世界机器人大会释放信号：Physical AI正从“能展示”走向“真干活”？

8月，2026世界机器人大会在北京举行。WRC 早已跳出机器人企业专属展会的范畴，芯片、仿真、数据、模型、零部件、场景方、采购方纷纷汇聚于此。具身智能也正从一个技术构想，落地为完整成型的产业链。

而今年夏天，Granite Asia邀请创业者、企业经营者和优秀人才齐聚一堂，围绕AI如何重塑现实世界，展开了一场坦诚而务实的交流。

来自新加坡理工大学（Singapore Institute of Technology）的Yinbei Li教授首先介绍了物理AI（Physical AI）的最新进展，并分享了当地如何凭借自身独特优势，成为相关技术开展真实场景测试与落地应用的理想试验场。

在圆桌讨论中，Granite Asia合伙人Yinghui Kuang、来自Clobotics的George Yan，以及来自PSA International的Alvin Foo跳出概念与热词，结合一线实践，深入探讨了AI在真实场景中的应用与落地：

1.真实环境验证，是实现规模化落地的前提。机器人解决方案只有持续证明其性能的可靠性与可复制性，才能真正实现规模化应用。

2.以人为本，是创造长期价值的基础。相比取代人类，以增强人类能力为目标的机器人更容易被接受，也更有可能持续创造价值。

3.聚焦高价值行业，是积累核心能力的关键。深耕医疗器械、专业制造等领域，有助于形成可迁移、可复用的核心能力。

今天的Physical AI

在具体应用场景中有怎样的表现？

Alvin Foo：2023年年底以来，新加坡港务集团（以下简称为：PSA）一直在全天候运行一支由30多辆自动驾驶卡车组成的港务运输车队，整体运行还是相当稳定的。AI机器人在环境感知和环境理解上变得更加自适应，这大幅提升了整个系统的能力。不过，目前AI控制卡车的作业水平与卡车司机的实际操作仍存在差距——司机平均每小时可处理约2.5个集装箱，而自动驾驶系统目前大约能达到这一水平的80%。

对车队的系统管理能力，以及模拟人类的感知能力，这两个层面的技术水平都在持续发展。预计未来两到三年，系统有望达到真人司机约90%的水平，从而更加接近人类的作业效率。就目前状态而言，这项技术已经具备部署价值，能够实现实际用途，并且带来净人力的节省。

在港口作业中，还有一项极其繁重且危险的任务：扭锁的拆装。集装箱在货船上需要通过扭锁来固定，否则在航行中是不安全的。而每一个集装箱在装卸时，都需要拆除四个扭锁。一艘船上有成千上万个集装箱，一个港口一年要处理数以百万计的集装箱，由此带来的拆装扭锁的工作量也必然是极其庞大的。根据以往经验，工人在长期进行此类操作的过程中，会因为疲劳而随时面临受伤风险。而Physical AI，则将可实现让机器人接手这些困难且危险的任务。

在此过程中，我们可能既要有突破，也要有承袭。

比如在机器人形态的选择上，完全可以突破双手双脚的人形机器人设计。人类的形态决定了自身作业能力的上限，我们不应拘泥于此，而是要为每一种机器人找到其执行任务的最高效形态。

而另一方面我们也意识到，不可能一次性重新搭建整个作业体系。曾经PSA也做过研究，面对以往港口作业中40多种不同类型的扭锁，能否在机器人作业体系内，使用统一的扭锁，甚至统一类型的集装箱。但我们很快意识到，集装箱的形态自1950年代以来几乎没有改变过，整个行业已经形成一套成熟的供应商生态，不可能凭空去创造一个具有高度统一化的全新系统。因此，更现实的发展路径还是要循序渐进，逐步验证机器人作业带来的价值。

Yinghui Kuang：今天的工业AI机器人，往往最多可以达到与人类相当的能力水平，在灵活性，以及对周遭环境的理解上，还无法超越人类。它目前所具备的优势主要在两方面：一是极致精度，比如在外科医疗场景中进行高精度操作；二是极致力量，比如持续稳定搬运超过100公斤的重物。

以卡车装卸为例，这项任务至今仍然是相当困难的——需要将不同尺寸的箱子装入卡车，并充分考虑放置顺序、箱子的质地和功能等多种因素。过去，机器人无法理解与之相关的种种物理属性，于是只能堆叠固定尺寸的方形箱子。但如今，由于世界模型的引入，机器人对物理规则有了更深入的理解，研究人员正在尝试让机器人完成更复杂、更有灵活性的混合装载任务，从而进一步让机器人在精度和力量方面的能力优势发挥到极致。

短期内，哪些领域

会最快推进Physical AI的应用？

George Yan：机会集中在那些人们不想做的工作上。当某些传统的工作由于太危险、太艰苦，使得新一代的人们愈发不愿去从事，那么这些领域就是Physical AI极好的切入点。

以风力发电为例，如今大家很难找到愿意爬上风力涡轮机去维修叶片的年轻人。而与此同时，随着地缘政治局势的进一步复杂化，人们对可再生能源的需求又在持续提升。于是，将人力派往偏远风电场进行维修养护的成本，每年要上涨30%-40%。风机在持续老化，故障在不断发生，但愿意去往设备现场的年轻人越来越难找。这就为机器人去完成这类维修养护工作的全新模式创造了足够多的机会。风电场中不会有人随意走动，这种相对可控的作业环境属性，也为Physical AI进入真实场景创造了条件。

Alvin Foo：从港口运营的角度看，Physical AI最应优先进入的领域是那些人力节省空间大，同时目前又高度依赖人工，且用工稳定性较弱的环节。比如疫情期间，跨境工人无法到岗，港口产能因此受到限制——业务量流失并非因为没有货船来港，而是因为没有足够的工人完成作业。而这种情况，如果采用机器人作业，则可以在很大程度上避免发生。

当然，机器人技术应用所要面对的是端到端的整体问题。供应链在某些方面已经为机器人做好了准备，但又并非每一个环节都足够成熟。市场上一些机器人具有很强的移动能力，可以像人一样跳跃、行走，步态自然。但港口要执行的任务既需要灵巧度，也需要极强的抓握力——机器人手需要处理重达8到9公斤的扭锁。市场上已有很好的灵巧手，但它们往往只能拿水果之类的轻量物品，很多还无法达到港口应用场景的要求。

因此，关键问题在于如何拆解任务，如何将不同机器人的能力优势组合在一起。哪个领域能够实现这种对不同具身能力的重新协同编排，哪个领域就能让Physical AI焕发更大能量。

Yinghui Kuang：从投资视角来看，技术能力背后体现出的价值差异是极其关键的。可以对比两个极端案例。一个是手术机器人。在侵入性手术中，医生需要经过长时间训练，才能做到在手术时稳定地握住器械，同时进行检查、切割、缝合等操作。

一台手术可能持续数小时，对手术医师的身体机能是极大的考验。而有了手术机器人的支持，不仅可以大幅减轻医生的压力，手术时间也可以从三小时缩短到一小时。这类机器人可以轻松卖出每台一百万美元的价格，价值空间巨大。未来机器人甚至可能自主完成手术，进一步提升医疗效率。

而另一个极端，则是在便利店中由机器人帮忙取货、摆放商品。这一场景的价值存在明确上限——它创造的价值基本上等同于一名人类店员的工资。两个场景同样是机器人概念，但价值主张差别极大。人形机器人常被想象为家庭助手，但实际上那是极难实现的使用场景——用户期待很高，但付费意愿又很低。因为人们是在拿机器人与一个真实人类帮手进行对标。

由此，我们也可以引导出一个哲理性的思考：Physical AI的目标不是替代人类，而是要赋能人类去做更多事情，做以往人类个体做不到的事情。还是在医疗领域，以药物研发为例，研究人员需要根据分子式，把所需要的分子合成出来——从某个化合物开始，加入催化剂，通过热反应或光反应，进行摇匀、离心、提取，然后用不同方法测试分子键是否形成或断裂。

这一过程要重复上百次，才能获得足够的数据和经验去设计和制造一个分子。如果有一套自动化系统将这一套作业流程化，提高吞吐量并缩短时间，那么每位研究人员开发药物的速度可能快十倍，甚至上百倍。

这一逻辑同样适用于材料科学和其他科研领域。在这个方向上，价值可以被更大程度地实现。科学家在机器人的帮助下获得正向反馈，从而加速研究。机器人公司也通过科学家的具体应用来获得正向反馈，从而改进技术。价值在此过程中可以实现双向正循环。

Physical AI生态系统建立的思考

Yinghui Kuang：以新加坡为例，应该聚焦高价值使用场景。新加坡在医疗领域非常强。本地一些制造商在做医疗耗材，例如通风和呼吸机组件，管子、杯子、口罩等。并且，与节奏变化极快的消费电子制造业不同，高端医疗耗材领域一旦通过认证，产品规格三到五年都不会变，需要更高质量、更稳定的生产。这类公司即使在新加坡只有几百人，也可以交付大量产品并创造可观收入。这一点，在高端半导体制造等领域也有所体现。因此，关键是要选择更高附加值的产品和使用场景。

Alvin Foo：新加坡拥有全球最大的海运和空运枢纽之一的区域，其实际掌握的作业量是相当大的。因此，新加坡为Physical AI提供了一个极佳的测试验证场——凡是能够通过本地港口压力测试的技术，可以说在全球任何港口都能运行。

而真正的挑战，在于如何将新技术转置、嵌入到本地场景中，同时不影响整体生产力。不过，规模与集中度本身也会带来限制。当运营系统已经在一个高产能、高效率的环境中被证明能够运行，引入新技术就需要围绕它建立新的流程。大多数运营团队日常工作已经饱和，最不希望的就是引入一个极具颠覆性的东西。

因此，我们会有意划出某些真实场景作为实验区，用来测试新技术。经过实验区中的推演，如果一项技术在10%的规模下有效，我们就考虑它是否能够扩展到100%的作业量和产能之中，并仍然保持它的韧性和稳定性。

新加坡也是一个非常好的生态组织者，其整个生态能力中包含了前面所说的两个最大海运和空运枢纽、多元复杂的使用场景、良好的金融结构，以及一个相信研发价值的政府。政府创造了合适的商业环境，从而吸引来优秀创业公司，并为创业生态提供支持。

此外，新加坡是一个中立、开放、不偏向任何一方的平台——技术可以在这里被最严苛的重度用户验证，然后再作为一个具备可用性，且在商业上做好准备的产品输出到其他市场。

George Yan：对于一家从中国起步，并向全球拓展的机器人创业公司而言，新加坡提供了一个真正可以与全球产生连接的枢纽平台。作为全球科技巨头设立亚洲总部的聚集地，在新加坡可以相对容易地接触到这些顶层决策者，并直接向其展示产品，从而更高效地进行业务扩展。

政府推动AI发展所采用的力度，优秀的大学教育资源，以及多年来汇聚的大量人才，都让新加坡成为一众创业公司进军国际市场的理想发射台。而如果愿意长期深耕这片市场，愿意与本地龙头企业保持深度交流，就可以在新加坡源源不断地找到新客户。

Physical AI企业应该关注什么问题？

Yinghui Kuang：Physical AI是一门长链条的生意，与纯AI软件创业有本质区别。在AI软件创业中，很多事情可以远程完成，完全数字化交付。而机器人因为涉及硬件，就会带来供应链调控、产品质量把控、现场部署和反馈等问题。AI软件创业公司可以几周甚至几天完成一次迭代。而机器人公司必须管理一个复杂得多的流程，并且在整个过程中持续改进，一次周期可能需要几个月。

因此，在创业初期，应当从简单的事情做起。许多成功的企业并非一开始就推出颠覆性创新产品，而是从基础功能开始，逐步添加新特性，持续迭代。敏锐地观察到竞争对手的不足，并在那些地方改进。在这个过程中，供应链、产品、销售等各环节人员的能力逐渐增强，团队整体的信心也会随之提升。以初创阶段有限的资源和能力，这是必须采取的方法。

作为投资人，常常会被非常创新的产品和想法吸引。但一家公司要成功，通常还是要从简单的事开始。首先要尽快把产品交到客户手中，获得反馈。然后一路学习，一路迭代。就像参加一场马拉松，刚开始稍微落后一点没有关系。无论对谁而言，这都将是一场持续多年的比赛。

George Yan：企业服务领域的成长路径没有一夜暴富的故事，本质上是稳步推进——一个客户一个客户地做，一个地区一个地区地拓展。关键在于理解客户、打造产品，在产品规模上做得更深，从而获取客户更多的业务量。这条路从一开始就注定了会很漫长，需要马拉松式的心态。

企业所需要的人才也不会在一夜之间出现，培养过程中有大量试错——不只是工程师如此，业务端的人也一样。在团队中，“我不知道”不应该是一个可接受的回答——它意味着没有思考、没有使用手边的工具。工具的门槛降低意味着一个人要变得多才多能也变得更容易。我们不再需要有人只定义自己为“硬件工程师”或“市场人员”或“产品经理”。一家公司需要的人其实就两类：一类是能做东西的人（builder），一类是能把东西卖出去的人（seller）。如果运气足够好，能找到既能做又能卖的人，那就应该尽可能给予足够的股权激励，把这个人留在团队里，一起走这条路。

Alvin Foo：在企业发展的不同阶段，需要的技能是不同的，而且必须随着阶段变化而调整。刚起步时，需要建立技术护城河，回答“你和别人有什么不同”，因此技术能力非常必要。但到了需要规模化的时候，团队构成就必须有所变化。

以一家中国的自动驾驶公司为例：初期真正做的是构建核心技术，并将技术放到真实环境中验证，团队一直专注于这件事。一旦建立了足够的信心，确认产品能够在最困难、最复杂的场景中运行，就开始调整团队结构。

最初大约有百分之六七十的团队在研发部门做技术开发。随着规模化推进，这一比例调整到了约30%，因为最难的工作大部分已经完成。当然，公司仍然通过研发保持技术领先，同时引入更多编码支持和自动化，从代码开发转向代码维护，减少了开发所需的人数。

更重要的是，公司将高质量的研发人员转移到现场。这一点极为关键——当进入实施和部署阶段，现场工程师的质量会产生很大差异。那些只是收集数据和反馈、把信息传回总部的现场工程师，与真正理解系统运行逻辑、能够在现场做实时调整并缩短整个循环周期的人，效果截然不同。

团队结构应随时间变化。企业需要的是能够超越自身职能边界的人，需要那些具备适应能力，愿意走出舒适区，时不时到现场去的人。需要让人员在不同团队之间流动，加强他们对现场工作和客户需求的理解。这将形成一个从技术系统到生态理解，再到整体运营、流程认知的循环。而这种良性循环，则能让一家企业持续适应这个世界从技术到市场的种种变迁。

Alvin Foo：新加坡港务集团（PSA）Ventures负责人，负责港口自动化与具身智能技术的战略投资与落地部署。PSA是全球最大的港口运营商之一，旗下拥有全球最大的集装箱码头之一。

Yinghui Kuang：Granite Asia合伙人，专注于硬科技、机器人及AI领域的投资，拥有多年跨境投资与企业成长陪跑经验。

George Yan：扩博智能（Clobotics）联合创始人兼CEO。公司专注于风电巡检机器人及计算机视觉技术，服务全球风电与零售客户，是一家从中国起步，拓展至全球市场的企业服务型机器人公司。

本文来自微信公众号“纪源资本”，作者：纪源资本，36氪经授权发布。