AI 走进物理世界：机器人产业的数据困局与商业路径

当大模型在数字世界以日为单位迭代时，机器人产业却仍卡在「让机器稳稳端起一杯水」这样的基础任务上。在一场以「南得深聊」为主题的深度对话中，南方基金基金经理张延闽、机器人创业公司启玄科技创始人王文杰与华尔街见闻常务副总编辑周宏，围绕物理 AI、数据采集、商业落地、中美竞争与估值泡沫五大议题展开讨论。

物理 AI 难题：数字世界的智慧难以迁移到现实

大语言模型的爆发得益于互联网几十年积累的海量文本数据，但物理世界缺少对应「素材」。王文杰指出，图片可以告诉 AI 这是一把锤子，但锤子的重量、砸墙需要多大力度才不会损坏墙面，这些多维度传感器数据在现有系统里几乎是空白的，「你不能靠看 B 站或 YouTube 的视频来训练机器人，真实世界的物理细节无法通过二维屏幕学会。」

张延闽进一步解释，波士顿动力机器狗能后空翻、春晚机器人能整齐划一地跳舞，但这些能力大多建立在传统工业伺服控制之上，一旦脱离预设环境，机器人就会「四肢发达、头脑简单」。这正是产业界公认的物理 AI 难题：数字世界的 AI 没有物理边界，可无限次快速试错；而具身智能必须遵循物理定律，每一次动作的泛化都需要海量真实数据的喂养——而后者极度匮乏。

数据之困：机器人缺少「长大成人」的过程

针对数据瓶颈，全球机构正从两条路径突围。一方面，李飞飞创立的 WorldLabs 日前宣布收购机器人仿真初创公司 SceniX，通过「真实-模拟-真实」技术路径，用高保真虚拟环境替代危险昂贵的真实采集；另一方面，国内各类「数采工厂」「数采基地」正遍地开花。

但问题比想象中更复杂。王文杰表示，人类具备自适应能力，看不清可以换角度，但摄像头和传感器的采集维度有限，声音、触觉、颜色各自分离，灵敏度远不及人类。张延闽则补充道，目前机器人的「大脑」硬件已经足够强大，但缺乏真正经验和意识，无法像人类那样通过反复练习改善动作。换言之，当下的核心难点不在算法或芯片，而在于机器人缺少「成长」的周期和过程。

会涌现吗：机器人与意识之问

大模型的关键规律是，当数据、参数、算力达到临界点后，效果会突然跃升。那么机器人产业是否会出现类似的「涌现」时刻？王文杰给出了谨慎判断：大模型的质变过程太过复杂，搭建系统的人也无法解释其原理，「就像神经网络超过 100 亿个节点后会发生什么，超出了人类理解范畴」。

张延闽则把话题延伸到了自我意识。他引用「中文房间」实验：一个不懂中文的人按翻译手册也能通过部分图灵测试，但这并不代表他有意识——机器的「智能表现」与「真正的意识」之间，可能隔着无法跨越的界限。王文杰从概率学角度给出风险提示：AI 基于概率运行，必然存在小概率的极端事件，问题只是百万分之一还是十分之一。

商业落地：专用与通用的路线之争

从哲学回到地面，机器人产业的盈利模式在哪里？王文杰以启玄科技的工业焊接机器人为例，认为焊接对眼睛、肺部都有伤害，机器人替代这类工作既是改善劳动条件，也带来焊缝一致性提升、制造成本下降等真实商业价值。张延闽则描绘了一个更宏观的图景：全球 70 亿人未来每人身后可能需要几十个不同形态的机器人，若单台机器人价值对标汽车（约 10 万元人民币），市场体量可观。

路线之争上，王文杰判断专用机器人距离客户需求更近，更容易落地；而人形机器人进工厂存在悖论——工厂里通常由工业机器人做不了的事情才交给人工，让人形机器人替代这部分工作难度极大。张延闽则用卫星类比回应：阿波罗登月计划当时没有商业价值，但过程里的技术溢出最终改变了多个行业，「秀着秀着，能力就建立起来了」。

中国优势：速度是最大的成本

两位嘉宾一致认为，中国在机器人制造端的核心优势不只是成本，更是迭代速度。王文杰提到，在深圳一家初创公司想加工零件，出门就能找到供应商，付款三天板子就到实验室；同样的事情在美国需要两三个月。张延闽引用天使投资人的说法，硅谷做同样一款消费电子产品的迭代周期大约是深圳的 1/30，「时间才是最重要的成本」。

背后是中国独特的硬件生态：供应链高度集中、工程师储备充足、小工厂不轻视小订单，因为今天的中小客户可能成为明天的巨头。张延闽还提到，特斯拉机器人供应链几乎全部在中国，本身就说明了问题。

估值与泡沫：投资者视角下的节奏

张延闽给出了具体的估值数据：中证机器人指数 TTM 估值目前约 60 多倍，剔除 PE 为负的标的后平均约 120 倍；今年以来一级市场最热赛道既非半导体也非大模型，而是具身智能，累计投入约 1600 亿元（数据来源：Wind，截至 2026.6.30）。他同时认为，历史上铁路泡沫、互联网泡沫在当时看来都是过剩，但回看对社会福祉贡献巨大；技术发展中的适度泡沫，有时是激励颠覆式创新的「必要之恶」。

对话尾声，王文杰以儿子拍照发豆包解题的故事作结——学习方式在这一代人身上已发生根本变化。从焊接车间的机械臂，到家庭里的智能助手，从文本世界的涌现到物理 AI 的艰难探索，这场技术革命的速度已经相当明显：无论是 AI 还是机器人，都不是可以袖手旁观的变革。