2026-07-08 14:13:28 网易新闻
具身智能行业正在经历一场定位分化。
有人卖机器人本体，有人卖整套解决方案，量化派卖的是物理世界基础模型。这个选择的商业逻辑很直接：硬件会迭代，场景会变化，真正能跨场景复用、持续产生收益的，是让机器人理解物理世界的底层AI能力。
眼下，一场把机器人从展厅逼进真实场景的产业变革正在发生，也让一个商业判断浮出水面：谁掌握了让机器人快速适应新场景的能力，谁就拿到了规模化的入场券。
先看眼下这场变革有多具体。6月，工业和信息化部办公厅与国务院国资委办公厅联合发出《关于联合开展2026年度人形机器人与具身智能实景实训专项行动的通知》，10个省市加全部央企进场，场景横跨工业、服务、特种三大领域，涵盖生产制造、检测分析、仓储物流，餐饮零售、医疗康养，安全生产、应急救援等真实场景，每个省市要报不少于20个重点场景，每家央企不少于10个，11月底前交付验证报告。政策给的八字要求是"最小干预、利旧复用"，不许改造环境来迁就机器人，机器人必须证明自己能在现有条件下干活。这个要求把行业从展厅彻底逼进了真实场景。
DEMO截图开放环境·三明治制作实景测试
量化派近期在餐饮后厨场景中完成了四轮具身智能技术验证，从三明治柔性制作、购物袋自主分拣、牛排跨抽屉找盐调味到奶茶跨设备协同，全部落地于真实动态工况而非实验室环境。在全行业还把Demo视频当成果发布的阶段，这个节奏排在前列。它的商业定位：跨场景、跨本体的开放生活场景世界模型提供商。不绑定硬件，不锁定场景，做的是让不同厂商的机器人都能调用的通用AI能力层。
量化派自己的技术文件里有一个简洁的区分：推动机器人从「动作自动化」迈向「任务级自主作业」。前者是按固定程序执行动作，后者是理解任务目标后自主完成感知、决策、执行的完整流程。两个词之间隔着的，是整个产业能跑多远的核心问题。市场为什么愿意为物理世界基础模型付费，资本相信它跑得通、赛道能走多远，最终都指向同一件事：谁能让机器人跨场景复用，把每一个新场景的边际成本压到接近于零。
全球资本已经验证过一次了
业内有两类常规思路。卖硬件，一次性交付，客户买走机器人，后续维护和场景适配都是客户自己的事，每个新场景重新调参、重新部署，规模化的边际成本降不下来。卖解决方案，打包服务，硬件加软件加部署加维护，按项目收费，能做深但很难做宽。还有第三种：卖能力。
卖能力层的逻辑是：一次训练，多场景复用。物理世界基础模型不关心下面跑的是哪家的机器人，也不关心上面是什么场景，它提供的是让机器人理解物理世界、做出实时决策的通用能力。这个能力一旦跑通，可以像API一样被不同硬件平台调用，每增加一个场景，边际成本接近于零，而前两种思路却做不到这件事。
它解决的是跨场景的快速迁移能力，不是单一场景的自动化问题。政策要求“验证一个、部署一批、带动一片”，意味着场景方不会每次都为新机器人提供定制化的环境改造。谁能让机器人在陌生场景里开箱即用，谁就拿到了规模化的钥匙。
RaaS模式在这个逻辑里成立。按效用付费，不卖硬件卖能力，客户为机器人干活的结果买单，而不是为机器人本身买单。物理世界基础模型的价值在这个模式里被放大了：它是让RaaS模式能跑通的核心技术资产。
资本看重的也是这个。硬件公司的估值逻辑是销量乘毛利，解决方案公司的估值逻辑是项目数乘客单价，物理AI模型公司的估值逻辑是调用量乘使用时长。后者的想象空间更大，因为它的天花板不在硬件产能，也不在项目交付能力，而在模型本身的泛化能力。
这个判断在太平洋彼岸正在被真金白银验证。
Physical Intelligence机器人截图
2024年11月，Physical Intelligence以24亿美元估值完成4亿美元融资，投资方包括贝索斯、Open AI、红杉资本和Khosla Ventures。这家公司不造机器人硬件，只做让机器人理解物理世界的通用AI模型。8个月时间，估值从4亿美元跳到24亿美元，翻了六倍。
Skild AI的曲线更陡。这家由前MetaAI研究员创立的公司同样不碰硬件，只做机器人的通用大脑。2024年7月A轮估值15亿美元，不到一年B轮估值47亿美元，再到软银和英伟达以140亿美元估值领投C轮。此时公司年营收仅3000万美元。年营收3000万，估值140亿，这个价差不是在赌收入增长，是在赌物理世界基础模型未来会被所有机器人调用。
资本市场正在用脚投票：物理世界基础模型的估值逻辑，已经被全球最顶级的投资机构验证。
量化派在物理AI领域的定位，类似Anthropic在大语言模型领域的位置，让不同硬件平台调用同一个AI能力层。Physical Intelligence和Skild AI已经证明了这条路的估值天花板有多高，量化派要做的，是在中国市场建起同一类型的技术护城河。
覆盖餐饮和家庭服务，这些都是生活场景世界模型的应用手段，不是基模本身的商业终点。基模的商业价值在于它能被多少场景调用、能支撑多少硬件平台、能产生多少持续性收益。
行业里还有一类选择是展示路线。精心设计的实验室Demo，四轴相机，打磨好的发布节奏。但技术可行性和商业可行性是两件事：在真实后厨里每天应对动态工况，承担出品一致性和作业稳定性的责任，这是另一层级的验证。量化派选的是后者。
在餐厅里验证商业逻辑
实验室里跑通的Demo可以拍视频，后厨里跑通的Demo可以收钱。量化派的四轮技术验证，全部落地在后厨里。
三明治面对的是面包、生菜、酱料这些没有固定形状的软质食材——夹重了破、夹轻了掉，酱挤多了溢出、挤少了不匀。机器人要在同一段流程里连续完成抓取、涂酱、摆放，靠的是能实时感知食材形态、随时调整力度的柔顺控制，全程不挤压、不破损，成品还得标准化。
购物袋分拣没有预设流程。袋里装的是什么、装了多少，机器人事先不知道，只能实时判断任务进度，对多品类物品逐一识别、抓取、分类摆放，边做边决定下一步。没有固定脚本，全靠机器人根据当前状态自己把一件事从头做完，考的是没有剧本时的自主决策。
牛排撒盐最能看出理解力。机器人一开始并不知道盐放在哪，得像人一样，在多个抽屉里逐个翻找，判断哪个抽屉、盐在什么位置、该用什么姿势夹起，再精准到毫米级完成调味。整个过程没有人告诉它步骤，只给了"找到盐并调味"这一个目标，剩下的搜索、定位、操作全靠它自己推理。考的是从看懂目标到做对动作那一整条推理链。
DEMO截图开放环境·奶茶制作实景测试
奶茶难在系统协同。机器人不光自己操作，还得和奶茶机、搅拌机、封口机轮流打配合：接饮品时不能洒、搅拌时不能溅、封口时要对准，液体晃动和位置偏移都得实时控住。几台设备串成一条线，任何一个环节掉链子，整条线就歇菜。
四轮验证跑通之后，下一步的赌注在跨场景复用。量化派的技术路径是软硬件分层，物理世界基础模型不绑定任何一款硬件。跟A厂商合作完，跟B厂商对接，同一套基模能力可以在不同硬件平台上运行。这是RaaS模式能规模化的前提：物理世界基础模型作为技术资产，可以被持续调用，持续产生收益。餐饮后厨打磨出的非结构化操作、开放环境适配、长链路自主作业能力，理论上正是仓储物流、检测分析、医疗康养这些同样充满动态变量的场景所需要的底层能力。
更深一层的想象空间在“智能物种”，凡是搭载感知模块、具备AI决策能力、可自主完成物理交互的实体终端，都可以接入物理世界基础模型成为智能化载体。这个理念把复用路径从餐饮延伸到了更广阔的硬件空间。
数据积累是唯一买不到的东西
量化派的商业逻辑能不能跑通，取决于两件事：物理世界基础模型的技术能力能不能支撑跨场景复用，以及公司能不能在数据积累和系统整合上建立壁垒。
量化派不是临时搭班子。招股书写得很清楚，自动机器学习、NLP这些底子早就有了，把数字世界的决策能力搬到物理世界，是延伸，不是另起炉灶。
数据积累的壁垒来自多路径采集体系。B端商业场景落地，与机器人本体公司合作，在餐饮等真实场景采集全流程运营数据;C端智能硬件布局，通过多品类硬件在日常使用中自然沉淀多维度行为与环境数据;再加上用户置换式采集和场景共创数据共享。四条路径并行，把数据采集从单点变成体系。
物理世界的数据不像网页点击那样自动沉淀，每一段有效操作数据背后，是机器人上百次真实试错的人工成本。这类数据无法通过砸钱快速买来，只能通过时间和真实运营慢慢积累。谁先在真实场景里积累了足够多的操作数据，谁的基模迭代速度就更快，谁就能更早地把成本曲线压下来。一旦这个正循环转起来，后来者要追赶的不只是技术差距，还是时间差距。
这就把竞争逻辑挑明了：谁的单点技术更亮眼不重要，谁更快把数据积累的正循环跑通了。量化派选择以餐饮作为首个核心验证场景，拿最高难度的民生复杂场景反向倒逼技术体系迭代。
放眼全球，头部格局尚未形成。已经跑出来的玩家，验证的场景偏标准化，集中在仓储、物流、家庭桌面任务。量化派选的是餐饮后厨，变量密度远高于前者，泛化价值理论上更大，验证难度也更高。国内同样有创业公司切入工业与物流场景，与量化派的餐饮场景形成两条差异化路径。两条路径哪个更能通向通用物理世界基础模型，目前没有答案，但两笔都有人在重注。
在政策逼行业从展厅走进真实场景的时间窗口里，谁先在真实场景积累了数据和验证记录，这个位置本身就有意义。RaaS模式获官方背书，量化派作为港交所上市主体，依托上市公司平台，在融资能力、合规透明度和长期投入持续性上，多了一层信用背书。
从有想象力到有现金流
物理世界基础模型的商业想象力，最终要过两道坎。
第一道，跨场景复用的边际成本能不能真正接近于零。量化派在四个餐饮后厨场景里跑通了技术验证，但从餐饮到更多生活服务场景，每次迁移的适配成本有多高、这些数据背后是多少次真机试错，目前没有公开数据可查。从业内有限案例来看，跨场景适配成本是否足够低，直接决定了物理世界基础模型能不能从有想象力变成有现金流。成本降不下来，商业模型必然打折扣。
第二道更根本。物理世界的复杂度远高于数字世界，从仿真环境向真实场景迁移时，总会有难以消弭的现实落差。量化派能否用全栈自研的系统整合能力把这个落差缩小到商业上可接受的范围，决定了物理世界基础模型商业价值能否真正释放。
市场侧的信号是确定的。10个省市加全部央企，场景覆盖工业、服务、特种三大领域，每省市不少于20个、每央企不少于10个，11月底前交报告。这意味着接下来几个月，一批企业将拿着真实场景里的运行数据去换政策认可和下一轮订单。RaaS模式的官方背书叠加这个倒计时，让“卖能力”比“卖硬件”更符合产业方向不再是一句判断，而是一个正在发生的拐点。
量化派的长期路径清晰：从场景落地和数据售卖完成原始积累，到向智能硬件厂商输出模型调用和增值服务，再切入算力赛道，形成基模加算力的收入结构，匹配资本市场估值逻辑。这条路径的前提是物理世界基础模型的技术能力能够支撑跨场景复用，核心是累积优势能否持续强化。两件事都跑通了，物理世界基础模型的商业价值就从概念走到了现金流。
最后
有一件事还没发生，但它一旦发生，这条赛道的计时就真正开始了。
量化派的物理世界基础模型能力层，接进一个新的外部客户，在一个全新的场景里，让机器人干了一件以前干不了的活。这一单不是内部验证和技术Demo，是第三方客户用自己的钱投了票。
到那一天，物理世界基础模型就不再是一个“有想象力的故事”，而是一个“开始产生价值的平台”。在此之前，所有估值都还只是估值。
