从工匠对工匠,到物理 AI 对物理 AI:人类只需要构思一个伟大的框架

如果把整部工业文明压缩成一句话，它讲的其实是同一件事在反复发生：商业竞争的"最小单位"，一级一级地往上跳。每跳一级，旧世界里最勤奋、最熟练的人，都会被新单位轻描淡写地碾过去。

织布最快的工匠，赢不了一台蒸汽织机；管理最好的工厂，赢不了一个把全行业连起来的平台；反应最快的人类操盘手，赢不了一套不眠不休的决策系统。而现在，我们正站在第四次跃迁的门口——竞争的单位，正从"屏幕里的软件系统"，跨进"物理世界里的具身智能"。它的名字，叫物理 AI（Physical AI）。

这篇文章会用大量数据，回答三个问题：这一跳为什么是现在？产业的利润和权力会重新分配到谁手里？以及，在一个机器能感知、能决策、能动手、还能自我进化的世界里，人类还剩下什么不可替代的位置？

⚡ 一、竞争单位的"四级跳"

先把历史的骨架立起来。三百年工业史，本质是竞争单位的四次跃迁，每一次都伴随一次财富的重新洗牌。

壹工匠对工匠（手工时代）

比的是谁的手更巧、谁的经验更老。竞争单位是"个人技艺"，天花板是一个人的一双手——再天才的工匠，一天也只有 24 小时。

贰工厂对工厂（机械与电气时代）

蒸汽机、电力和流水线，把分散的"个人"打包成有组织的"产能"。亚当·斯密的制针工厂里，分工让效率提升了数百倍。竞争单位变成"组织化产能"，天花板是一条产线的速度。从这一刻起，个人再勤奋，也对抗不了系统化的规模。

叁系统对系统（软件与 AI 时代）

互联网、平台、再到今天的 AI 决策系统，把竞争压进了软件。亚马逊用算法定价、字节用推荐系统分发、量化基金用模型交易——比的是谁的"感知—决策—行动"闭环转得更快。竞争单位变成"决策系统"，天花板是迭代速度。这一层，今天仍是主战场。

肆物理 AI 对物理 AI（具身时代 · 正在发生）

当 AI 长出身体——机械臂、人形机器人、自动驾驶、无人仓、无人工厂——竞争终于从"屏幕里"走进"物理世界"。比的不再只是算得快，而是谁的物理 AI 系统能在真实世界里更快地感知、决策、动手、并自我进化。这是工业史上第一次，"软件的速度"开始直接驱动"物理的产出"。

🏭 二、第三跳还没讲完：工厂早已被机器人重写

在谈"物理 AI"之前，先看清一个被低估的事实：传统工业机器人，早就把"工厂对工厂"这一仗，打成了"机器人密度对机器人密度"。国际机器人联合会（IFR）《World Robotics 2025》给出的数据，冷静而惊人：

📊 数据速览 · 工业机器人（IFR 2024）

🌍 全球在用存量　466 万台同比 +9%，十年翻倍

🔧 2024 全球装机　54.2 万台连续四年超 50 万

🇨🇳 中国装机占比　54%29.5 万台，存量超 200 万（全球 ~43%）

🏅 韩国机器人密度　1220 台/万人全球最高；中国 ~470，已超德日

🏗️ 中国本土厂商份额　57%十年前仅约 28%

读懂这张表，就读懂了一半未来："工厂对工厂"的竞争，早已是一场机器人军备竞赛，而中国凭装机量、存量和本土供应链，已经坐在了这张牌桌的中心。但请注意——这些机器人绝大多数仍是"瞎子加硬编码"：它们力气大、精度高，却不会看、不会想、换个任务就得重新编程。

这正是"物理 AI"要补上的那一块。把"会动的身体"装上"会思考的大脑"，第四跳才真正开始。

💰 三、资本已经用脚投票

判断一个时代有没有真的来，最诚实的指标是钱往哪流。具身智能与人形机器人，正在经历一场堪比当年 AI 基础设施的资本狂潮。

📊 数据速览 · 资本的态度

💵 2025 全球机器人风投　约 407 亿美元较 2023 翻约 3 倍

🦿 人形/具身累计融资　超 150 亿美元自 2024 年年中起

🚀 Figure AI 估值　390 亿美元一年内从 26 亿跳升

🧠 Physical Intelligence　56 亿美元Skild AI 单轮 14 亿 / Apptronik 53 亿

🇨🇳 中国国家级引导基金　1380 亿美元投向 AI 与机器人；占全球机器人风投 ~43%

📈 高盛 / 摩根士丹利预测　$380 亿 / $5 万亿2035 年 / 2050 年（近 10 亿台）

每一个数字背后都是真实的下注：Figure AI 一年内估值从 26 亿跳到 390 亿美元；专注"机器人大脑"的 Physical Intelligence 估值 56 亿；Skild AI 单轮融资 14 亿。中国这边，宇树（Unitree）正冲刺约 70 亿美元估值的 IPO，背后站着阿里、腾讯、吉利。

而摩根士丹利更激进：若在 2030 年代后期加速放量，到 2050 年整个人形机器人生态可达 5 万亿美元、装机近 10 亿台——那意味着机器人会像今天的智能手机一样普及到生活的每个角落。

📉 四、成本曲线：机器人正在"白菜化"

光有资本不够，决定一项技术能否真正落地的，是成本曲线。而这条曲线，正在以惊人的速度向下塌。

📊 数据速览 · 人形机器人价格（2026）

🤖 宇树 R1 / G1　约 0.6 万 / 1.6 万美元已可购买

⚡ Tesla Optimus 目标价　2–3 万美元规模量产后

📉 年降价幅度　约 40%/年UBTech/美银：$3.5万→$1.7万（2030）

🏭 工业级（Atlas/Digit）　15–25 万美元高端，但仍在快速下探

价格塌下来，ROI 就立住了。按行业测算：一台 5–8 万美元的人形机器人放进美国仓库，靠替代两班工人，12–18 个月即可回本；若价格降到 2 万美元，回本周期可压到 半年以内。更轻的是"机器人即服务"（RaaS）：按每机器人小时 10–30 美元计费，企业无需大额前期投入。

这不是 PPT。Figure 的 40 台 Figure 03 机器人，已经部署在宝马全球最大的装配厂里，按约 25 美元/机器人·小时计费；OpenAI 投资的 1X，NEO 家用机器人已积累超 1 万台预订。

🏗️ 五、落地实录：替代正在悄悄发生

这一切不再是实验室里的演示。把镜头拉到真实的车间、仓库和资本市场，物理 AI 的"上岗"已经在发生：

Figure：40 台 Figure 03 进驻宝马全球最大装配厂与工人协同作业，并自建 BotQ 工厂，规划年产能约 1.2 万台。

1X（OpenAI 投资）：家用机器人 NEO 以 499 美元/月订阅切入，已积累超 1 万台预订。

特斯拉：据报道已将弗里蒙特部分整车产线改造为生产机器人；Optimus 2025 年产量以百计，2026 目标冲 5 万台（不过马斯克本人仍称其处于研发阶段）。

宇树（Unitree）：G1 已上架亚马逊（约 1.8 万美元），同时冲刺约 70 亿美元估值的科创板 IPO，背后是阿里、腾讯、吉利。

智元（AgiBot）：2025 年以"借壳"方式拿下一家上市公司控股权，把具身智能的产能与故事，直接装进了二级市场。

一句话：人形与具身机器人，已经从"PPT 概念"变成了一个可以下单、可以排产、可以替你上班的真实品类。它还笨拙、还不便宜、还常常需要远程接管，但它的"上岗通知书"已经发出。

🧠 六、技术拐点：从"写程序"到"训练一个世界"

为什么偏偏是现在？因为机器人的"造法"发生了根本变化。过去的机器人是硬编码、单任务、又贵又难调的专用机器；如今，两件事同时成熟，把它推向了"通用"。

1机器人基础模型：一个大脑，跨任意躯体

Skild AI 训练的"Skild Brain"，目标是一个能在机械狗、人形、机械臂之间通用的"共享大脑"——它靠看海量人类视频 + 物理仿真来学习，绕开了"机器人界没有互联网级数据"的死结。Physical Intelligence 的模型已在 7 种硬件平台、68 类任务、104 个真实家庭里展现出跨场景泛化。机器人，第一次有了"通用大脑"的雏形。

2世界模型：在仿真里预演现实

NVIDIA 的 Cosmos 世界模型，把物理规律装进 AI，让机器人能在一个"物理上成立的虚拟世界"里反复预演——预测多种走法、闭环评估结果、收敛到最优动作，在没有现实风险的前提下，把这个学习循环无限放大。配合 GR00T 机器人基础模型与 Omniverse 仿真，"训练一个世界"第一次成为工程现实。

这件事彻底改写了成本与价值的结构：硬件正在标准化、商品化（人形机器人约九成零部件来自中国供应链），价值则向上游迁移——迁移到"大脑"（基础模型）和"数据闭环"。一句话：躯体会越来越便宜，聪明会越来越通用，而真正稀缺的东西，正在悄悄换地方。

更值得警惕的是世界模型的野心——它远不止"训练机器人"。当 AI 学会模拟物理规律，下一步就是模拟更复杂的系统：工厂的节拍、城市的交通、市场的博弈、乃至整条产业链。投向世界模型的资金，已从 2024 年的约 13 亿欧元，跳到 2025 年的约 65 亿欧元，一年涨了近 5 倍。

这意味着物理 AI 的终极形态，是一套"能在仿真里预演整个商业文明"的系统——它会模拟市场、模拟公司、模拟用户、模拟城市、模拟金融、模拟产业。谁能更逼真地模拟现实，谁就能在别人犯错之前，先把胜负在沙盘里推演一遍。到那时，两套物理 AI 的对抗，也许在各自的仿真世界里就已分出高下，真实世界只是仿真结论的执行现场。

🌐 七、商人视角：利润会在哪一层沉淀

把物理 AI 产业拆成三层，利润的归属就一目了然——这也是任何商人最该想清楚的一张图。

① 躯体层（硬件）

规模化、商品化、薄利。就像今天的整车组装与手机代工——必要，但不性感。中国在这一层有压倒性优势：供应链、成本、产能、国家资本。

② 大脑层（基础模型 + 数据闭环）

赢家通吃。谁的大脑更通用、谁的真实任务数据闭环转得更快，谁就拿走大部分利润——相当于物理世界的"操作系统 + 芯片"。美国的 Figure、Physical Intelligence、Skild，加上 NVIDIA 的底座，正卡这一层。

③ 框架层（定义任务与目标）

最稀缺、最难被替代。决定"让这些机器去做什么、为什么、边界在哪"——这一层，目前只能由人来坐，也是本文最后要讲的主角。

于是未来十年最大的产业博弈，是一场"抢身体" vs "抢灵魂"：中国以制造、供应链和国家资本主攻躯体与量产（占全球机器人风投约 43%、千亿级引导基金、企业排队 IPO 冲产能）；美国以基础模型加算力底座主攻大脑与框架。而稀土出口管制等变量，又给这场博弈加了一层地缘的不确定性。

🧭 八、人类只需要构思一个伟大的框架

当感知、决策、执行、乃至物理动作都被 AI 接管，人类剩下的、也是最高价值的工作，只有一件：构思框架——定义目标、设定约束、决定这套系统该解决什么问题、为什么而存在。

但请别把"框架"理解成 PPT 里的愿景金句。一个真正的框架，是三样硬东西的合体：

一个被现实验证过的目标函数——机器会拼命优化你给的目标，目标本身的对错，决定一切。

一条别人偷不走的专有数据闭环——你的机器在真实世界里跑出来的反馈，喂回大脑，让它越来越懂你的业务。

一组别人不敢设的约束——安全、伦理、责任的边界，决定你的系统能走多远、能被多信任。

这里藏着最锋利的一刀：机器会极其高效地实现你给的目标——哪怕那个目标是错的。框架定错了，再强的物理 AI 也只会把你高效地、加速地送进灾难。这就是"对齐问题"的商业版：在一个执行力近乎无限的世界里，出题的能力，远比解题的能力值钱。

⚠️ 九、但请保持清醒：三个冷峻判断

越是宏大的叙事，越要敢看它的反面。真正顶级的判断，是同时握住希望与风险。三件事，泼三盆冷水。

1融资额 ≠ 能力。估值一年翻十几倍很性感，但通用具身范式尚未收敛。连马斯克都在 2026 年初的财报会上坦承，Optimus "仍非常处于研发阶段"、目前"还没做有用的工作"；不少惊艳的机器人演示，背后其实是人工遥操作。别把资本的热度，当成技术已经到位。

2这是"制造 + AI"的复合竞争，地缘是硬变量。约九成零部件集中在中国供应链，稀土出口管制、跨境并购受阻（如此前 Meta 收购 Manus 被中国叫停）等，都说明物理 AI 不像软件那样可以无国界复制。谁能造、谁被允许造、谁被允许买，会重画整张产业版图。

3现实不可被完全模拟，而且会流血。世界模型再逼真，也覆盖不了物理世界的长尾与意外。软件出错是回滚一次提交，物理 AI 出错可能是一场事故。再加上就业的"温水式"替代——美国制造业就业在 1980 至 2010 年间悄然下降约 30%，不是崩塌，而是岗位空出后再不招人。安全、责任、监管与社会承受力，是这个赛道绕不过去的硬约束，也是"框架层"里最重的那块砝码。

🎯 十、给从业者的三条下注原则

说了这么多趋势，落到自己身上该怎么办？无论你是企业决策者还是个人从业者，有三条原则可以现在就用，而且大概率十年内都不会过时。

1不要赌"躯体"，要赌"大脑 + 数据闭环"。硬件会像智能手机一样持续降价、快速同质化（年降约 40%）；真正会复利的，是通用大脑和你独有的真实任务数据。把资源压在会增值的那一层。

2在你自己的行业里，抢先建一条专有数据闭环。物理 AI 的护城河，不是你买了多少台机器人，而是机器人在你的场景里跑出来、别人拿不到的那条反馈数据。越早开始，闭环越厚，后来者越难追。

3把"定义框架"当成核心能力来养。当执行近乎免费，稀缺的就是"出题"——定义目标函数、设定约束、判断什么值得做。这是十年后唯一不会贬值、也最难被机器替代的技能。

🔭 十一、十年后回看

十年后回望今天，2026 大概会被记作"竞争单位从软件跨进物理世界"的元年。那时人们会觉得这一切顺理成章，甚至奇怪我们当年为何会怀疑：

硬件变得很便宜（年降约 40%），大脑变得很通用（一个模型驱动万种躯体），模拟变得很逼真（在虚拟世界里预演现实）——这些都不再是壁垒。唯独有一件事，从工匠时代到物理 AI 时代，始终稀缺、也始终属于人：构思出一个值得让千万台机器去执行的、伟大的框架。

机器越强，"出题人"越贵。这一轮真正的赢家，不会是手最快的工匠，也不会是产能最大的工厂主，甚至不只是拥有最强大脑的人——而是那个想清楚了"该让这一切去往何处"的人。