物理AI落地难题：场景方开清单，技术方交出真实账本

机器人走进实体产业，买单的人已经开始精打细算。越秀地产曾在住宅地库测试成熟商用清洁机器人：面对两万一千平米的作业面，机器人实际覆盖不足一半。倾斜四度的机械车位上不去，环形坡道也进不了，实际作业效率仅为理论值的35%。

在2026 ITValue Summit闭门研讨会上，越秀地产、云南白药等场景方，与智源研究院、星源智等技术方坐到了一张桌前。一边是为技术买单的产业客户，另一边是带着世界模型与端侧算力方案的研发团队，双方针对“物理AI落地最后一公里”算清了各自的真实账本。

买单的人算账：工程化比换硬件更关键

越秀地产数智发展中心总经理杨辉指出，具身智能规模化落地卡在四道关卡：数据难攒、场景泛化差、环境无法复用、ROI算不过账。三四台机器才能替代一人，回本周期过长。

单纯升级硬件无法解决问题。越秀的解法是全流程工程化重构：重新规划作业排班、改造电梯梯控、优化路径算法、打通故障工单。经过系统化适配，最新一代设备能独立完成八成作业，现场实现核减一人。杨辉认为，空间数字化是物理AI的前提，越秀十六年来将一百多个项目沉淀为六千多个模型主库，为机器人提供了“可计算的空间”。落地需要懂行业的人做空间适配、制定人机协同作业标准，建立可复制的闭环。

技术方交卷：直面泛化瓶颈与端侧计算

智源研究院具身模型研究中心负责人王鹏伟表示，大模型正从数字世界走向物理世界，核心是构建理解因果的“世界模型”。过去机器人只学单一动作决策，真实物理世界则需要预判动作后果。智源选择围绕“状态”建模，推演未来并回溯过去。

王鹏伟坦承了真实的数据与技术瓶颈：

• 数据短缺：动作类数据存量极少，若全靠实操积累需上百年。智源转向从海量无标签视频中提取行为语义，使下游任务仅用200条数据即可实现性能提升。
• 泛化真相：现有具身模型在开放世界任务下的成功率普遍仅在2%到4%区间，实际泛化能力仍处于极初级阶段。

星源智创始人兼CEO刘东提出不同路线。他认为物理AI模型不应与特定本体强绑定，大脑应具备跨本体复用能力，兼容机器狗、机械臂和叉车等不同形态。针对工业现场对实时性的严苛要求，星源智研发了端侧算力平台，避免云端延迟影响作业节拍。目前该方案已落地中力股份的电动叉车与拣选机器人，实现与人类司机相当的装卸节奏，并借助部署后的数据回流加速模型迭代。

组织的重构：稳定性压倒一切

在制造业一线，风险控制往往重于技术尝鲜。原云南白药集团数字战略科学家李少春表示，白药产线上唯一的工序断点是牙膏包装箱搬运，至今未用机器人。“核心在于稳定性，绝不能因为机器人故障导致日产值过亿的产线停摆。”

李少春强调，AI落地深水区考验的是生产关系与组织适配。CIO需要与CHO协同，将组织考核、业务流程与文化变革同步推进。工具可以外购，但高产出场景的梳理必须由业务骨干深入评估，否则极易沦为无效试点。

会议最后，与会各方共同推动产业与技术的标准化协同。越秀地产倡议发起生态联盟，目标在三年内推动100个具身智能场景落地；智源研究院亦联合美的、海尔等企业组建“REAL物理AI场景技术委员会”，将产业真实痛点转化为具身智能的关键技术研发路线。买单方与研发方的同频对账，标志着物理AI正脱离单纯的算力竞争，迈入注重ROI与工程兑现的务实阶段。