ARTICLE · 1069344
碾压日本!中国“物理AI”全球第一,ChatGPT时刻为何还没来?
用一个指标衡量机器人大国实力，会是什么？
9月23日，海外媒体集中报道OpenMind《2026物理AI就绪指数（PAIRI）》。这份报告系统评估了58国+22个都市圈，标尺是“五年内能不能规模化跑通一万台通用机器人” 。
中国82.9，日本69.6。说一句“碾压”也不过分。
宏观榜单之外，赛道的热度也肉眼可见。
单看9月，物理AI圈没有空档：梅卡曼德登陆港交所、李飞飞发布世界模型，京东、小鹏、英伟达、Figure AI、特斯拉轮番放出新动态。资本、模型、产线、算力同步发力，物理AI，俨然成了“当红炸子鸡”。
热度高，不代表落地成熟。有一个无法回避的现实：大模型能聊天、写诗、画图，可一旦踏入真实物理世界，瞬间就“变笨”了。
Figure 03在仓库直播中分拣包裹。宣称连续8小时自主作业，后被观众发现存在约0.5秒动作延迟。
问题出在哪儿？
大模型所有的“聪明”，都建立在文字和图像上。它知道倒水要“先提壶再倾斜”，但它从没真正摸过水壶，也没见过水洒出来是什么样。
这就是“符号接地”困境。AI能看懂文字，却从未真正触碰过物理世界。
断层有多大？行业测算显示，目前国内合规真实物理交互数据仅约50万小时，行业普遍判断商业化落地需要数千万小时级的有效交互数据，整体缺口超过99%。
物理AI要补的，就是这一课。
一提物理AI，很多人第一反应就是人形机器人。这个理解窄了。物理AI的本质，是一套至少四层的技术闭环。
理想是一回事，现实是另一回事。实话讲，今天绝大多数公司连第三层都没走通。
全行业绕不开三个词：泛化性不足、可靠性欠缺、持续学习能力缺失。正如清雁科技CTO王凡在WRC上说的，“机器人行业不缺惊艳的演示，缺的是能在真实世界长期可靠工作的系统。”
那么，物理AI的ChatGPT时刻什么时候来？
业内判断比较一致：最快2027年底，最慢2028年。但时间表再乐观，也绕不开一个卡点：数据。
人形机器人在仿真环境中进行数据采集与实验训练
大模型的燃料是互联网文本，物理AI的燃料是真实交互数据。机器人得在现实里一遍遍试错，成本高出几个量级。头部具身企业年需求约100万小时，自产仅十几万小时，差了十倍。
北京万平人形机器人训练场启用
这恰恰是物理AI最残酷的地方：谁都缺数据，谁都在抢数据。而抢的底气，来自Coatue预测的至少6万亿美元市场，黄仁勋更说它有望重塑50万亿美元的制造和物流产业。
蛋糕够大，分法不同。未来三到五年的竞争，大致分为三条路线：
像自变量机器人，国内最早走完全端到端路径。Spirit系列在北美RoboArena登顶全球第一。逻辑是“硬件是载具，模型才是主体”，终局在数据飞轮。
以北京人形机器人创新中心为代表，“国家队”背景，其Pelican-Unify模型在WorldArena全球评测中夺得综合第一，是全球唯一在两大核心赛道同时夺冠的企业。一套模型适配所有品类机器人，追求极致通用性。
千寻智能这类，不贪大，盯住家庭服务、医疗康养一个垂直场景做深做透。自研模型同样在RoboArena登顶全球第一，用垂直场景的真实数据反哺模型迭代。
打法不同，玩家还在涌入。谁都不想掉队。
大家都看明白了：AI的上半场在屏幕里，下半场在真实世界里。82.9分是起跑线，不是终点线。把机器人做到“看懂、想透、做对、稳住”，才算真正跨过那道线。
内容基于公开信息整理，仅供参考，不构成投资建议；数据与观点不保证绝对准确，据此决策风险自担。本文图片素材来源于网络，如有侵权请联系删除.