试点之后，物理AI才算真正开考

机器人行业最热闹的画面，永远在Demo视频里：人形机器人拧螺丝、分拣包裹、冲一杯咖啡，动作丝滑得让投资人心动。但一位在汽车产线做过自动化改造的老工程师私下说得很直白：『Demo能跑通一次，和机器能连跑一万小时，是两个行业。』

这正是当下物理AI（Physical AI）赛道最需要泼的一盆冷水：真正的大考，不在试点开始前，而在试点结束之后。 资金、野心和漂亮的示范项目，都只是入场券，不是通行证。

🎬 Demo季的繁荣：故事讲到最贵的那一页

每一家做人形机器人、具身智能的公司，发布会节奏都出奇一致：先放视频，再融资，然后宣布与某工厂、某物流中心达成『试点合作』。

试点是个好词。它足够具体，能撑起估值叙事；又足够模糊，不必对交付结果负责。一套设备进厂拍两周视频、选最好学的工位、配最强的工程师驻场——这种『表演型试点』的成本，公司完全负担得起。

最典型的样本是Figure与宝马的合作。2024年1月，Figure宣布进入宝马斯帕坦堡工厂试点，随后释放了大量Figure 02在产线上搬运金属板材的 footage，估值一路推高至百亿美元级别。但翻遍双方公开信息，你能找到的是视频、合影和『合作深化』的公告，却找不到一条可用率数据、一台设备的采购单价、一个带违约责任的交付节点。同样的叙事结构也在优必选身上复现——Walker S先后『走进』蔚来、极氪、比亚迪的工厂，每一站都贡献了传播素材，但迄今为止没有任何一方公布过连续运行的稳定性数据。

但看多的人要问一个扎心的问题：这些试点里，有多少是为验证产品，有多少是为验证估值？ 据多位接近头部厂商的人士透露，一些所谓产线合作，其实质更接近联合宣传，而非真金白银的采购。

产业逻辑在这里出现了第一次分裂：投资人买的是『物理AI即将通用化』的故事，而工厂买单的逻辑只有一条——这玩意儿能不能在真实节拍、真实脏乱、真实换线的环境里，比人工或传统自动化更省钱。

Demo季的繁荣，本质上是两种逻辑还没正面相撞前的窗口期。窗口期不会永远开着。

⚠️ 试点陷阱：90分钟的演示撑不起一万小时的运行

从Demo到规模部署之间，隔着一道业内俗称『试点陷阱』的鸿沟。它的残酷之处在于：试点阶段暴露不了的问题，恰恰是规模化阶段最致命的问题。

Demo环境是精心设计的：光照恒定、物料码放整齐、任务路径唯一。真实产线则完全相反——托盘歪了、螺丝滑丝、料框换了供应商、隔壁工位临时改了流程。物理AI系统的能力边界，会在这些『不值一提』的细节上反复被击穿。

这带来三个试点阶段看不见的成本：

1. 边界场景的长尾。模型能覆盖80%的主流程，剩下20%的异常处理，往往需要大量人工兜底。兜底成本不上规模报表，只上工厂班组长的心头账。

2. 可靠性与可用率。工业客户衡量设备的核心指标是可用率，是停机后的响应时间，不是发布会上的举重深度。参考基准其实早就摆在那里：传统工业自动化领域，汽车焊装、总装车间的设备采购合同普遍要求可用率承诺在95%–98%以上，头部厂商如FANUC公开宣称其机器人MTBF（平均无故障时间）达到数十万小时量级。人形机器人要上产线，最低也得跟这条线比。

3. 运维体系。谁来修、备件在哪、软件怎么OTA升级、出事故谁担责——这些问题Demo季没人谈，规模化季每一件都是合同条款。

一句话总结：试点考的是能力上限，规模化考的是成本下限和稳定性下限。两个考试，用的根本不是同一张卷子。

🔧 从Demo到产线：被严重低估的『工程脏活』

如果说模型能力是物理AI的皇冠，那规模化落地就是皇冠底下那圈没人愿意看的衬布——集成、改造、培训、验收。

这张表的核心信息只有一个：规模化阶段的工作量，大头不在机器人身上，在机器人之外。

真实工厂不是为机器人建的，机器人生下来也不是为某条产线设计的。从MES系统对接、工装夹具改造、安全围栏重新评估，到产线工人的排班和心理接受度，每一项都是苦活。这类交付能力不性感、不融资、不进PPT，但它决定了物理AI公司到底是一家产品公司，还是一家永远驻场救火的项目公司。

据多位做过交付的人士观察，团队里最稀缺的往往不是算法天才，而是既懂机器人、又懂产线工艺、还懂客户验收标准的『三栖工程师』。这类人的培养周期以年计，比融资到账的速度慢得多。

📊 规模化的真账本：单位经济模型必须重算

所有试点都在回避同一个问题：规模化之后，这台机器到底赚不赚钱？

试点期的账是算不平的——也不需要算平。厂商用融资补贴价格，用驻场团队兜住稳定性，客户则用『战略合作』的名义支付尝鲜溢价。三方合谋，把一个尚未成立的单位经济模型演成了成立的。

但规模化是一次总清算。当客户要求复制部署到第二、第三个工厂时，所有隐藏成本都会现出原形：边界场景的人工兜底要不要写进SLA？换一次线型的改造费谁出？设备残值怎么估？

这个赛道上已经有人给出了一种更诚实的答卷。2024年6月，Agility Robotics与第三方物流巨头GXO签署了业内第一份公开的『商业级』部署协议，Agility的Digit机器人在GXO的Spanx服装工厂承担料箱搬运任务。这份合同的关键不在数量级，而在结构：它采用RaaS（机器人即服务）模式，合同期为多年、金额达数百万美元，客户按实际搬运量付费，设备可用率与吞吐量写进服务承诺——机器跑不满，厂商就收不到钱。换句话说，Agility把自己绑上了交付结果的战车，而不是靠首付款和宣传视频回血。

判断一家物理AI公司能否穿越试点期，业内一个粗但好用的标准是：看它敢不敢在合同里承诺可用率和回收期。 行业基准也很清楚——传统工业机器人的采购合同里，可用率95%以上、停机赔偿条款、验收后转保运营，是写了几十年的标准条款；任何一个人形机器人厂商如果连这三样都不敢签，说明它对自己的单位经济模型心里没底。敢承诺的，是真相信自己的产品；不敢承诺、只谈愿景的，大概率还在用下一轮融资给这一轮的交付兜底。

规模化不是把试点复制一百遍，而是把试点的隐形成本显性化一遍，然后证明自己扛得住。

🧭 谁能走出试点期

把逻辑串起来看，物理AI从试点到规模化的路径，其实是三级台阶：

• 第一级：单点试点——验证能力边界，服务融资叙事；
• 第二级：小批量复制——验证交付体系和单位经济模型；
• 第三级：规模化运营——验证运维网络和长期客户价值。

每一级淘汰一批公司，而且淘汰标准逐级变严：第一级看技术，第二级看工程和成本，第三级看组织和服务网络。这意味着，今天的领跑者未必是明天的赢家——Demo阶段的领先优势，在交付阶段会被摊薄到几乎为零。

对产业里的各方，判断信号也很清晰：厂商端，看它从『发视频』转向『晒可用率』的时点——是像Agility那样把计费模式改成按吞吐量付费，还是继续停留在宝马斯帕坦堡式的『素材合作』；客户端，看它是签战略合作还是签带违约条款和可用率SLA的采购合同；资本端，看尽调时是去看演示厅还是去蹲车间、翻工单。

物理AI故事的下一章，不再由发布会书写，而是由车间的电表、工单系统和月度停机时间书写。钱能买到入场试点的资格，但只有交付能力买得到走出试点的门票。