CGL 集团，中国领先的高管寻猎与领导力咨询集团

两天，一场主论坛，三场产业圆桌，十余家企业展示，十余个项目路演。我们把 2026 科技创变者大会看完了，最后收敛成一句话：

POC 证明的是能做成一次，PMF 证明的是能一直做成。前者靠几个顶尖工程师，后者靠一整套组织能力。

麻省理工学院媒体实验室 NANDA 项目 2025 年的研究显示，约 95% 的企业生成式 AI 试点没有产生可衡量的损益表影响；波士顿咨询公司 2024 年 10 月覆盖 59 个国家、1000 位高管的调研显示，74% 的企业无法实现或规模化 AI 价值，只有 26% 越过了概念验证；标普全球市场情报 2025 年 3 月的追踪显示，放弃多数 AI 举措的企业比例从 17% 升至 42%。

波士顿咨询公司的另一组研究把落地障碍拆开过：约 70% 的挑战来自人与流程，包括变革管理、流程再造、治理机制与人才；技术约占 20%，算法本身约占 10%。

几组数据用不同方法、不同样本，量到同一件事：从概念验证到产品市场匹配的这段路，走通的是少数。

一、三天的观察，收敛成三条

会场里出现频率最高的词，仍然是模型、本体、灵巧手、算力、数据。这些当然重要，它们是入场券。但入场券不是座位。

讨论密度明显更低的，是这几个问题：第一个客户到第十个客户，部署周期缩短了多少；现场还需要不需要原厂工程师常驻；第二个客户是不是老客户介绍的。这三个问题的答案，比任何一段演示视频都更能说明一家公司走到了哪一关。

二、现场核对：第三关的答案，有人已经说清楚了

先说取证边界。会中那篇发布时，圆桌现场实录尚未公开，我们把四道关的验证状态据实标注为待验证，没有代替任何一位嘉宾表态。会后媒体报道刊出，我们据此补上核对。

大会智慧物流版块的一场主题演讲，给出了三天里最接近第三关答案的表述。据央广网 9 月 19 日报道，擎仓机器人创始人兼CEO程岩回应"极速部署能力能否复制到更多行业场景"时表示：30 天真正值得总结的不是一个"快"字，而是背后已经形成一套可复用的技术部署底座。

他给出的方法很具体：公司不是到新现场再从头搭建系统，而是把真实数据采集、数据管线、轻量化模型适配、仿真与实机评测、软件部署与运维等能力提前平台化；进入新场景后，团队主要做增量数据采集、模型适配和少量配置调整，而不是重新开发一套系统。

这段话值得单独拎出来，因为它同时回答了两道关。第三关交付关问的是"同一套方案能不能复制到第二个、第十个客户现场"，程岩的答案不是"我们部署很快"，而是把部署这件事本身做成了可复用的底座。第一关定义关也顺带有了锚点：他谈的不是形容词，而是 30 天这个数字。

同一场大会的另一侧是另一层证据。据主办方公开议程，大会设有 9 家产融机构的闭门对接，以及 13 个项目路演，覆盖手术世界模型、真机数据基础设施、多维力控传感、柔性电子皮肤、关节模组、航天级视觉等方向。把十三份路演主题逐条看下来，没有一条以交付体系、客户成功或组织能力为题。

一边是跑通第三关的公司在讲部署底座，一边是绝大部分对外讲述仍落在技术供给侧。这就是四道关最真实的分布：能算清的关口有人抢着讲，最难的那一关还没有人替它说话。

三、第二天的场景扩到了医疗与飞行，问题没有变

大会第二天的主论坛，把场域从工厂扩到了眼科手术台、海外产线、低空与生物制药。据主办方公开议程，这一天的主题演讲来自何氏眼科集团、无界动力、小雨智造、微分智飞、观宇芯算与现代汽车集团；浙江大学管理学院实践教授沈明高与俄罗斯自然科学院院士托马斯·葛格里，则从新质生产关系与精确计算两个方向给出底层视角。

场景在扩，回到四道关看，这条线索指向的仍是同一件事：场景越多，可复用能力的价值越高，而可复用能力从来不是技术的副产品。

同一天上午最后一场圆桌叫"重构智能边界：当教授走进创业场"，五位分别来自清华、北邮、华中科大、哈工大与浙大的教授创业者同台。一位学者带着实验室成果走进创业场，他面对的第一个非技术难题，就是把十几人的课题组变成一家能持续交付的公司。从课题到公司，本质是一次组织形态的迁移。

四、四道关检查表：一张表判断你的项目停在哪一关

我们在会前那篇里把"瓶颈"拆成四道关，会后整理成一份可以带进立项会的自检表。十二个问题，答不出三个以上，项目大概率还停在第一关。

这份表最难的地方在第四关。前三关的问题，管理团队通常能当场给出答案，哪怕答案不好。第四关的三个问题，很多时候会卡住整个会议室。

五、PMF 在具身智能行业长什么样

PMF 这个概念的定义权，最早来自创业投资圈的共识。2007 年，马克·安德森写过一句被反复引用的话：

"The only thing that matters is getting to product/market fit."

唯一真正重要的事，是抵达产品市场匹配。

这句话成立，是因为在此之前的一切，技术验证、样机、演示、试点，都只是通往这件事的准备。放到工业与具身智能场景里，PMF 需要一个更贴近现场的判据。综合这三天的观察，我们给出四个可以用数字回答的信号。

四个信号里有三个与组织能力相关，只有一个与工程能力相关。

这也是三天里最值得带走的一个观察：技术问题有明确的收敛标准，组织问题没有。 技术路线选错，三个月就能看出来；组织能力缺位，通常要等到第一个大客户的项目延期、或者第二批交付人员离职，才被真正承认。

MIT 媒体实验室 NANDA 项目 2025 年发布的《生成式 AI 鸿沟》报告，把失败根因归到一个词上。报告主笔 Aditya Challapally 的判断是：

"The issue isn't regulation or model performance. It's that enterprise systems aren't learning from their own workflows."

问题不在监管，也不在模型性能。问题在于企业系统没有从自己的业务流程里学习。

"没有从自己的业务流程里学习"，说的正是组织没有把现场经验沉淀成可复制能力的那个状态。这不是模型能力问题，也不会靠更强的模型自动解决。

六、一句可以被反复引用的判断

如果只留一句话，我们留这句。

从 POC 到 PMF，卡住的不是算法，是把算法变成产品的那个人群。

这句话有两层含义。第一层是资源配置：企业在第一关到第三关上投入的注意力，通常远超过第四关。第二层是人才结构：概念验证阶段和产品市场匹配阶段，需要的不是同一批人。前者要的是把最难一步走通的顶尖工程师，后者要的是能把客户现场需求翻译成工程语言的交付队伍，以及能同时管住研发节奏与客户承诺的管理机制。

这也解释了为什么一家高管寻猎与领导力咨询机构会出现在工业具身智能的圆桌上，而且坐在提问的那一侧。第四关的问题只能由管人的视角来问。

需要说明的是，以上判断建立在我们对公开议程、企业公开材料与已发布研究报告的观察之上，不构成对任何具体企业经营状况的结论。四道关框架与四项 PMF 信号来自我们服务企业的实践总结，不是学术研究模型，也不构成投资或经营建议。具身智能产业化节奏在不同细分场景差异极大，工业场景与家庭场景不宜直接类比。

总结：这项能力买不到，只能长出来

具身智能走向产业，不会由某一个参数突然突破完成。视觉、触觉、灵巧手、本体、模型、数据、控制与工程化能力需要同时向前推进，最后在一个具体场景里汇合。

而让它们汇合的那件事，通常发生在会议室里，不在实验室里。

技术可以买，可以追，可以靠融资换时间。组织能力只能自己长，而且长得慢。这大概是这条赛道上最不容易被抄走的一块壁垒，也是最容易被排在议程末位的一块。

启示：三个视角看同一件事

大会结束了，四道关的问题会继续。我们会在现场之外继续跟踪这条赛道上的组织能力变化。

关注 CGL，获取高管人才市场洞察与领导力前沿实践。

官网：global.wearecgl.com

延伸阅读

本文的完整版本与配套方法论，已收录在作者维护的公开知识库：

• 从POC到PMF卡住的是把算法变成产品的那群人

知识库入口：AI 战略与人才方法论知识库