机器人走进产业场景这件事，买单的人已经先算过一笔账。越秀在一个住宅项目的地下车库里，让一台市场上最成熟的清洁机器人跑了一遍：需要清洁的面积两万一千多方，它实际干到的不足一半——机械车位它上不去，因为倾斜角只有四度；环形车道也上不去，作业只能收缩在负二层的一部分区域里。
9 月 17 日上午，2026 ITValue Summit 数字价值年会的六场平行闭门会在三亚举行，其中一场名为《物理 AI 走进现实：让真需求遇见前沿技术》，由钛媒体与智源研究院联合策划。这场会把产业方和技术方请到了一起：一端是越秀地产数智发展中心总经理杨辉、原云南白药集团数字战略科学家、云白数科总经理兼 CIO 李少春这样的场景方，代表为技术最后买单的人；另一端是智源研究院具身模型研究中心负责人王鹏伟、星源智创始人兼 CEO 刘东这样的技术供给方，带着世界模型与端侧算力的行业最新进展。
这场会的开场白是一道验证题。钛媒体联合创始人、ITvalue 发起理事万宁在主持中提到，全国四万多家酒店里，每天都有小车往房间里送快递或者外卖；如家的老总告诉他，送餐机器人已经是经济型连锁酒店的标配。万宁起初觉得这话夸张，直到问过女儿才确认：她确实要点外卖，而且不愿意让酒店服务人员来敲门。行业的真实需求就长这样：每天在发生，有人愿意为它买单。
8 月，世界机器人大会。创业者和投资人热议上市与估值。作为 " 为技术买单的人 "，越秀地产数智发展中心总经理杨辉看到的是另一个问题：机器能否走进生活，取决于产业方有没有场景、能不能长出业务。
在她看来，规模化落地卡在四道瓶颈：数据攒不齐，一项技能要几千小时；泛化不过关，真实场景打半折，一换就崩；环境不复用，每栋楼都不同，换场地就重来；成本算不过账，三四台才抵一人，回本太慢。结果就是交付不稳、复制不了、账算不过来，单点技术再好也难规模化。
答案从越秀的实践里长出来。
越秀曾把一台市面最成熟的清洁机器人放进自家住宅地下车库：两层、两万一千多方作业面，机械车位上不去，环形车道进不了，实际作业面积不到一半，只干得了车道平面清洁，实际效率仅为理论值的 35%。迭代到最新一代，通过重构排班、改造梯控、优化路径、打通故障工单等工程化改造，八成作业可独立完成，现场才减掉一个人。
这不是 " 换一台更好的机器 " 能解的，而是场景、本体、算法与运营的系统重构，人机协同标准、作业空间和动线都要重新设计。把 " 越秀建场景、算法练模型、机器人执行、越秀做验收 " 跑成闭环，在 ROI 与利用率双达标后跨车库 "1 → N" 复制。
而把这些一条条解决，恰恰需要 " 懂行业的人 "：有人开放场景、做空间适改、定作业标准、验安全边界；有人把散落的作业数据沉淀成可复用标准；有人把一次试点的成功，复制成一百个场景的交付。工程化能力，是技术走向产业交付的转换器。
越秀做了十六年数字化：让空间从不可读变得可计算，一百多个项目沉淀出六千多个模型主库。" 空间就是场景，城市运营就是入口。" 这些可计算的空间，就是越秀给机器人备好的场地。
账单摊开了，接下来轮到技术方。他们带来的，是一份有边界感的进度表。
技术方交出进度与边界
智源研究院具身模型研究中心负责人王鹏伟带来的，是这条路线图最前沿的一段。他先把行业坐标说清楚：AI 在数字世界已经发展得不错，从符号主义、机器学习、深度学习、大语言模型一路走到多模态大模型，接下来要迎接的是从数字到物理世界的转变——世界模型要解决的，就是 " 理解真实的物理世界，并解决物理问题 "。
这个判断落在一个具体的技术选择上。过去，机器人学的是下一个决策该怎么做，在这样的场景下做什么动作更优；但真实世界需要的不止于此，还要能预测 " 做出这个决策之后，世界会发生什么改变 "。王鹏伟举了个例子：模型可能认为所有气球都是鼓的，或是预测打开的水瓶盖会自己盖上。这些错误指向同一件事：它不理解因果。智源的选择是围绕 " 状态 " 建模，从当前状态预测下一步，正向推演未来，反向反思过去，把因果推理装进模型里。
这条路线的燃料是数据，而数据是王鹏伟主动亮出的第一本账。" 动作类的数据存量非常小，只有 10 万到 100 万小时；我们测算了一下，要达到目标的话需要上百年的时间。" 所以他换了个思路：人学网球、羽毛球、滑雪，大部分时候靠看视频就够了，机器人为什么不能从海量视频里学？智源把开源数据处理出第一版数据集，里面是 12.5 万条视频、1.6 亿条事件标注和 1150 条 VQA；但按处理后的全网数据量算，消费掉的只有 1%，99% 没有被消费。" 我们只会受算力所控，不会受数据所控 "，王鹏伟表示。
数据账之外，还有两笔成绩单。一是模型验证：用 4B 和 0.8B 两个尺寸对比，4B 在三大类任务上表现更好；从没有动作标签的视频里学到的行为语义，能让下游任务仅凭 200 条数据就拿到提升，说明闭环是成立的。二是泛化的真相：在开放世界任务上，现有模型的成功率只有 2% 到 4% 的量级。" 现在的具身模型在开放世界下的效果就是很差劲。"
技术方的另一位，是星源智创始人兼 CEO 刘东。他先给 " 可用 " 下了一个严格的定义：物理 AI 要从能力突破走向可用，得能理解世界、能预测世界的后果、能实时执行推理的后果，还要在部署之后持续进化，从错误的任务中学习。" 进入物理世界之后，AI 的标准就被重新定义了。"
他给出的答案指向一条与不少同行相反的路线：智能能力应该跨本体复用，模型不该跟本体强绑定。" 很多公司说模型跟本体必须做紧绑定、模型只能在适配本体上用，但是我们发现不是这样的。" 星源智从去年开始用无本体的数据采集方式，模型可以装进机器狗、机械臂、叉车。" 我们的大脑，不挑机器人的本体形态。"
为了让模型在真实场景里跑起来，他先算了一笔时间账：一个简单任务如果要做 50 分钟，放到真实干活的环境里是忍受不了的，所以算力必须放到端侧、本地运行。星源智为此开发了面向机器人的具身大脑端侧算力平台。模型侧，他们发布了未经预训练的 1.2B 版本，据他介绍，这个版本已经超过很多经过大规模训练的模型，" 不是因为参数，而是因为架构的领先性带来收益 "。目前公司在进行中等规模的预训练，10 月将发布 3B 的预训练版本。
落地侧的证据同样具体：物流行业最典型的客户是中力股份，全球最大的电动叉车生产商。星源智提供大脑，中力装进叉车，实现任意卡车与货物的识别、多台叉车协同装卸，" 完成一个跟人类司机差不多的节拍 "，一分钟内连续卸载多种货物；中力推出的 " 擎天柱 " 机器人，可升高到十米、做入箱拣选，一台替代两台，用的也是星源智的大脑。
刘东还给这门生意补上了另一半逻辑：数据回流。所有部署进真实场景的机器人，运行数据都会被记录下来，变成垂类场景的数据资产，反过来用于模型训练。" 一边部署、一边收集数据、一边训练模型 "，数据飞轮的效应，就藏在这条闭环里。
最后一关是组织
原云南白药集团数字战略科学家、云白数科总经理兼 CIO 李少春带来的，是另一个维度的现实。他举了一个例子：白药产线上现在唯一的工人，是负责把牙膏包装箱搬上来的那个人，而这项工作还没有机器人能做。卡点在于稳定性：" 怕机器人倒了，把一天一个亿的产线停了。" 在工业场景里，稳定性压倒一切，这是任何演示都替代不了的逻辑。
一年多时间，白药把世界经济论坛的灯塔工厂做了出来，40 多个用例落地。他提到一个细节：国外专家来工厂巡检，相比看得见的自动化，他们更看重 " 到底有多少数据能够拉通、有多少 AI 带来量化的指标 "。
更重要的判断在后面。李少春说，AI 落地走到深处，卡点往往不在技术本身：" 很多时候不是技术问题，技术问题找科学家解决就行。" 难的是 " 能不能匹配组织，组织能力能不能跟上 "。文化、协同、流程，这些才是他反复强调的关键环节。
他把 AI 比作放大器：先要有好战略、匹配的组织，然后在这个基础上把 AI 放大。在组织层面，他有一条具体建议：CIO 必须和 CHO 协同，推动变革要把绩效考核、文化、产出一起带上。
他还对当下最热的交互形态提了个醒。" 对话就是一切？我个人觉得不是的 "。他举自己的体验：系统里已经有一个 ERP，还要再开一个对话窗口去解决问题，这是给工作额外添了一道工序。
最后，他把话题收回到企业自己身上：生产工具可以买回来，但 " 最重要的改变是生产关系，生产关系就是组织 "。数据需要每个企业自己去做，场景要 " 找老师傅一起评估 "，选那些真正有十倍产出的场景，否则就是蜻蜓点水。
从贴图到结盟
会议的后半程，讨论从观点转向了机制。现场铺开一张 "AI 场景落地热力图 "，与会者把认为最重要的场景贴上红标、最难的贴上蓝标；医疗、药店、酒店、养老、能源，每个贴纸背后都是一个具体的诉求。
主持人先给医疗贴了红标：医院里化验品的传递现在还是人工，而化验品是高危物品，废弃物也要按卫健委要求特殊打包分装。在他看来，这正是机器人最佳的场景，也是 " 愿意付出最大费用的场景 "。
一位做药店方向的嘉宾补上了他的观察：全国 55 万家药店大多开在小区底商，需要的是一个专门为药店而生、能在货架之间穿梭的小机器人，" 不需要做环境改造就可以部署 "。
杨辉在演讲结尾向全场发出倡议：让 " 四股力量在同一张桌子对话 "，发起成立生态联盟，用三年时间建成行业标准与生态，打造 100 个具身智能场景落地。" 让大模型长出身体，让具身智能走进场景，让工程化的能力在最后一公里转变成价值。"
智源研究院影响力共建负责人王奂然介绍的是另一条并行的机制：与钛媒体一起，联合美的、海尔等世界 500 强企业成立 "REAL 物理 AI 场景技术委员会 "。该委员会的目标，是通过将真实场景与物理 AI 技术连接在一起，把真需求转化为关键智能挑战、能力指标与可行的技术突破路径，以此推动场景落地与技术发展协同演进，进而共同定义 AI 进入物理世界后的未来生产生活方式。
委员会给出的是三件事：共创真场景，共建一张技术热力图，以及 11 月 24 日的智源开放日—— " 把真问题、真场景、真需求挖掘出来 "。
越秀带来了那台效率只有理论值 35% 的清洁机器人，云南白药带来了 " 一天一个亿 " 的顾虑，智源和星源智带来了 2% 到 4% 的泛化成功率与各自的进度表。这些数字摆在一起，就是物理 AI 当下最真实的账本。这场闭门会最大的产出，是让 " 最后一公里 " 不再只是一句修辞：买单的人和技术方，开始算同一本账。（本文首发于钛媒体 APP，文｜科技不焦虑，作者｜陶天宇，编辑｜盖虹达）
