物理AI商业新范式：从卖硬件到卖模型，量化派如何重构具身智能估值逻辑

具身智能产业正站在一个关键的十字路口，其商业定位呈现出前所未有的分化态势。过去，行业的主流模式集中在两个极端：一是售卖机器人本体硬件，客户购买后需自行承担后续的维护与场景适配成本；二是提供打包式的整体解决方案，虽然服务深入，但受限于项目制的交付模式，难以实现规模的横向扩展。而量化派选择了一条截然不同的路径：售卖物理世界基础模型。这一选择的底层商业逻辑极其清晰——硬件形态会迭代，应用场景会变迁，唯有让机器人具备理解物理世界底层规律的AI能力，才能实现跨场景、跨本体的持续复用与收益增长。

当前，一场将机器人从理想化的展厅推向真实复杂环境的产业变革正在加速落地。随着工信部与国资委联合发起的2026年度人形机器人与具身智能实景实训专项行动启动，政策要求不再允许通过改造环境来迁就机器人，而是要求机器人在“最小干预、利旧复用”的前提下，于工业、服务、特种等真实场景中证明其工作能力。这一政策导向直接将行业从实验室逼进了充满不确定性的真实世界，同时也催生了一个核心判断：谁能掌握让机器人快速适应新场景的能力，谁就掌握了规模化的入场券。

量化派的技术验证节奏在这一背景下显得尤为激进且务实。近期，其在餐饮后厨场景中完成了四轮具身智能技术验证，涵盖三明治柔性制作、购物袋自主分拣、牛排跨抽屉找盐调味以及奶茶跨设备协同等任务。这些任务全部落地于真实动态工况，而非经过精心修饰的实验室环境。这种选择体现了其商业定位：作为跨场景、跨本体的开放生活场景世界模型提供商，不绑定特定硬件，不锁定单一场景，旨在提供一套可供不同厂商机器人调用的通用AI能力层。

这一技术路径的核心区别在于推动机器人从“动作自动化”迈向“任务级自主作业”。前者依赖于固定程序执行预设动作，后者则要求机器人在理解任务目标后，自主完成感知、决策与执行的完整闭环。这两个概念之间隔着的，正是产业能否实现大规模商业化的核心瓶颈。市场愿意为物理世界基础模型付费，资本看好这一赛道，其根本原因在于它解决了跨场景快速迁移的问题。当每一新增场景的边际适配成本趋近于零时，商业模型的想象空间将被彻底打开。

全球资本市场的动向为此提供了有力的佐证。2024年底，Physical Intelligence以24亿美元估值完成融资，投资方包括贝索斯、红杉资本等顶级机构，其估值在短短数月内翻了六倍，而该公司并不制造机器人硬件，仅专注于通用AI模型。更为惊人的是Skild AI的估值曲线，从A轮的15亿美元一路飙升至C轮的140亿美元，尽管其年营收仅为3000万美元。这种巨大的估值价差并非基于当前的收入增长，而是基于对所有机器人终端都将调用其基础模型的预期。量化派在物理AI领域的定位，类似于Anthropic在大语言模型领域的位置，试图在中国市场建立同样的技术护城河。

然而，技术的可行性并不等同于商业的可行性。在实验室中打磨完美的Demo，与在后厨中承担出品一致性和作业稳定性的责任，是两个维度的挑战。量化派选择直面高难度的民生复杂场景，正是为了通过真实世界的压力测试来验证其技术壁垒。以三明治制作为例，面对面包、生菜等无固定形状的软质食材，机器人需在连续流程中完成抓取、涂酱、摆放，依靠实时感知食材形态并调整力度的柔顺控制，确保成品标准化且不破损。在购物袋分拣任务中，面对未知的物品组合与数量，机器人需进行实时识别与自主决策，无剧本地完成全流程作业。

这些高难度场景的验证，不仅仅是技术的展示，更是数据壁垒构建的关键。物理世界的基础模型不同于数字世界的软件，其有效操作数据的积累无法通过简单购买获得，而是依赖于机器人在真实场景中的上百次试错。量化派通过B端商业合作、C端智能硬件布局、用户置换及场景共创等多路径数据采集体系，试图将数据采集从单点行为转化为系统性工程。这种基于时间和真实运营积累的数据优势，构成了后来者难以逾越的竞争壁垒。一旦数据积累的正向循环建立，模型的迭代速度将与成本曲线的下降形成正反馈，从而拉开与其他玩家的代差。

在政策驱动与资本验证的双重加持下，RaaS（Robot as a Service，机器人即服务）模式成为物理世界基础模型商业落地的最佳载体。该模式主张按效用付费，客户为机器人干活的结果买单，而非为硬件本身付费。物理世界基础模型作为核心技术资产，其价值在RaaS模式中得以放大，因为它使得机器人能够像API一样被不同硬件平台调用，实现“一次训练，多场景复用”。这种模式不仅降低了客户的初始投入门槛，也为模型提供方提供了持续、可预测的经常性收入。

尽管前景广阔，但物理世界基础模型的商业化仍面临两道严峻考验。首先是跨场景复用的边际成本是否真能趋近于零。从餐饮后厨到仓储物流、医疗康养等其他生活服务场景，每次迁移的适配成本、数据迁移效率以及模型泛化能力的稳定性，直接决定了商业模型的落地效果。如果适配成本过高，商业闭环将难以维持。其次是物理世界与数字世界的落差问题。真实环境的非结构化特征、光线变化、物料差异等不可控因素，要求全栈自研的系统整合能力能够将这些现实落差缩小至商业可接受的范围。

量化派的长期路径规划清晰：从场景落地和数据售卖完成原始积累，逐步向智能硬件厂商输出模型调用与增值服务，最终切入算力赛道，形成“基模+算力”的双轮驱动收入结构。这一路径的前提是技术能力能够支撑广泛的跨场景复用，核心是累积优势能否持续强化。随着国家级专项行动的推进，一批企业将带着真实场景的运行数据去换取政策认可与市场订单，RaaS模式的政策背书使得“卖能力”成为更具确定性的产业方向。

在这场从“有想象力”到“有现金流”的跨越中，有一个关键的里程碑尚未到来，但它一旦实现，整个赛道的计时器将正式开启。那就是量化派的物理世界基础模型能力层，接入一个全新的外部客户，在一个前所未有的场景中，让机器人完成此前无法实现的任务。这一单交易不是内部的技术验证，而是第三方客户真金白银的投票。当那一天来临时，物理世界基础模型将不再只是一个充满想象力的故事，而是一个真正开始产生价值、具备自我造血能力的平台。在此之前，所有的估值与愿景，都仍需经过真实商业世界的严苛检验。