从后空翻到正毛利 机器人在换考题
系列标签：AI出海、企业出海、全球化品牌、AI竞争力、SynAbility 作者：郭雁冰（George Guo），CGL集团高级副总裁、战略官，SynAbility项目AI总顾问 同步自：微信公众号「侠客乔治」
关联标签
AI出海 · 企业全球化 · 跨境电商 · 品牌出海 · AI竞争力 · SynAbility
| **通稿模式 | 纯深度解析 | 无产品推荐 | 作者：郭雁冰，AI构建CEO教练，企业常年战略顾问** |
正文
机器人会跑、会跳、会打拳。AI 眼镜能翻译、能导航、能认出眼前的世界。AI 玩具接上大模型以后，可以聊天、可以记住你、甚至开始有自己的”人格”。
如果只看过去半年的发布会和展会，Physical AI 像是已经全面爆发了。
但 8 月 28 日在深圳举行的一场峰会，一天听下来，台上反复出现的却是另一组词：留存、交付、供应链、回本周期、成功率、售后、渠道、正毛利。
阶段不同 考题不同
Physical AI 行业重心的四年下移
| 2024 | 2025 | 2026 | 2027 |
|---|---|---|---|
| 模型多聪明 | Agent 会不会干活 | 机器人后空翻 | 谁能赚钱 |
2024 年，大家讨论模型有多聪明；2025 年，大家开始讨论 Agent 会不会干活；2026 年，机器人和 AI 硬件大量出现，后空翻频频上热搜；到了 2027 年，问题开始变成——能不能做成产品、能不能交付、客户愿不愿复购、能不能规模复制，以及最后能不能赚钱。
一、从”证明技术可行”，到”证明生意成立”
这场由非凡产研主办、思想科技协办，河套发展署、香港科技园公司、河套模力福地 AI 产业社区战略支持的 2026 深圳物理 AI 峰会，从上午的 AI 眼镜、AI 戒指、AI 玩具、机器人宠物，一路聊到下午的工业机器人、人形机器人、灵巧手、电子皮肤，覆盖具身智能供应链上下游。
一天听下来，一个信号越来越清楚：
Physical AI 正在从”证明技术可行”，进入”证明生意成立”。
过去几年 AI 的演进路径很清晰：大语言模型先解决”理解和生成”，Agent 进入 Workflow，下一步自然是进入物理世界。香港科技园公司人工智能与数据总监冼超舜博士在现场指出，Physical AI 真正需要同时解决两件事：Model 和 Data。
机器人要学的，已经不只是”一个杯子是什么”，还包括杯子有多重、怎么抓、抓歪了会怎样、碰到桌面以后应该怎么调整。文本、图片之外，动作、力觉、触觉、第一人称视频、机器人执行轨迹，成为新的训练资产。
非凡产研创始人吴畏把最值得关注的三种形态概括成 See、Stay、Act：AI 眼镜获得第一视角，陪伴硬件获得长期关系和记忆，机器人让 AI 真正拥有作用于现实世界的能力。
Physical AI 的核心，并不在于”硬件里面装了 AI”，而是一个设备能不能形成完整的感知、记忆、决策和行动闭环。
二、AI 眼镜真正要抢的，可能不是手机
Rokid 全球开发者生态负责人赵维奇分享了一个值得注意的判断：每一个计算时代都有自己的终端。PC 时代是电脑，移动互联网时代是手机，AI 时代大概率会出现新的终端，但它未必是”下一代手机”。
过去很多 AI 硬件的问题，是把 AI 塞进原来的设备里：冰箱加一个聊天机器人，耳机加一个大模型，眼镜里再放几个 App。
真正 AI Native 的设备，交互逻辑应该发生变化。用户不再需要先想”要打开哪个 App”，只需要表达意图，系统再去调用模型、工具、Agent 和服务。
赵维奇把 AI 眼镜能不能成立浓缩成三个词：轻量化、多模态、全天候。轻量化决定用户戴不戴，多模态决定 AI 能不能理解周围发生了什么，全天候决定它究竟是一件偶尔使用的电子产品，还是每天跟着你的终端。
这里面还有一个容易被忽略的点：好的 AI 不只是回答正确，它还需要在正确的时间出现。看到外语菜单直接翻译，开会时自动进入记录状态，走到陌生路口出现犹豫时主动询问是否需要导航。
当 AI 开始获得视觉、声音、位置和长期上下文，交互可能从”人找服务”，逐渐变成”服务找人”。
三、第一关：为什么用户第三十天还在用？
上午第一场 Panel 直接把问题拉回现实——「产品成立：新奇不等于刚需，AI 硬件怎样从第一眼惊艳变成每天都用？」。几家公司的产品差异极大，有脑机接口眼镜、AI 可穿戴设备、智能手写笔、无感健康监测，但讨论到最后，大家实际上都在回答同一个问题：AI 硬件怎么逃离”吃灰曲线”？
一个很明显的变化是，硬件参数越来越难成为长期壁垒。尤其在深圳，一个硬件方案只要验证了市场，很快就会出现类似产品。真正难复制的，是产品跟用户行为之间的关系。
所以越来越多团队开始反过来思考：不要先要求用户重新学习一套习惯，而是尽量把 AI 藏进原有行为里。笔还是那支笔，眼镜还是那副眼镜，健康设备甚至最好让用户忘记它的存在。
设备只负责自然采集数据，后面的 AI 再完成分析、总结、预测和服务。这与过去很多软件产品的思路很不一样——以前总想让用户”打开 App”，现在越来越多硬件公司反而在思考怎么做到去 App 化和无感化。
另外一个共识是，监测本身不是价值终点。一个设备每天告诉你”你的数据是多少”，新鲜感很快就会过去。真正能留下用户的，是它后面有没有形成闭环——发现问题以后，还能不能帮助解决问题。
“AI 硬件真正的留存，最后可能只取决于一句话：它有没有持续替你省时间、解决问题，或者提供一种你舍不得失去的体验。”
四、众筹 100 万美元以后，才开始真正做硬件
上午第二场 Panel「世界货架：众筹爆款不是终点」很适合给想做 AI 硬件出海的创业者泼一盆冷水。
现在 AI 硬件出海已经形成一条常见路径：先 Kickstarter、Indiegogo 众筹，再做独立站、Amazon，最后进线下零售。行业特别容易盯着一个数字：众筹金额——100 万美元、300 万美元，甚至 1000 万美元。
但这场 Panel 反复强调：众筹只是 0 到 1。
真正判断一个新品类有没有成立，要看众筹结束以后：销量有没有继续增长？Amazon 有没有承接？社群还活不活跃？用户有没有持续讨论？更重要的是——货到底有没有交出去。
众筹用户是一群很特殊的人。他们愿意为创新提前付款，也愿意等待，容忍度很高；但同样因为是 Early Adopter，传播能力也极强。产品做好了，他们可能成为第一批品牌布道者；如果延期半年、货不对板、客服失联，他们也会成为传播负面信息最积极的人。
这就解释了一个很现实的现象：以前有个 Demo 就能做众筹，现在越来越难。经历过几轮”PPT 众筹”以后，海外用户已经开始主动寻找工程机、第三方评测和真实测试视频。现在再做众筹，一个越来越重要的前提是：供应链最好已经真正跑过一遍。
硬件从工程机到试产，从试产到量产，中间有大量完全无法写进商业计划书里的 dirty work：模具、良率、物料、电池、包装、物流、认证、售后。
这些东西最后决定的不是产品能不能发布，而是公司还能不能活着把产品交完。
五、机会决定你能不能进去，能力决定你能不能留下来
上午第三场 Panel「从中国硬件到全球品牌」里有一句话，非常适合解释今天中国硬件出海的现状：机会决定你能不能进去，能力决定你能不能留下来。
深圳最不缺的是产品。真正到了海外市场，问题突然变得特别琐碎：服务器放在哪里？隐私数据怎么处理？认证怎么做？当地客服谁来接？不同语言的模型识别效果怎么样？宗教、家庭结构和文化习惯，会不会直接改变产品场景？
一个在中国成立的需求，到了美国可能根本不存在；一个在北美跑不通的产品，也可能在中东突然出现很高的 ROI。今天所谓”全球化”，越来越接近在全球不断重新寻找 PMF——不只是把中文翻译成英文，再找一个经销商把货发过去，而是重新理解当地用户为什么买、怎么用、出了问题找谁。
当硬件参数、供应链甚至模型都越来越容易被追平，真正难复制的东西开始向另一侧转移：IP、社群、用户关系、渠道资产，以及一次次交付积累下来的品牌信任。
“产品负责兑现承诺，渠道负责传递承诺，品牌，是持续兑现以后留下来的结果。”
六、工厂最后会拿出 Excel：18 个月回本线
下午一开场，非夕科技副总裁胡晓平带来《仿人化创新重塑机器人能力边界》。工业机器人和上午的消费硬件，商业逻辑完全换了一套。
消费者可能为新鲜感、设计、品牌和情绪价值买单，工厂不一样——工厂最后会拿出 Excel。它会问良率多少、节拍多少、换线要多久、一年节省几个人、机器坏一次损失多少、多久回本。
传统工业机器人最擅长的是高度标准、重复、固定轨迹的工作，但真正还大量依赖人的工作，很多恰恰发生在不够标准的地方：零件会偏，材料会软，位置会变化。这也是力控、自适应和 AI 开始发挥价值的地方。
未来机器人”仿人”，最有价值的部分未必是长得像人，而是它开始获得人的那种能力：碰到了以后知道怎么调整。
到了工业场景，有一个很重要的判断：不要为了通用而通用。一只机械手理论上能做 1000 件事，可是在一个具体工位，它每天可能只需要做其中 10 件。如果为了剩下那 990 项低频能力，让价格贵 10 倍、稳定性下降一半，客户不会买单。
现场把这件事概括得很好：有限空间里的有限智能。 研究者追求的是能力边界，工厂追求的是确定性。
随后，思想科技商务总监 Daniel 在《物理AI的商业化之路》中把硬件出海最容易忽略的一笔账摊开了：AI 硬件卖出去以后，还有持续的 Token 成本。全部能力都依赖云端模型，用户每交互一次，公司可能就在付一次钱。用户越来越活跃，对一家毛利本来就不高的硬件公司来说，有时反而意味着成本越来越高。
现实方案是端云协同：高频、简单、低延迟的能力放端侧，复杂推理再调用云端模型。AI 硬件真正开始规模化以后，商业模式必须把这些隐形成本算进去——否则卖得越多，可能亏得越快。
七、一万次能错几次？
第五场 Panel「从炫技到生产力」已经很少聊机器人炫不炫了，开始直接算账。
这里有一个非常典型的数字：在已经相对成熟的工业取放场景里，客户普遍会把 18 个月左右当成投资回收期的一条线。如果 12 个月回本，采购会非常积极；18 个月还能接受；再往后，决策就越来越困难。
工业对成功率的要求也远远高于普通人想象。一些 3C 场景可能已经要求 99.5% 以上，到了半导体，可能进一步要求到 99.99% 级别。
到了这个阶段，”会不会做”已经没什么意义了，客户真正问的是：一万次能错几次？
Panel 里另一个特别值得注意的讨论是”项目制”。今天大量具身智能公司收入来自项目，一个项目几百万，看起来收入不错，问题在于下一个客户又要重新做一次。这是一种很典型的”有收入、没规模“。
所以越来越多公司开始把能力从项目里抽出来，变成平台、API、操作系统或者 License，把原来需要一两个月交付的能力变成几分钟部署，把几百万项目费逐渐变成可重复销售的软件服务。
这一步能不能走通，很可能决定未来哪些具身智能公司最后是一家”机器人项目公司”，哪些能真正成为平台公司。
八、公司自己什么时候有正毛利？
最后一场 Panel「从展示到可交付，谁能跑出正毛利？」把一个问题讲得很透：机器人根本不存在一套统一的商业模式。
物流机器人看的，是效率、准确率、泛化和规模交付；庭院机器人看的，是用户愿不愿意花钱买回自己的时间；体育机器人看的，是机器能不能从”一次性硬件”变成长期训练服务。
很多很酷的功能，用户试一次就走了。有些很小的需求，看起来毫无想象力，用户却每个月都愿意付钱。后者才是真生意。
这场讨论里还有一个很重要的变化：过去卖硬件，收入发生在设备交付那一刻。现在越来越多 Physical AI 产品开始尝试订阅、流量服务、远程视频、训练内容、AI Coach、耗材和软件增值服务。
硬件慢慢变成一个入口，用户未来几年持续产生的服务收入，才可能真正改变整个硬件生意的毛利结构。
但这一切都有一个前提：产品本身得先交付。从众筹到供应链爬坡，再到不良率、物流、售后、海外认证和现场 Bug——一个 Demo 能跑起来，只代表技术路径被证明；几百、几千台设备能够稳定交到真实用户手里，才叫产品。
收尾
这恰恰是一个行业真正开始成熟的信号。技术浪潮最热的时候，所有人都愿意聊未来。真正进入产业以后，每个人最后都得回来面对那些不那么性感、却直接决定生死的问题：良率、库存、客服、认证、回款、维修、毛利和现金流。
机器人会不会做后空翻，当然还会继续上热搜。但下一阶段真正值得看的，也许已经换成了另外几个数字：它每天能稳定工作多少小时，一万次任务失败多少次，客户多久回本，一年以后还续不续单，以及卖完这一台，公司到底赚了多少钱。
“当行业开始认真回答这些问题时，Physical AI 才真正从舞台中央，走进现实世界。”
考题换了。看懂的人，已经开始换答案。
作者：郭雁冰，CGL集团高级副总裁、AI构建CEO教练，企业常年战略顾问 公众号「侠客乔治」｜头条/知乎「AI战略官郭雁冰」 信息来源：2026 深圳物理 AI 峰会（非凡产研主办）现场报道整理，观点归作者所有
郭雁冰（George Guo），CGL集团高级副总裁、战略官，SynAbility项目AI总顾问。专注AI猎头、CAIO猎寻、AI人才测评、企业AI转型。商务合作：di3zongdui@163.com / 公众号”侠客乔治” / 个人微信 di3zongdui。