万字深谈 Physical AI ：拐点上的中国公司与全球赛场 | 云启实干派
来自一线创业者的真实速度与方法论
在具身智能越来越出圈的 2025 年，关于 Physical AI 的时间表、商业化路径和全球竞争格局，讨论热度持续升高：它到底还要多久才能真正落地？最难的是模型，还是本体和场景？中国具身公司出海，靠的只是成本吗？
近期，在云启 2025 美元基金合伙人年会上，几家处在不同发展阶段的 Physical AI 领域被投交流了上述问题。从在 15 个国家部署超过 1.3 万台 RoboVan 的新石器无人车，到同时做具身基础模型和通用本体的自变量机器人；从全球率先量产绳驱 AI 机器人的星尘智能，到无线泳池机器人全球出货量第一的元鼎智能（下称 Aiper）。
在观点深度碰撞里，我们试图讲清楚：当 Physical AI 真的走到我们面前时，中国的创新力量准备好了么？
在正式讨论之前，几位嘉宾先用一句话介绍了各自所做的事情。
新石器无人车副总裁 庄子骏 用了一组数字开场：
"新石器是一家全球领军的 L4 级自动驾驶无人车企业，目前在全球已进入 15 个国家，部署超过 1.3 万台车辆，未来会在全球无人化运力服务上持续开拓。"
自变量机器人创始人 & CEO 王潜 从「模型」和「软硬件一体方案」展开：
"自变量一方面做具身智能的基础模型，包括 VLA、世界模型等；另一方面也提供软硬一体的解决方案，包括整机本体和灵巧手。本质上，我们是一家做 AI 和机器人模型的公司。"
星尘智能联合创始人 & CFO 方科 的重要关键词是「绳驱 AI 机器人」：
"我们和自变量是同行，也做具身智能。我们的特色是全球第一家实现量产绳驱 AI 机器人的公司——从硬件本体，到中间的遥操系统，再到上层的 VLA 和世界模型，全栈自研。"
Aiper CFO Karen Su 从「消费级规模」切入：
"Aiper 是无线泳池机器人行业出货量全球第一的公司。我们在产品价格段和全渠道覆盖上都处于行业领先，预计 2025 年全球出货量将超过 100 万台。接下来，我们会在泳池和庭院场景做更深一步的应用。"
01 各自赛道看到的机会：当 Physical AI 到来
桑煜 | 云启投资人
今天我们有意识地选了在不同生命周期、不同阶段的 portfolio，希望能探讨技术突破、场景选择、商业闭环中等各个环节的关键业务问题和战略问题。
首先我想先请教自变量的王潜。你们是国内少有的能开源基础模型并且实现了领先突破的具身公司，同时也在做机器人的本体硬件。在技术突破的方向上，大家都关注的一个问题是，物理世界的 AI 的落地还要多长时间？也想请您结合公司最近的一些研发进展，来谈一谈您看到的 physical AI 处在怎样的变革和突破中？
王潜 | 自变量机器人创始人、CEO
过去这一年间，说实话 physical AI 领域虽然看上去似乎在学术论文和实际落地中进展没有那么多，但至少行业在几个重要的问题上还是有了一些统一认知，这是一个很好的基础。
第一，大家对于 physical AI 的 scaling law 有了比较明确的看法。当然自变量在接近两年前就已经有一个相对比较明确的判断。最近大家可能也都知道， Generalist 公开了他们在 scaling law 上的探索结果，和我们自己之前内部估测非常吻合。今天大家可能都普遍意义上认同了这个观点，即做具身的 foundation model 是一个正确的事。
更进一步，除了 scaling law 之外，刚才我也提到，自变量的模型是包含了 VLA、world model 以及所有其他能力的 foundation model。我们今天的做法是把包括控制机器人 action、视频生成的 future prediction、 3D construction 等所有功能做在同一个模型中，这是未来具身 foundation model 路线去演进的一个方向。 我们现在也非常明确地得到了一些结果和答案，并且结果是非常好的。
刚才桑煜总问具身智能什么时候能够落地？我们有了基本的方法论的起点，有了 scaling law 的预测、推断，就可以去做一个线性外推。
**现在我们的判断是，今天所处在的状态可能类似于 2019 年语言模型所处的状态。**线性外推一下，那个时候有 GPT2，后面到 GPT3、3.5，或者称为 ChatGPT。按照目前对于数据、模型规模拓展以及其能力的预估，大概率在三年左右的时间，会出现类似于当年介于 GPT3 和 ChatGPT 之间的具身基础模型。
所以今天大家至少还是会产生某些共识，我觉得是一件挺好的事情。一年前甚至半年前，很多人都会讲"是不是具身智能的商业化落地要在七、八年，或者十年之后"。我说肯定不至于。当然那个时候因为没有人公布 Scaling law 的具体参数，我们也很难跟大家直接去说。但是今天大家还是会对具身智能的商业化更加乐观。
刚才提到的是具身基础模型层面的落地。如果是单点的商业化落地，完全不用等那么久。实际上语言模型早期——GPT1、GPT2 的阶段，就已经开始在做单点的商业化落地了。具身智能和语言模型在这个地方非常不同，因为语言大部分任务还是需要具有举一反三的能力，有高级别的智能。
但是在具身领域，在机器人能够应用的这些场景里，很多场景其实非常简单。从人的角度来看，在非常单一、重复的劳动或任务中，明年将很大概率会出现具备正的 ROI 的商业化落地场景。
这里可能说的比较直接一点。因为大家今天看到的声称具身智能的，一般来讲并不存在正的 ROI，基本上都还是给大众提供情绪价值或者品牌价值。但是这个临界点真的不会太远了，大概率就是在明年。
02 从本体、数据到模式跑通：商业化的现实路径
从绳驱本体到远程遥操作：让客户「为数据买单」
桑煜 | 云启投资人
刚刚的讨论让我们看到技术的进展是可期的，但技术进展的同时也考虑产品如何与技术迭代相平衡。接下来想要请教星尘智能的方科。星尘也是比较早地推出了有差异化的机器人本体产品，你们如何在产品设计和技术迭代之间取得平衡？又如何推进具身行业扎实的商业化落地？
方科 | 星尘智能联合创始人、CFO
其实刚才王潜总讲一个观点我非常认同——具身智能商业化的到来其实比想象中要快很多很多。去年业内普遍认为具身智能的真正落地可能还需要两到三年，但到了今年，我们清晰地看到：商业化节奏已经远超我们行业人的原始判断。
我从两个方面补充。第一，具身智能的核心是软硬件协同，而硬件是不可跳过的底座。这也是我们为什么长期投入大量资源研究绳驱技术。具身智能的本质是一台能在现实世界执行任务的机器，硬件相当于它的"身体"，是所有软件能力的最终载体。而软件侧的突破往往会在某个时点出现指数级跃迁，但硬件的成熟更像自动驾驶之于汽车，需要长时间、体系化的打磨。
第二，绳驱是我们判断最适合人机交互、最适合进入家庭的形态。绳驱在底层具备天然的安全性，在性能上同时具备了高柔性、高动态响应和高仿生性特点，因为力传递效率高，能够为 AI 产生连续丰富的数据，使软件更好地学习世界。创始团队从在腾讯时期到现在，都在对这一核心技术进行深入打磨。
值得一提的是，两周前 OpenAI 投资的 1X 公司推出家庭新品后引发了全球关注，而行业内不少人也因此重新注意到我们。原因很简单：绳驱是目前最接近人类动作形态、最安全、也最有希望率先进入家庭场景的机器人形态。这与我们长期的技术判断高度一致。
硬件进展上，我们今年 6 月份在业界率先完成绳驱量产，开始逐渐出货，已经完全打通了从 0 到百的量产阶段。这比预计明年发货的 1X 领先了至少一个周期。目前，我们正在建一条年产量 4000 台的产线，而且今年底就会迭代出新一代产品版本，其成本将会有指数级下降。提前透露下，价格会非常具有竞争力。明年，我们预计生产 2000 台机器人。把硬件打通以后，我们希望机器人更快地走到大家的身边，让绳驱技术从相对小众变成主流，更好地进入家庭。
从商业化角度来看，任何产品最终走向市场，本质上都是硬件性能的提升、成本的下降与功能能力的增强，共同驱动其实现真正意义上的 PMF。对我们而言，当前商业化可以参考无人驾驶的两个阶段：L2 与 L4。
L2 阶段对应着具身智能在真实场景中的可运行性。在相对标准化、泛化要求较低的应用场景中，我们已经开始推动 AI 化模型能力落地，使机器人能够在现实世界中展现功能效率价值与情绪价值。
以我们与金马游乐的合作为例。金马游乐是中国游乐装备领域首家上市企业，同时长期独家服务迪士尼与环球影城等国际乐园体系，具备深厚的行业 Know-how。我们正在共同开发无人零售产品，并已率先在广东的游乐园场景投放。机器人能够在现场自主售卖可乐、爆米花等商品，与游客互动。未来可以结合 IP 形象与文创商品、IP 潮玩 WAKUKU 等衍生品，打造新的消费体验。我们相信，类似应用将让公众更直观地感受到机器人在"情绪价值之外"的真实效率价值。
与此同时，AI 落地不仅取决于算法能力（如 scaling law 带来的提升），更受限于真实世界数据的匮乏。与互联网不同，物理世界的高质量数据难以获取，且成本高昂。这已成为过去半年行业普遍面临的核心挑战。为此，我们正在探索一种全新的路径：在高度泛化的场景中，通过远程遥操作，让机器人在全球范围执行任务并完成数据采集。
当前不同地区之间存在显著劳动力成本差异。例如，部分欧美国家人工成本水平较高，而许多发展中国家成本明显更低，可能是 5000 美元和 3000 人民币一个月的差距。如果低成本地区的人员能够远程操控部署在高成本地区的机器人，将在创造劳动力成本差带来商业价值的同时，实现大规模、高质量的数据采集。一旦这一链路完全打通，机器人在真实场景中的部署速度将显著加快，数据增长也将变得更加可持续。
在讨论机器人数据时，我们希望推动的是"客户买了机器人，在使用时自然产生 AI 所需的真实数据"路径，而不是动辄就说"咱们搞一个一千台、几千台的数据训练场"，依赖大型封闭训练场来采集数据——后者成本极高、也非真实环境。因此，我们坚持推动以真实商业场景为驱动的数据生成体系，通过业务来反哺 AI 性能。
目前这一技术链路已经跑通。我们已实现跨越三四千公里的远程操控，例如从发展中国家到欧美地区，以及国内城市到深圳的超远程操作。系统在实时性和同步性方面表现稳定，系统时延可控制在约 40 毫秒以内。机器人能够承担物流高频拣选、酒店服务等任务。
未来，我们计划先在 B 端场景实现规模化落地，如物流、酒店运营到商业服务等，并在累积数据、稳定性能后逐步进入家庭场景。在这一过程中，机器人可能始终作为兜底方案，随着 AI 模型能力不断提升，从刚开始的 "80% AI + 20% 遥操"，逐步提升到 "90% AI + 10% 遥操"，最终可能 "99.99% AI+0.01% 遥操"。
我们认为，这是一条能真正让机器人在高度泛化场景中落地的可持续路径。目前多个场景的 POC 已经启动，相关技术验证已完成。随着硬件成本进一步下降、AI 能力提升以及远程遥操体系的成熟，我们有信心在明年看到更多真实场景中的规模化部署。
一万台 RoboVan 之后：重新设计物流作业方式
桑煜 | 云启投资人
接下来的这个问题想请教新石器的庄总。有了技术和好的产品定义的模式之后，下一步是要把商业跑通。新石器在过去的这一年迎来了商业模式的跑通和爆发点，也刷新了自动驾驶单轮的最大的融资记录。在过去一年，新石器在商业模式跑通的过程中经历过哪些探索？有哪些可以分享的经验和教训？对未来的商业模式的定义又有什么新想法？
庄子骏 | 新石器无人车 副总裁
商业模式在新石器里面沉淀很久了。从 2018 年创立无人车锁定的物流，一直到 2025 年实现心心念念的一万台的突破，在整个商业模式里面一直很重要的一点是物流，我们强调的是整个成本的降低。
今年 9 月 23 号，新石器突破了一万台的商业模式是基于现有的计划性物流。但是同时，今年我们也跟滴滴合作，在青岛开展了即时物流。从最初的 100 台到现在的 1200 台，这项即时物流合作的规模已经在全世界居首。
从交付能力来看，去年一年我们交了 3000 台左右。而今年，到目前为止，我们已经交了 13000 多台车，到年底可能会突破 15000 台。这是数倍的增长速度。所以我们在这整个过程中经历了不同的变化。
无人车解决的是在路上行走的问题、开车的问题，无人车的两端是没办法形成装卸的。在这个过程中，如何增加快递网点老板的用车意愿？很重要的是要改变整个作业模式。以前用户要找司机去做驿站的配送货，现在用无人车，只需在网点把货装好送到驿站，由驿站的人员来卸货。这样的模式下，快递小哥就被解放出来了，可以去做更多的业务探索。所以当无人车把原来的作业模式变得更高效，用户就能把无人车用起来。
这种模式也是新石器在运行过程中不断跟快递行业探讨而得来的。比如顺丰模式，为了让快件更快地到达客户手上，我们研发了"背笼车"（新石器 X3 集装车）。有"背笼车"就可以实现两边的无人化工作，可以在夜间把快递放到公司门口，车卸了笼就走。这样的商业模式让新石器变得可盈利，生产成本更低、规模化效应更显著。
"背笼车"（新石器 X3 集装车）图示
中国具身智能的结构性优势与未来机遇
面向全球
从泳池到庭院：一家具身消费品公司的全球化练习
桑煜 | 云启投资人
接下来把问题抛给 Aiper 的 Karen。在中国跑通商业模式之后，机器人公司要做的下一步是国际化、全球化出海。在这个话题上 Aiper 是当之无愧的佼佼者。也想请您分享一下在商业模式和全球化方向上的经验和探索。
Karen Su | Aiper CFO
我们现在全年的市场规模、市场份额已经在行业领先，所以从商业化角度来说，我们更关注的是怎样在全球的范围内更大程度地拓展市场份额，把 Aiper 已经积累的能力复用到不同场景。所以我们内部的现在有一个"6 + 2"战略，代表六个能力象限。
第一是产品研发能力。因为在过去四年时间里，我们每年都有产品升级。在产品研发的角度，我们基于客户的真实需求把智能技术的应用以每年一个技术迭代的周期去落地。
第二是全球品牌力。泳池产品主要的应用场景是在北美、欧洲、澳洲，包括南美一些比较大的市场。在全球的品牌影响力上我们已经做到了行业的领先水平。
第三是全球的渠道能力。中国企业到海外有几个主要比较重要的渠道。第一是亚马逊和自己的官网，我相信大部分中国企业已经有这部分的经验了。另外两个比较重要的渠道，特别对我们这个行业来说，一个是线下的 KA 渠道，这个大家也比较熟悉，比如像沃尔玛、Costco、欧洲的 media markt ，这些渠道需要一定的时间去做沉淀。经过前面 3-4 年的战略投入，Aiper 在渠道上基本上取得了一定的成绩。最难的、门槛最高的是泳池的专业渠道，我们今年其实也进入了全球最大，以及欧洲和北美最大的两个专业渠道。
另外还有全球供应链的能力，这也是与大 KA 及专业渠道合作的重要条件。除了中国以外，我们的供应链也到了东南亚，未来还会向美洲的一些国家拓展。
同时还有全球的服务能力，如何交付、做服务。目前我们已经超过了 300 万个用户的积累。
数据和 AI 的应用也是我们整个能力象限里面比较重要的。所以除了我们现在做规模化、做商业化，除了这六个能力以外，我们认为应该做加法的还有两个维度：
一是全球资本化的能力。我们已经和泳池行业综合能力排在头部的企业，花了一年的时间进行资本合作和战略整合。完成这部分之后，除了渠道竞争的格局，Aiper 在未来资本化路线上也会有更多的确定性和胜出几率。
二是全球的组织化能力。Aiper 的组织不仅仅落地在中国本土，在欧洲、北美、澳洲、香港、新加坡等地也有有员工落地。所以除了运营能力以外，全球资本化的能力和全球组织的能力也是支持公司进一步做规模化、在全球竞争里面能够胜出的重要能力。
中国机器人公司的底层优势：供应链、人才与数据
桑煜 | 云启投资人
我也想顺着这个话题开启我们第二轮讨论：中国机器人公司走向全球化的过程中，有哪些底层的竞争优势？各位会有什么样的全球化策略？
庄子骏 | 新石器无人车 副总裁
我觉得很重要的一点是良好的新能源供应链。另外，雷达摄像头等车规级能力在中国建立得很好，所以新石器的量产车走到国外去没有什么后顾之忧。同时，国内还有明显的场景优势。 在这几年的发展进程中，从 2021 年开放了路权，到今年从计划性运力拓展到即时化运力，新石器已经把这整套的模式提炼出来。未来我们可以把这样的模式结合车辆复制到国外，这是我们后续出海的重要基石。
王潜 | 自变量机器人创始人、CEO
我还是多说 AI 和模型。至少今年在这个领域是没有人再说中国的人才密度不如美国了。去年大家还在说，大模型中国的人才密度不如美国。今年好像没有人再这么说了。
从实际做出来的模型角度来看，中国公司真的一点儿也不比美国公司做得差，很多地方其实做得更好。更多的可能是因为算力的问题。恰恰具身智能是一个没有那么需要大量 GPU 的一个领域，在这个领域 scaling-up 的障碍主要不在于算力，主要在于数据。这正好是中国的优势之一。
硬件的问题是老生常谈了。中国具有强烈的比较优势，今天凡是做过机器人的同学们肯定都能够感觉得到模型的进展、迭代极大程度地依赖于硬件快速敏捷的供应链的支持。所以具身智能模型还和纯粹的语言模型不一样。从比较优势上来说，国内肯定是全世界最好的一个地方。
黄仁勋自己也说，深圳湾区应该是硬件和软件结合的最紧密的地方，这肯定是正确的判断。我们公司从第一天开始的目标，就是要做全世界最领先的公司。我相信中国公司肯定在具身领域具备这样的优势。那核心的点就是我刚才提到的人才密度、模型水平，目前我们是和美国至少站在同一个水平线上，甚至很多部分实现了超越。在 scale-up 的数据上是占优的，硬件上也是占优的，我们没什么理由不能做到世界领先。
从技术角度来讲，从自变量第一天开始就是一家全球化的公司，而且一定是瞄准具身智能领域第一名的位置去的。
方科 | 星尘智能联合创始人、CFO
我们在供应链和数据两块感受尤为明显。
首先是供应链，以绳驱赛道为例，我们在 2022 年底创业时就知道，1X 公司和韩国一家研究院在做绳驱技术。某种意义上，当时全球做绳驱的只有三家。再看今年，韩国研究院是没做商业化，1X 刚刚发布新品，预计明年量产，而我们已经量产和持续出货，这就领先他们整整一年。
成本端的差异更为直观。我们一台机器人有二十多个关节，其中电机的成本在过去一年内就被多家供应商打到了原来的十分之一，仅用一年时间就完成了这一跃迁。这种供应链效率是中国独有的结构化优势，类似新能源汽车行业的路径：当海外市场刚刚起步时，中国企业已经能以极具竞争力的成本进入市场，并迅速形成规模。
在出海业务上，我们目前也已经进入北美市场。整体来看，我们的产品价格大约是当地企业的三分之一到二分之一，再叠加我们更适合规模化的技术方案，使得我们能够在多个垂直场景真正切入海外市场。因此，我们相信具身智能领域完全有可能复制新能源汽车的全球化路径，甚至在体量与广度上做得更大。
第二个底层优势来自数据。中国不仅天然有丰富的应用场景，而且场景的多样性极高，能够覆盖从工业到商业，再到消费级的多类任务。在我们推动的远程遥操作模式中，机器人能在真实业务中持续运行，形成"大规模分布式的数据采集体系"。这一体系从 B 端到商用场景再到未来的 C 端，会不断沉淀高质量的长尾数据。
更重要的是，中国的供应链企业、本体厂商、机器人公司与最终用户，都具备高度的参与意愿和试错速度。这使得数据不仅规模大，而且更新快、类型多、密度高，对于AI 模型的迭代具有全球范围内独特的差异化优势。
Karen Su | Aiper CFO
我觉得这个问题大家的答案应该有很大的共性。我们自己的感觉也一样，产品技术迭代的能力和速度，以及供应链的效率，应该是我们这批企业出去之后在竞争中拿到先发优势、实现持续优势的很重要的原因。
从技术的角度，我们现在也希望技术在赋能产品本身的同时，也在内部效率提升、决策的准确性和有效性上赋能，把 AI 技术应用到数据分析、决策支持上。同时在人才维度上，我们也期待在各个领域能够找到行业领先的人才和我们并肩。
04 各自赛道看到的机会
当 Physical AI 到来
桑煜 | 云启投资人
最后请大家每个人用一句话前瞻未来：当 physical AI 真正降临，对各位分别所处的赛道有哪些重要机遇？
庄子骏 | 新石器无人车 副总裁
我觉得未来机遇最大的就是全球无人车的无人化运力。RoboVan 这个赛道一定是一个很好利基市场。
王潜 | 自变量机器人创始人、CEO
我的这句话是"我们所面临的可能不是一个智能的奇点，而是一个物理的奇点。"
这句话我可能得稍微花点时间展开。以前大家对奇点的假设，总是认为一个特别聪明的 AGI 被发明出来之后，它会发明一个更聪明的 AGI， 把人类远远抛在身后。今天我们发现，好像逻辑不是这样的。我们怎么样发明一个很聪明的 AGI 或者 ASI（超级人工智能，Artificial Superintelligence），实际上需要更多的物理世界的资源——更多的算力、更多的电力、更多的数据。这些不是一个很聪明的 AGI 本身能够解决的问题，而应该是具身智能所能解决的问题。
从第一次工业革命至今，历次重要的技术发展变革，都是以指数级的生产力替代掉了线性的生产力发展。最典型的，从蒸汽机开始就有"机器"这个概念，到了最近的一次工业革命开始有"摩尔定律"。真正能够打破线性生产力的关键点，就是要尽可能地在物理世界中去替代人力劳动。具身智能是这件事的最后一个板块。真正的具身智能做出来之后，万事万物都应该像早期的蒸汽机到今天的芯片"摩尔定律"一样，呈指数级的发展。
所以这不光是制造一个真正意义上超越人类水平的 ASI，同时也是万事万物向着真正意义上自由王国、向着星辰大海发展的一个最基本的前置条件。但目前具身智能的潜力和应用还是被普遍低估，反而虚拟世界中的语言模型的潜力和应用被有所高估。
方科 | 星尘智能联合创始人、CFO
我们一直认为，人类与具身智能的交互界面，绝不会长期停留在手机或电脑上。最自然、最高效的接口，一定是机器人本身。因此，在我们看来，机器人将成为未来AGI 触达每一个用户的主要载体——这是具身智能的必然方向。
回到我们创业之初，**我们的愿景是让机器人真正进入千家万户，成为数十亿人超级助理。**坦率讲，当时这个目标更像是一种理想。但经过这两年在行业中的深入实践，我们越来越清晰地看到：这件事情可能比我们想象得更近。
当然，"更近"并不意味着机器人在短期内就能具备与人类同等的智能水平，也不意味着它能在家庭环境中处理所有任务。我们的判断是：这件事会从一个明确、现实、可规模化的切口开始，机器人会慢慢走进你的生活。
这个切口来自两个方面的变化：第一，成本正在快速下降。当一个高性能机器人能够以万元的价格进入家庭，它已经有一定的价值。
第二，人与机器人的互动方式正在被重新定义。无论是远程遥操作技术，还是我们正在构建的"让人把机器人玩起来"的新型平台，都在降低人与机器人的使用门槛。类似当年 3D 打印从极客圈层扩散到更广泛用户群的过程，我们估计明年将会出现一批"家庭级机器人玩家"，真正开始在家里使用和探索机器人。
一旦有人开始在自己的家庭环境中"玩起来"，家庭数据、隐私边界、人与机器人交互方式等问题都会在真实场景下不断明确，并形成用户对机器人的信任与依赖。从早期的爱好者群体，再到更大范围的用户扩散，这将成为机器人进入家庭的真正突破口。
而一旦这个切口被打开，机器人走向日常生活将不再是遥远的愿景，而是一个可持续推进、逐步落地的真实路径。
Karen Su | Aiper CFO
我们对于 Physical AI 的应用愿景，是希望我们能够从一家泳池领先的企业变成一个庭院这个场景领先的企业。
桑煜 | 云启投资人
感谢大家的精彩分享。云启也希望能够陪伴大家一起去见证美好愿景落地成真。
