机器人离真正干活还差几毫米：乌镇峰会透露的物理AI现状

记者 郭成林 杨翔菲

优必选在2026年世界互联网大会乌镇峰会上披露了最新的制造能力：每10分钟就能下线一台人形机器人。小米的具身基座模型则在小米青年公寓做“试运营”，已经能完成连续30分钟以上、覆盖3个房间、包含50多种任务的长程任务链。

这两组在乌镇峰会上发布的数据，说明机器人产业正在经历深刻变化。硬件制造和人工智能模型的能力都在加速提升，可要让机器人真正变成可靠、经济的劳动力，整个行业面前还摆着一道难题。

宇树科技创始人王兴兴在乌镇峰会上预测，2027年大概率会成为机器人行业和机器人发展的临界点，具身智能正在接近自己的“重要突破时刻”。不过他同时提出，机器人距离真正理解和操作物理世界，还隔着“最后几毫米”。

这“几毫米”，正在成为全球物理AI产业竞争的焦点。

机器人的“最后几毫米”

《中国互联网发展报告2026》在乌镇峰会上发布，其中显示，2025年我国具身智能市场规模约9150亿元，同比增长20.4%。

乌镇峰会闭幕新闻发布会传出消息，上海证券报记者在会上了解到，本届“互联网之光”博览会共展示发布1000余项新技术新产品，现场有100多款具身智能机器人进行实景作业。

机器人已经能完成奔跑、跳跃、格斗等高难度动作，乌镇峰会又进一步展示了它打乒乓球、烧菜等充满“人情味”的技能。但面对拆装手机、穿针引线这类精细操作，机器人的成功率仍然偏低。

王兴兴认为，当前顶尖多模态模型的空间理解和动作规划能力相当出色，真正的瓶颈在于模型与物理世界的对齐。人类拿起一只玻璃杯，凭视觉和触觉就能判断杯子的位置、重量和摩擦力，随时调整手指力度；机器人则要让视觉感知、物理推理和运动控制形成实时闭环。

11月4日举行的机器人与具身智能论坛上，墨奇智能联合创始人、CTO黄青虬把这一点讲得更细：语言模型和物理AI的根本差别在于，现实世界一直在连续变化，机器每次接触环境、收到反馈，都得马上修正自己的动作。

黄青虬认为，数据质量高不高，比数据量堆得多不多更关键。用10万小时高精度操作数据训练出来的模型，表现可能好过拿1000万小时低质量数据训练出来的模型。

小米在乌镇峰会上公布的最新进展，给这个判断添了另一个观察角度。小米集团具身模型与应用部负责人孔涛介绍，公司做模型预训练时，已经用上超过10万小时、覆盖1700多种场景的数据。内部测试中，碰到新任务，示范数据只要不超过10小时，任务成功率就能做到75%以上。

孔涛也直言，小米青年公寓里做过30分钟以上的连续作业测试，机器人能处理50多种子任务，可“成功率还不能做到真实运营”。

这说明，从模型理解任务到机器稳定完成任务，依然存在技术鸿沟。

本届世界互联网大会领先科技奖的获奖名单，也反映了技术竞争的变化。触零科技的多模态触觉感知、

物理AI并不只是人形机器人，而是人工智能从理解信息走向感知、判断和改造真实世界的一次技术延伸。

从造出机器人到让机器人干活

人形机器人到底能创造多少劳动价值？工业应用这边，优必选已经做到千台级交付，部分工作场景的作业效率接近人工的90%。优必选执行总裁焦继超说：“但是工业场景真正要求的不是一次性演示，而是稳定、连续、可批量复制的实际交付。”

银河通用带来了另一组商业化数据。据公司高级副总裁曾辉介绍，银河通用已与宁德时代、西门子、上汽等企业携手，在工业搬运、上下料、分拣等环节推动千台规模落地；商业服务一侧，其机器人零售店覆盖50多个城市，200多个点位进入常态化运营。

在“互联网之光”博览会上，蚂蚁灵波与国大药房共建的智慧药房展示了另一种用法：80厘米宽的狭窄通道里，机器人能自主识别、抓取并交付药品，原有货架不用大改。从这些案例看，机器人产业已从技术展示迈向具体任务的商业验证。

但量产规模、部署数量与真实劳动产出，并不能直接画等号。

智元此前提出用“Worken”（有效智能工时）衡量物理AI的价值，把活跃机器人数量、自主工作时长与产出效能三者结合起来。这个指标还没成为行业统一标准，却折射出评价体系的变化：比起造了多少台机器人，市场更在意它们能持续干多少活，单位劳动成本能不能压过现有方案。

产业化时间表上，与会企业的判断并不一致。宇树科技联合创始人陈立认为，到2030年智能机器人可以走进千家万户；京东集团技术委员会主席曹鹏的判断则是，商业机器人规模化部署还要3至5年，家庭机器人广泛普及或许需要8至10年。

技术突破的临界点，未必就是大规模商业应用的起点。

物理AI的产业底座由谁掌握

机器人一旦进入真实生产环境，整个产业的竞争规则也会随之改变。京东方面称，已在100余个细分生产服务场景采集超过10万项真实作业任务，未来2年计划累计采集超过1000万小时人类真实场景视频，以及100万小时机器人本体运行数据。

“物理AI竞争正在从单纯比拼模型和本体，转向算力、数据、终端、场景和供应链的体系化竞争。”曹鹏说，京东超级供应链的业务场景每天都在产生海量真实数据，这些多样化、多维度、多模态的数据，是具身智能最丰富的养料。

这背后的产业逻辑变了：机器人制造商握有硬件与控制技术的优势，模型企业掌握算法能力，而手握大量真实作业场景的平台企业，同样可能靠数据、客户和运营体系筑起竞争壁垒。

单机智能也未必是终局。全球移动通信系统协会（GSMA）大中华区技术总经理刘鸿认为，未来竞争取决于谁能建成更稳定、联网的具身智能系统。

安全则开始成为规模化部署的现实门槛。TüV南德有关负责人朱海锋认为，人形机器人的安全验证比传统工业设备复杂得多：传统设备能靠紧急停机降低风险，可依赖动态平衡的人形机器人若突然停运，反倒可能跌倒伤人。

更何况，机器人进入不同国家市场，还要面对机械安全、人工智能、无线通信、网络安全等多重合规要求。

乌镇峰会传出的信号很清晰：人工智能正从信息生产转向物理劳动，机器人产业也从单点技术突破，进入技术能力、经济效率与产业组织能力的综合竞争阶段。

所谓跨越“最后几毫米”，既指机器人能做出更精细的动作，也意味着人工智能离成为真正可规模化使用的生产力又近了一步。