物理AI，终于上桌了？

机器人圈最近有个微妙的共识正在形成：会跳舞的机器人越来越不值钱了。

9月这一周，三件事几乎同时发生——韩国政府正式启动总投入约10亿美元的国家级物理AI研发工程；小鹏的高阶人形机器人IRON不是被工程师手工拼出来的，而是从一条自动化总装产线上走了下来；美国Agility Robotics的新一代人形机器人学会了在没有安全围栏的车间里，主动停下来、蹲下去避开人类同事。

一个是国家级押注，一个是产业化提速，一个是安全范式切换。三条线索指向同一个判断：物理AI的叙事，正在从‘能不能做出来’切换到‘能不能落地、量产、安全地干活’。

物理AI区别于只做数据分析的AI，它能基于感知数据直接控制机器人和各类执行设备。说白了，前一种AI负责‘想’，后一种AI负责‘动手’。而‘动手’这件事，恰恰是过去十年AI浪潮没啃下来的硬骨头。

现在，硬骨头被摆上了多国的国家战略桌面。

十亿美元押注：韩国把物理AI写进了国家任务

国家级选手入场了，而且出手不轻。

据财联社9月16日报道，韩国‘庆南·全北AX（AI转型）研发项目’旗下的全北子项目当天在首尔举行启动报告会，标志着韩国物理AI战略的首个正式项目进入实施阶段。这个项目总盘子是2026至2030年投入1.41万亿韩元，约合10.1亿美元，妥妥的国家级核心工程。

更早的6月29日，韩国政府在总统李在明主持的‘大韩民国大跃进三大超级项目’国民报告会上公布了物理AI发展战略，目标写得非常具体：2028年实现面向10大重点产业的专用人形机器人商业化，三年内开发出世界级的自主物理AI基础模型。

韩国副总理兼科学技术信息通信部长官裴庆勋当时的表态更直白：未来三年是韩国引领物理AI的‘黄金时间’，政府将把物理AI列为国家战略产业。他在社交平台X上还补了一句：韩国现在承担不起放缓AI发展的代价，将‘走得更快，也走得更稳’。

这话背后是明确的产业焦虑。在软件和大模型层面，韩国已经错过了定义权的窗口；但在制造业物理AI上，韩国手里握着全球顶级的工业底盘——半导体、汽车、精密制造。这是它不想再错过的一班车。

项目结构也很有意思。韩国没有把宝押在一个点上，而是让两个道‘双基地协同’，各领一个子项目：

韩国物理AI战略的推进节奏大致是：2025年6月公布国家战略，同年双子项目预算落地，9月全北子项目率先启动；2026至2030年持续投入1.41万亿韩元，最终锚定2028年十大产业人形机器人商业化的节点。

两个子项目的分工，其实对应着物理AI的两层核心难题。庆南做的是LAM——能直接执行实际动作的AI模型，思路是把热力学、流体力学等制造过程中的物理规律嵌入模型，再结合工厂的工序、设备和传感器数据，让AI既能精准预测和控制生产，又能与工人安全协作。

全北做的则是异构机器人协作软件平台，让不同类型的机器人能够协同判断、分工作业。这一手相当务实——现实工厂里从来不是只有一种机器人，AGV、机械臂、人形机器人混编作业才是常态。

更值得注意的是基础设施布局。全北将在完州郡伊西面建设联合研发中心、NPU技术验证站及实证工厂，在韩国首次打造集研发、现场验证与商业化于一体的物理AI实证园区。这里面的NPU（神经网络处理器）是关键角色：它能在工业现场本地完成AI推理，快速处理传感器信息，支撑机器人与产线设备的实时控制——不依赖云端，延迟和数据安全两个问题一起解决。

按韩国科学技术信息通信部的规划，两个子项目最终要连接成统一的物理AI平台，推动此前依赖国外方案的韩国制造业技术国产化，并整合AI模型、软件、硬件与机器人控制技术，打造智能化K-AI工厂一揽子方案。

一句话总结：韩国要做的不是一台机器人，而是一套可以卖给全球工厂的‘物理AI交钥匙工程’。

小鹏IRON下线：量产才是真门槛

国家的牌桌搭好了，企业的牌局也换了打法。

9月8日，一台IRON完成自动化总装，从产线上走了下来。如果只看机器人本身，这似乎又是一段科技公司的常规视频——毕竟这个时代每天都被各种机器人Demo刷屏：有人形机器人打拳击，有灵巧手叠衣服，有机器人在舞台上完成复杂动作。

但这次真正值得盯住的，是机器人身后那条刚启用的自动化产线。这台机器人不是工程师手工拼装的，而是像汽车一样经过一整条工业化流程自动化总装下线。业内流传一句话：造出第一台机器人靠的是天才，造出第一千台、一万台且每台都足够可靠一致，靠的是工业体系。

小鹏在这条路上走得比外界想象的早。早在2020年，小鹏就已切入机器人赛道，比市面上大多数明星机器人公司都早。选择在2025年这个时间点启用产线，更像是其物理AI战略的一次集中呈现：从智能汽车到Robotaxi、人形机器人、飞行汽车，小鹏在推动AI能力从汽车场景向更多物理空间延伸。

这背后有一套清晰的产业逻辑。机器人和汽车在硬件形态、运动方式、应用场景上差异很大，但在AI层面要解决的问题高度相似——如何让AI理解真实环境，并在复杂物理空间中完成任务。汽车业务中形成的模型能力、数据体系和AI基础设施，可以进一步向机器人延伸；新本体进入真实场景后产生新数据，又反哺模型迭代。一个物理AI底座，跨越多种本体——这套思路和韩国‘统一物理AI平台’的国家级设计，几乎是同构的。

战略层面的准备也已经就位。2025年6月，何小鹏在全员信中宣布，除了继续担任小鹏集团CEO，还将亲自兼任机器人业务的‘CEO’——这基本等于把机器人业务提到最高战略优先级。紧接着8月，小鹏机器人业务完成首轮融资，金额超9亿美元，投后估值超63亿美元。再然后，就是产线投产。

融资、估值、量产接连落地，节奏明显在加速。更关键的是行业主线的切换：过去几年人形机器人热度很高，但更多停留在Demo展示，真正落地的场景不多。随着本体、芯片、模型、数据采集技术的发展，行业已从技术研发阶段切换到量产与商业化阶段。接下来比拼的是产线、供应链、良率、成本、数据闭环和交付能力。

这也是为什么小鹏给出的答案不是随便一种人形机器人，而是难度最高的那种：极致拟人、AI驱动、具备最高标准安全品质的通用高阶人形机器人。何小鹏对此说得很直白：‘我们最想做的，就是最难走的那条路——极致拟人、AI驱动的通用高阶人形机器人。因为难走的路，才不会拥挤。’

而行业里公认的另一个事实是：特斯拉、Figure们仍在攻克量产难题。当对手还在爬坡时，一条跑通的自动化产线，本身就是竞争壁垒。

撤掉围栏：Agility把安全做成了产品力

量产解决‘造得多’，还有一个问题决定‘用得上’：机器人敢不敢和人一起干活。

Agility Robotics给出了一个看似低调、实则关键的更新：其新一代人形机器人将停止工作、蹲下以避免伤害人类同事——机器人可以开始在物理围栏之外、没有安全屏障的环境中工作了。

别小看‘停一下、蹲一下’这两个动作。工业机器人安全的传统前提是物理隔离：机器人待在笼子里，人待在笼子外。这条铁律统治了工业机器人行业几十年，也把机器人的应用空间死死锁住。谁能让人机共享同一工作空间，谁就把机器人的可用面积放大了一个数量级。

Agility的方案本质上是用感知+行为策略替代物理屏障：机器人实时识别附近的人类，预判风险，主动降速、停止甚至蹲低以缩小碰撞风险。这不是炫技，这是把‘安全’从合规成本变成了产品力。

有趣的是，这件事正在形成跨国共识。韩国庆南子项目的目标里明确写着‘与工人安全协作的AI模型’；小鹏强调的是‘最高标准安全品质’；Agility干脆直接拆掉围栏。安全，正在从人形机器人的加分项变成入场券。

把三张牌放在一张桌上

把9月这三件事并排放，产业地图就清晰了：

三个玩家，三种身份——政府在做基础设施和标准，整机厂在做量产和交付，先行者在做安全范式。但三条路径最后汇到同一个点上：物理AI要从实验室走向车间、仓库和产线，缺一环都不行。

一位长期跟踪机器人板块的投资圈朋友的观察颇能代表当下情绪：这个赛道的估值逻辑正在从‘故事定价’转向‘订单定价’。Demo看腻了，资本和市场现在只想问三个问题——良率多少、交付几台、事故率多少。

一点独立观察：中韩美为何走出了三条路

把镜头拉远一点会发现，9月这三件事并非巧合堆叠，而是三种产业禀赋的必然投射。中、韩、美在物理AI上的路径差异，比任何发布会通稿都更能说明这个行业接下来怎么走。

美国的路径是‘技术定义权优先’。从特斯拉、Figure到Agility，美国玩家普遍从前沿能力和品牌叙事切入：先把模型能力、演示效果、融资故事做到全球关注，再回头补量产和安全合规的课。这套打法的优势是牢牢占据技术制高点和人才聚集效应，短板则是制造根基相对薄弱——供应链、零部件和产线经验恰恰是美国制造业过去三十年外流留下的空洞。所以Agility先拆围栏、Figure还在爬坡，本质上是同一枚硬币的两面：软件强、制造弱，只能先抢定义权，再等产能追上来。

韩国的路径是‘制造底盘+国家资本’。韩国的焦虑与优势是同一件事：它有全球顶级的半导体、汽车、精密制造工业体系，却在大模型时代缺少自己的定义权。于是它选择用国家力量直接下场——十年期预算、双基地分工、实证园区、边缘算力验证站，一步到位补齐从研发到商业化的完整链条。这更像当年韩国押注半导体和造船的国家工程复刻：不追求最先做出Demo，而是追求把别人的Demo变成自己产线上的良品，再把产线经验打包成可出口的方案。K-AI工厂一揽子计划，目标客户根本不是韩国工厂，而是全球工厂。

中国的路径是‘整车厂范式+场景纵深’。小鹏的打法暴露了中国玩家的独特禀赋：全球最完整的供应链、最大的制造业应用场景池，以及一批从智能汽车血海里卷出来的整机厂。汽车行业教给小鹏的不是怎么造一台机器人，而是怎么管理一条百万量级的产线、怎么把成本压到商业化可行的区间、怎么建数据闭环。所以中国路径的特征是量产先行、场景密集试错、成本快速下探——短板则是底层原创模型和高端零部件（如灵巧手的精密传动件）仍依赖追赶。

三条路径其实互为镜像：美国擅长从0到1，韩国擅长从1到N的工程化输出，中国擅长从N到N²的规模复制。这也解释了为什么同一周会出现三件看似无关的事——它们不是同一场竞赛的三个选手，而是三条赛道的三个起点。真正值得关注的交叉点在于：谁先把自己路径的短板补上。美国若补齐量产，叙事优势会兑现成订单；韩国若按期交付实证园区，制造底盘会变成标准话语权；中国若在量产规模之上长出自研底座，成本优势将升级为生态优势。2028年前后，这三条曲线大概率会正面相撞。

别高兴太早：三道坎还摆在眼前

拐点是真的，但离终点还远，至少有三道坎。

第一道坎是技术验证周期。韩国的10.1亿美元要花到2030年，2028年的人形机器人商业化目标距今也不过两年多。把热力学、流体力学嵌进AI模型，听起来性感，做起来意味着每一个细分工序都可能是一次独立的攻坚。国家级项目最大的风险从来不是缺钱，是时间。

第二道坎是成本与良率。小鹏的产线跑通了‘从0到1’的工业化流程，但机器人行业真正的残酷在‘从1到10000’——供应链成熟度、零部件一致性、售后体系，每一项都是慢功夫。特斯拉和Figure还卡在量产这一关，恰恰说明这关不好过。

第三道坎是安全标准与责任界定。Agility撤掉围栏，技术上领先，但‘机器人伤人’的责任如何界定、行业标准如何跟进，各国监管都还在追赶。韩国把物理AI列为国家战略产业的好处之一，就是政府可以亲自下场推标准和实证园区——这反而是国家级玩家相对创业公司的结构性优势。

还有一个容易被忽略的细节：全北项目配套建设NPU技术验证站，意味着韩国把边缘算力也纳入了物理AI版图。未来机器人之间的差距，会越来越像‘本地推理算力+数据闭环’的差距，而不是电机和关节的差距。

写在最后

回看9月这一周：一个国家砸下10亿美元，一家中国车企孵化的机器人公司让产品从自动化产线下线，一家美国先行者拆掉了机器人身边的围栏。

三件事，一个共同答案：物理AI不再是发布会上的关键词，而是国家预算表上的科目、工厂里的产线、车间里的安全规程。如果说过去十年的AI竞赛比的是谁的模型更聪明，那么接下来五年的竞赛，比的是谁的模型更能干活、更敢和人并肩干活——而‘能干活’这三个字背后，站着的是产线良率、交付数字和无事故记录这些一点也不浪漫的指标。

2025到2028年，会是物理AI从‘上桌’到‘坐庄’的关键窗口。韩国押的是三年‘黄金时间’，小鹏押的是量产加速度，Agility押的是安全即壁垒。三条路径殊途同归，牌已经打出来了，接下来该看的，是真金白银的订单、良率和交付数字。

毕竟在这个行业，Demo只能骗投资人一季，产线才能说服客户一年。