态共存的格局，本体厂商真正稀缺的是通用、可适配的模型能力。把高泛化的物理操作能力封装成标准化 API 与 SDK，配套模型授权和开发者工具，基模能力就能像"大脑模组"一样输出给整机厂，让整机厂和开发者专注于自己最擅长的硬件与场景——基模的渗透随本体出货量放大。

其二，面向工业与物流场景的行业模型及联合交付。工业分拣、仓储拆码垛、柔性装配、质量检测、物料搬运——这些任务需求明确、付费意愿强，是具身智能最先兑现现金流的地方。行业客户基于 L0 基座增训出自己的行业模型，再联合完成场景交付——客户拿到的是可持续迭代的能力，而不是一锤子买卖的项目。而基座泛化能力带来的一个隐性价值在于：适配新场景、新工位时，对客户现场数据的依赖大幅降低——机器人在一个工位练熟的技能，可以很快复用到隔壁工位和相邻产线，客户对数据合规与隐私的顾虑也随之减小，交付周期和商务门槛双双下降。

<< 滑动查看下一张图片 >>

工业及物流场景图片轮播

其三，面向智驾与科学计算的数据与评测标准品。智驾的闭环仿真与训练数据合成、极端天气预测、药物分子筛选，本质都是"理解物理规律、预测状态演化"的问题。高质量物理数据、标准数据集、Benchmark 与评测服务是全行业都缺的公共品——这类产品一旦建立标准，就具备可复购、可规模化复制的属性，边际成本持续走低。

其四，区域产业平台与海外市场。国内多地正在建设具身智能创新中心与训练场，公共基座与工具链是其中的刚需；海外市场对高质量物理数据与评测能力同样饥渴，在完成合规与管制评估的前提下，标准品输出具备可观的想象空间。

值得一提的是，这些路径之间是互相咬合的：交付带来数据，数据反哺基模，基模增强再降低下一次交付的成本——商业化本身，就是基模的训练飞轮。

LLM 行业用五年时间证明了一件事：基座的价值，最终会超过它上面所有应用的总和——因为应用会换代，而基座只会沉淀。

具身智能正在走到同一个路口。当行业为又一笔巨额融资、又一次国民级亮相欢呼时，真正决定谁能笑到最后的问题其实很简单：你的商业闭环，是建在别人会换代的方案上，还是建在自己持续变强的基座上？

把基模打牢，让泛化性成为可交付的商品——具身智能的商业化元年，才算真正开始。

生生息壤，开物造智。

未经「AI科技评论」授权，严禁以任何方式在网页、论坛、社区进行转载！

公众号转载请先在「AI科技评论」后台留言取得授权，转载时需标注来源并插入本公众号名片。