物理AI：被击穿的，和还没被击穿的

超电机器人报道

作者｜在洲

杭州世界物理AI大会，宇树科技创始人王兴兴抛出一个判断：物理AI最快1到2年，慢则2到3年，就会被击穿。

眼下物理AI涌现，所有人都在等一个“ChatGPT时刻”，王兴兴的这个判断非常有穿透力，也足够让人兴奋。

当然，还有他的另一句话——技术真正扩散到普通用户，还要5到10年。

再往前，在10月的工博会上，他透露宇树已经用GPT-6测试了多款机器人，"效果实际上非常不错"，并判断明年的GPT-7甚至可能"直接把具身智能问题打穿"。

1年、2到3年、5到10年，这三组数字似乎有点矛盾，但也指向了一个完全不同的未来。

这个行业从来不缺时间表。有人把量产元年定在今年，有人说三五年内机器人就能进家庭，有人把全部希望押在下一个大模型版本上。数字满天飞，但被反复混淆的，其实是两件完全不同的事——技术被击穿，和产业被改变。

被击穿的到底是什么

“击穿”这个词，王兴兴用得很讲究，但我们也不能把它理解得太随便。

他说的击穿，指的是模型能力跨过某个临界点——自进化闭环跑通，通用大模型能直接驱动机器人完成复杂操作。这是能力维度的判断，不是商业维度的。

这个判断有证据支撑。9月，RoboCurve公布过一组实机测试：把GPT-6 Astra接入机器人Agent系统，让模型根据摄像头画面和机器人状态，通过工具调用生成机械臂的动作目标，再由底层控制系统执行。在20次"将积木放入碗中"的测试里，GPT-6 Astra成功19次，成功率95%，平均用时还明显短于作为对照的专用具身模型。

它意味着通用大模型的泛化能力正在往物理世界溢出，不必为每项任务从头训练专门的模型，通用模型借助工具调用，就能参与物理世界的操作。

但这里藏着一个陷阱。

模型在一个任务上跑通，跟机器人每天在这个任务上干一万次不出错，中间隔着的不是一点距离。

在实验室里，“把积木放进碗里”成功19次，是欢呼。在工厂里，同样的动作成功99次、失败1次，可能就是整条产线停摆。

前者是1和0的区别，后者是99%和99.99%的区别，前者叫突破，后者才叫生意。

物理AI被击穿，击穿的是模型能力的天花板，不是商业化的门槛，这两件事之间，还隔着整个产业的落地周期。

第二张时间表才是产业真实的时间

当王兴兴说“技术真正扩散到普通用户还要5到10年”的时候，他讲的其实是另一件事——产业的进度条。

能力曲线是陡的，落地曲线是缓的，行业最容易犯的错，就是拿能力曲线的斜率，去预测落地曲线的位置。

把“落地”这个词拆开看，会清楚得多。

我们先看出货结构。IDC的数据显示，2026年上半年全球人形机器人出货量接近2.5万台，同比增长432.1%，中国市场超1.9万台，这个增速放在任何行业都算爆发。

但拆开看，科研教育、表演展示、政府数据采集中心这三类场景，占了全球出货量的约69%。真正在工业生产一线常态化干活的是少数。

增速是真的，结构也是真的，但是这两件事必须放在一起读。

再看速度差。乐聚机器人和兆丰股份的合作，是今年最实在的落地案例之一，15台人形机器人直接进了汽车零部件产线，运行两个多月，累计作业约1000小时，协助生产超6万个零件，上料成功率稳定在98%。

数字很漂亮，但工厂方给了一个更重要的对照：工人十几秒完成的动作，机器人现在要35秒。

兆丰机电的董事长说得很直接，人形机器人如果能做到15秒左右，才更有条件在行业内推广，预计还需要半年到一年。

半年到一年，把35秒压缩到15秒。这还只是“上料”这一道工序，还只是一家工厂。

然后是经济性。智元和长隆合作的具身智能主题乐园，部署了300台机器人，覆盖七大场景。真正关键的数字是运维配比——现在是1个运维人员对应3台机器人，近期目标是1:10，理想目标是1:20。

1:3是什么概念？意味着每3台机器人就要配一个人盯着。这样的人力成本结构，跟“替代人力”的商业叙事之间，还有相当的距离，运维成本能不能降下来，直接决定这类大规模部署能不能持续跑通。

机构预计，2026年中国人形机器人市场规模约34亿元，到2030年才有望突破200亿元。

34亿是什么量级？还不如一家中型制造业公司的年营收，这就是这个行业今年真实的商业体量。

四组数字放在一起，画面很清楚，技术端已经在冲线，产业端还在起跑区系鞋带。

所以“1到2年击穿”和“5到10年扩散”从来不矛盾。它们描述的是两个不同的东西——一个是模型的进度条，一个是社会的进度条。

技术在1到2年里能完成的，是让自己变得更强。产业在5到10年里要完成的，是让所有人相信它真的更强了。

两张时间表是两种坐标系

一家上市公司的创始人说“物理AI一两年会被击穿”，这句话的传播属性、资本属性，跟它作为纯粹技术判断的属性是并存的。

行业需要技术乐观主义，没有乐观主义，就没有资本、没有人才、没有试错的空间。但我们需要自己的坐标系。

所以比起记住“1到2年”这个数字，更有用的是记住几个能自己验证的指标。

首先就是订单结构，比如非关联方订单占比有多高？框架协议和真实采购的比例是多少？“战略合作”、“意向订单”这类词，跟真实收入之间隔着十万八千里。

再就是复购率和连续作业时长，买了第一批的客户，有多少买了第二批，第一次可能是尝鲜、可能是政策驱动、可能是关系采购，第二次才是真需求。

运维配比和单台经济性的指标也很重要，一个人能管几台机器，这个数字降得快不快，是判断经济性最直接的指标，而客户多久能收回成本。这个数字如果说不清楚，说明商业闭环还没跑通。

目前首批6项人形机器人领域国家标准正式发布，2027年4月1日起实施。标准里全是硬指标，抓取刚性物体的成功率不低于90%，抓取易形变物体不低于85%，力量操作不低于15公斤，被额定外力推动后1秒内恢复稳定工作状态。

有意思的是，王兴兴本人就是这套标准的起草人之一。当一个人既是时间表的发布者，又是标准的制定者，这张时间表的成色，2027年会有一个公开的答案。到那时候，行业比的东西也会变——过去比谁的故事讲得好、谁的演示更惊艳、谁的融资轮次更高，以后要比谁的产品真能达标。这是评价体系的一次切换，也是泡沫和实力开始分层的时刻。

不过真正的击穿，不会等到2027年才发生，也不会以一场发布会的形式到来。

它不会有一个明确的日期，不会有一段刷屏的视频。它更可能发生在某个工厂的某个工位上——一台机器人默默完成了第10万次上料，没有人鼓掌，但那道工序的排班表上，少了一个名字。等你意识到的时候，某些岗位已经悄悄换人了。

潮水不是突然涨上来的，等所有人都看见的时候，它已经漫过脚踝很久了。