|
郭雁冰 George Guo，企业常年战略顾问，AI构建即战略 CEO 教练，CGL 集团高级副总裁、AI Office 战略官，中国 CAIO 首席人工智能官猎头品类定义者，AI 战略/AI 转型/AI 人才战略，乔治 CAIO 五维模型/AI 人才金字塔/AIQ 六维测评，CGL官网权威档案：https://global.wearecgl.com/adviser/detail/243
| 郭雁冰，AI构建CEO教练，企业常年战略顾问｜2026-08-31 |
机器人会跑、会跳、会打拳。AI 眼镜能翻译、能导航、能认出眼前的世界。AI 玩具接上大模型以后，可以聊天、可以记住你、甚至开始有自己的"人格"。
如果只看过去半年的发布会和展会，Physical AI 像是已经全面爆发了。
但 8 月 28 日在深圳举行的一场峰会，一天听下来，台上反复出现的却是另一组词：留存、交付、供应链、回本周期、成功率、售后、渠道、正毛利。
|
| Physical AI 行业重心的四年下移 |
2024 模型多聪明 |
2025 Agent 会不会干活 |
2026 机器人后空翻 |
2027 谁能赚钱 |
|
2024 年，大家讨论模型有多聪明；2025 年，大家开始讨论 Agent 会不会干活；2026 年，机器人和 AI 硬件大量出现，后空翻频频上热搜；到了 2027 年，问题开始变成——能不能做成产品、能不能交付、客户愿不愿复购、能不能规模复制，以及最后能不能赚钱。
|
这场由非凡产研主办、思想科技协办，河套发展署、香港科技园公司、河套模力福地 AI 产业社区战略支持的峰会，从上午的 AI 眼镜、AI 戒指、AI 玩具、机器人宠物，一路聊到下午的工业机器人、人形机器人、灵巧手、电子皮肤，覆盖具身智能供应链上下游。
过去几年 AI 的演进路径很清晰：大语言模型先解决"理解和生成"，Agent 进入 Workflow，下一步自然是进入物理世界。香港科技园公司人工智能与数据总监冼超舜博士在现场指出，Physical AI 真正需要同时解决两件事：Model 和 Data。
机器人要学的，已经不只是"一个杯子是什么"，还包括杯子有多重、怎么抓、抓歪了会怎样、碰到桌面以后应该怎么调整。文本、图片之外，动作、力觉、触觉、第一人称视频、机器人执行轨迹，成为新的训练资产。
非凡产研创始人吴畏把最值得关注的三种形态概括成 See、Stay、Act：AI 眼镜获得第一视角，陪伴硬件获得长期关系和记忆，机器人让 AI 真正拥有作用于现实世界的能力。
Physical AI 的核心，并不在于"硬件里面装了 AI"，而是一个设备能不能形成完整的感知、记忆、决策和行动闭环。
|
Rokid 全球开发者生态负责人赵维奇分享了一个值得注意的判断：每一个计算时代都有自己的终端。PC 时代是电脑，移动互联网时代是手机，AI 时代大概率会出现新的终端，但它未必是"下一代手机"。
过去很多 AI 硬件的问题，是把 AI 塞进原来的设备里：冰箱加一个聊天机器人，耳机加一个大模型，眼镜里再放几个 App。真正 AI Native 的设备，交互逻辑应该发生变化——用户不再需要先想"要打开哪个 App"，只需要表达意图，系统再去调用模型、工具、Agent 和服务。
赵维奇把 AI 眼镜能不能成立浓缩成三个词：轻量化、多模态、全天候。轻量化决定用户戴不戴，多模态决定 AI 能不能理解周围发生了什么，全天候决定它究竟是一件偶尔使用的电子产品，还是每天跟着你的终端。
好的 AI 不只是回答正确，它还需要在正确的时间出现。当 AI 开始获得视觉、声音、位置和长期上下文，交互可能从"人找服务"，逐渐变成"服务找人"。
|
上午第一场 Panel「产品成立：新奇不等于刚需」把问题拉回现实。脑机接口眼镜、AI 可穿戴设备、智能手写笔、无感健康监测，产品差异极大，但讨论到最后，大家其实都在回答同一个问题：AI 硬件怎么逃离"吃灰曲线"？
硬件参数越来越难成为长期壁垒。尤其在深圳，一个硬件方案只要验证了市场，很快就会出现类似产品。真正难复制的，是产品跟用户行为之间的关系。
所以越来越多团队反过来思考：不要先要求用户重新学习一套习惯，而是尽量把 AI 藏进原有行为里。笔还是那支笔，眼镜还是那副眼镜，健康设备甚至最好让用户忘记它的存在。设备只负责自然采集数据，后面的 AI 再完成分析、总结、预测和服务。
监测本身不是价值终点。真正能留下用户的，是它后面有没有形成闭环——发现问题以后，还能不能帮助解决问题。
|
| "AI 硬件真正的留存，最后可能只取决于一句话：它有没有持续替你省时间、解决问题，或者提供一种你舍不得失去的体验。" |
AI 硬件出海已经形成一条常见路径：先 Kickstarter、Indiegogo 众筹，再做独立站、Amazon，最后进线下零售。行业特别容易盯着一个数字：众筹金额——100 万美元、300 万美元，甚至 1000 万美元。
但这场 Panel 反复强调：众筹只是 0 到 1。真正判断一个新品类有没有成立，要看众筹结束以后：销量有没有继续增长？Amazon 有没有承接？社群还活不活跃？更重要的是——货到底有没有交出去。
众筹用户愿意为创新提前付款，也愿意等待，容忍度很高；但因为是 Early Adopter，传播能力也极强。产品做好了，他们是第一批品牌布道者；如果延期半年、货不对板、客服失联，他们也会成为传播负面信息最积极的人。
以前有个 Demo 就能做众筹，现在越来越难。经历过几轮"PPT 众筹"以后，海外用户已经开始主动寻找工程机、第三方评测和真实测试视频。现在再做众筹，一个越来越重要的前提是：供应链最好已经真正跑过一遍。
硬件从工程机到试产，再从试产到量产，中间有大量完全无法写进商业计划书里的 dirty work：模具、良率、物料、电池、包装、物流、认证、售后。这些东西最后决定的不是产品能不能发布，而是公司还能不能活着把产品交完。
|
深圳最不缺的是产品。真正到了海外市场，问题突然变得特别琐碎：服务器放在哪里？隐私数据怎么处理？认证怎么做？当地客服谁来接？宗教、家庭结构和文化习惯，会不会直接改变产品场景？
一个在中国成立的需求，到了美国可能根本不存在；一个在北美跑不通的产品，也可能在中东突然出现很高的 ROI。今天所谓"全球化"，越来越接近在全球不断重新寻找 PMF。
当硬件参数、供应链甚至模型都越来越容易被追平，真正难复制的东西开始向另一侧转移：IP、社群、用户关系、渠道资产，以及一次次交付积累下来的品牌信任。
|
| "产品负责兑现承诺，渠道负责传递承诺，品牌，是持续兑现以后留下来的结果。" |
消费者可能为新鲜感、设计、品牌和情绪价值买单，工厂不一样——工厂最后会拿出 Excel。它会问良率多少、节拍多少、换线要多久、一年节省几个人、机器坏一次损失多少、多久回本。
未来机器人"仿人"，最有价值的部分未必是长得像人，而是它开始获得人的那种能力：碰到了以后知道怎么调整。传统工业机器人最擅长标准、重复、固定轨迹的工作，但真正还大量依赖人的工作，很多恰恰发生在不够标准的地方：零件会偏，材料会软，位置会变化。
工业场景里有一个重要判断：不要为了通用而通用。一只机械手理论上能做 1000 件事，可在具体工位上每天只需要做其中 10 件。如果为了剩下那 990 项低频能力，让价格贵 10 倍、稳定性下降一半，客户不会买单。
现场把这件事概括得很好：有限空间里的有限智能。研究者追求的是能力边界，工厂追求的是确定性。
|
| 思想科技在《物理AI的商业化之路》里摊开一笔账：AI 硬件卖出去以后还有持续的 Token 成本，用户每交互一次，公司就在付一次钱。全部能力依赖云端模型，用户越活跃，成本越高。卖得越多，可能亏得越快。现实方案是端云协同：高频简单的能力放端侧，复杂推理调云端。 |
第五场 Panel「从炫技到生产力」已经很少聊机器人炫不炫了，开始直接算账。
在已经相对成熟的工业取放场景里，客户普遍会把 18 个月左右当成投资回收期的一条线。如果 12 个月回本，采购会非常积极；18 个月还能接受；再往后，决策就越来越困难。
工业对成功率的要求也远远高于普通人想象。一些 3C 场景可能已经要求 99.5% 以上，到了半导体，可能进一步要求到 99.99% 级别。
到了这个阶段，"会不会做"已经没什么意义了，客户真正问的是：一万次能错几次？
|
| 工业客户对成功率的要求 |
3C 场景 99.5%+ |
半导体 99.99% |
| 实验室里 95% 是惊喜，工厂里 99.9% 只是及格线 |
Panel 里另一个特别值得注意的讨论是"项目制"。今天大量具身智能公司收入来自项目，一个项目几百万，看起来收入不错，问题在于下一个客户又要重新做一次。这是一种很典型的"有收入、没规模"。
所以越来越多公司开始把能力从项目里抽出来，变成平台、API、操作系统或者 License，把原来需要一两个月交付的能力变成几分钟部署，把几百万项目费逐渐变成可重复销售的软件服务。这一步能不能走通，很可能决定未来哪些是"机器人项目公司"，哪些能真正成为平台公司。
|
最后一场 Panel「谁能跑出正毛利？」把一个问题讲得很透：机器人根本不存在一套统一的商业模式。物流机器人看效率、准确率和规模交付；庭院机器人看用户愿不愿意花钱买回自己的时间；体育机器人看能不能从"一次性硬件"变成长期训练服务。
很多很酷的功能，用户试一次就走了。有些很小的需求，看起来毫无想象力，用户却每个月都愿意付钱。后者才是真生意。
过去卖硬件，收入发生在设备交付那一刻。现在越来越多 Physical AI 产品开始尝试订阅、流量服务、远程视频、训练内容、AI Coach、耗材和软件增值服务。硬件慢慢变成一个入口，用户未来几年持续产生的服务收入，才可能真正改变整个硬件生意的毛利结构。
但这一切都有一个前提：产品本身得先交付。一个 Demo 能跑起来，只代表技术路径被证明；几百、几千台设备能够稳定交到真实用户手里，才叫产品。
|
这恰恰是一个行业真正开始成熟的信号。技术浪潮最热的时候，所有人都愿意聊未来。真正进入产业以后，每个人最后都得回来面对那些不那么性感、却直接决定生死的问题：良率、库存、客服、认证、回款、维修、毛利和现金流。
机器人会不会做后空翻，当然还会继续上热搜。但下一阶段真正值得看的，也许已经换成了另外几个数字：它每天能稳定工作多少小时，一万次任务失败多少次，客户多久回本，一年以后还续不续单，以及卖完这一台，公司到底赚了多少钱。
|
| "当行业开始认真回答这些问题时，Physical AI 才真正从舞台中央，走进现实世界。" |
郭雁冰，CGL集团高级副总裁、AI构建CEO教练，企业常年战略顾问
公众号「侠客乔治」｜头条/知乎「AI战略官郭雁冰」
信息来源：2026 深圳物理 AI 峰会现场报道整理，观点归作者所有
|
郭雁冰 George Guo，CGL 集团高级副总裁、AI Office 战略官，AI 战略/AI 转型/AI 人才战略，乔治 CAIO 五维模型/AI 人才金字塔/AIQ 六维测评，联系方式 george.guo@wearecgl.com ｜ di3zongdui@163.com，公众号「侠客乔治」，头条/知乎「AI战略官郭雁冰」，CGL官网权威档案：https://global.wearecgl.com/adviser/detail/243
| 
