AI走出聊天框，谁给它造身体？

导语： 过去一年，Agent 们的工作对象是文件、网页和 PPT，干得再好，也隔着一层屏幕。9 月，腾讯一口气发布九款联名硬件，百度把 百度搭子塞进四款小度设备，大洋彼岸 Google 和 Amazon 也在做同样的事。与此同时，宇树科技上市当天市值冲到 3400 亿，大疆系创业者成了资本最抢手的人。三条线索指向同一件事：AI 的战场，正在从聊天框挪到物理世界。但造一个能干活的「身体」，比做一个会聊天的模型难得多。

📱 屏幕里的 AI，卡在了哪一步

金句：文件世界有标准答案，现实世界只有开放题。

先看一个场景。你让 WorkBuddy 帮你整理一周的工作记录，它做得不错——搜索资料、分析数据、调用浏览器，最后交出一份可用的文档。但它不知道会议室里刚才讨论了什么，不知道你孩子有没有开始写作业，更没法确认给老人的用药提醒是不是真的被听见了。

这就是当下 Agent 的集体困境：它在数字世界里无所不能，在物理世界里全然失聪。

软件世界对 Agent 是友好的。网页有链接和按钮，文件有明确格式，应用提供接口，任务做错了还能撤回重来。可现实世界不一样。「帮我看着孩子写作业」这一句话里，藏着坐姿、专注度、休息时间、作业进度四件事；「照看一下老人」背后，是活动情况、用药提醒和突发风险。传统智能设备只能等一句准确指令——听见「打开空调」，做完动作，任务结束。

于是 9 月成了一个分水岭：

• 9 月 2 日，腾讯在 WorkBuddy 生态发布会上展示了九款联名智能硬件——智能眼镜、录音卡、麦克风、耳机、桌面陪伴设备，硬件负责采集声音图像，WorkBuddy 负责理解、规划和执行；
• 9 月 8 日，2026 小度新品发布会上，百度搭子全面落地 小度添添闺蜜机 Ultra、小度智能屏 X9 Ultra、小度智能摄像机 C1500 和 小度智能音箱 Pro Max；
• 海外同步推进：Google 把 Gemini for Home 装进音箱、摄像机、门铃，Amazon 用 Alexa+ 连接智能家居与多种终端。

主要玩家的 Agent 硬件化布局，摆在一张桌上看更清楚：

产业逻辑不难读：当 Agent 获得摄像头、麦克风、传感器和设备控制权之后，它才第一次拥有「持续感知现实」的入口。硬件不再是 AI 的配件，而是 AI 的感官。谁掌握了感官入口，谁就在下一代交互里占住了位置。

但这里有个被大量讨论掩盖的问题：有了摄像头和麦克风，不等于身体会干活。感知只是第一步——现实任务的执行，靠的是另一套完全不同的工程能力。

🦾 大疆系：驯服不确定性的手艺人

金句：无人机是会飞的飞机，更是会摔的机器。

据《窄播AI》统计，2025 年以来获得投资的 30 家大疆系企业中，接近六成进入了机器人或具身智能赛道，其余分布在户外智能装备、消费电子、能源系统和个人制造等领域。

为什么是这群人？答案藏在大疆的基因里。无人机天然是一个动态不稳定系统——感知、飞控、电机、结构、能源、通信和软件必须实时协同，还要同时满足重量、续航、成本、安全和量产要求。任何一环失守，产品不是「体验下降」，而是直接摔在地上。

从这套体系里走出来的工程师，带走的不是某个技术模块，而是一整套方法论：把复杂、动态、不稳定的物理系统，收敛为可靠、可量产、可交付的产品。业内私下把这套东西叫「工业实干主义」。在 拓竹、正浩 这些更早一批大疆系公司用真金白银的收入完成背书之后，资本开始系统性地寻找掌握这套方法的创业者。

这批企业的成色也分两个阶段：一批已经证明用户愿意付费——胶囊洗碗机、自动簇绒枪这些边界清晰的具体品类，都跑出了规模化收入；另一批则还停在「资本为团队和技术下注」的阶段，产品未发、销售数据空白，但估值已经起飞。

产业判断是：大模型解决了「大脑」的爆发式进步，但具身智能的瓶颈恰恰在「身体」——机器如何在物理世界里稳定、可靠、便宜地把一件事做完。这正是大疆系手里最稀缺的牌。大模型厂商们想给 AI 造身体时，发现会造身体的人，大多姓「大疆系」。

💰 资本抢跑，王兴兴为什么不笑

金句：发行市盈率 219 倍，买的不是现在，是十年后。

2026 年 A 股最戏剧性的一幕，出现在 宇树科技 上市那天。现场视频里，创始人 王兴兴 从头到尾没怎么笑。有网友调侃是辅导机构叮嘱过要做表情管理，但这话只说对了一半。

先看该笑的理由有多硬：上市当天市值冲到 3400 亿，发行市盈率 219 倍——一家五百多人的公司，被市场抬到了和汽车巨头掰手腕的位置。换个人站在那里，嘴角大概率压不住。

再看没笑的理由：据材料披露，王兴兴上市当天的公开讲话，一个字没提股价和市值，全程在讲技术路线，讲十年后的东西。他做的东西，时间单位是十年——泛化能力快则两三年，慢则五到十年。而他的股票，三年后才能卖；反倒是这次配售的机构资金——公募、私募、理财、券商自营盘，上市当天就可以卖出。

这就是那张「没笑的脸」的真相：两种时间尺度在同一个人身上打架。资本市场按季度交报表、按天看股价，耐心撑死按年计；而具身智能的成熟，是按五年、十年计的工程长跑。王兴兴不是不高兴，他是在刻意把大家的注意力从股价拉回实验室。

与此同时，一级市场的抢跑更激进。进入 2026 年，资本越来越倾向于在产品量产之前，就给部分大疆系团队极高定价：它石智航累计融资超过 6.97 亿美元，求之科技累计融资超过 2 亿美元，妙动科技在创业早期就拿到巨额投资。

把二级市场的 3400 亿和一级市场的量产前定价放在一起，你会看到资本市场正在做同一件事：提前为「AI 的身体」定价。大模型 catalyze 之下，AI 加速走出数字世界，具身智能与各类 AI 原生终端迎来爆发式的硬件重构潮，资本笃定地投资那种源自大疆的实干主义。

⚠️ 三个被热度盖住的问题

金句：给 AI 造身体，难的不是造出来，是造出来还能量产、还能干活、还能等。

热闹归热闹，落地层面有三道坎必须点破。

第一道坎：感知入口拿到了，执行闭环还没合上。 素材里的小度方案是把 Agent 的理解、规划、工具调用能力做家庭化适配，腾讯的九款硬件负责采集声音图像——这些本质上都在解决「看」和「听」。但「看着孩子写作业」需要的是环境理解加风险判断，缺了执行与反馈的闭环，硬件只能叫「传感器的堆料」。

真正的护城河在最后那个「执行反馈」节点——它是大疆系方法论的主场，也是纯软件出身的 AI 公司最短的那块板。

第二道坎：估值的钟摆。 219 倍发行市盈率、量产前的亿美元级融资，这些数字隐含的前提是「泛化能力在两三年内兑现」。而王兴兴自己给出的区间是「快则两三年，慢则五到十年」。如果按悲观情形走完五年，今天的一级市场定价需要一轮残酷的重新校准。据多位接近机构的人士透露，不少基金内部已经在讨论「具身智能的退出路径到底是什么」——这个问题在 2024 年没人问。

第三道坎：入口之战刚刚开打，规则还没定。 腾讯用生态联名的轻模式，百度用自有硬件的重模式，Google、Amazon 用家庭场景的粘性模式——四条路线的共性是都想成为「物理世界的默认入口」。参照智能手机时代的经验，入口之争往往以生态整合收场，硬件本身很难是终点。对创业公司而言，这既是机会（巨头需要大疆系的手艺），也是风险（被收编可能是多数人的归宿）。

把三道坎连起来看，结论其实清晰：AI 实体化这件事，方向几乎无争议，节奏分歧巨大。方向由大模型决定，节奏由硬件工程决定，而硬件工程，恰恰是资本市场最不擅长定价的东西。

小结

从 腾讯 的九款硬件，到大疆系六成公司扎进具身智能，再到 宇树科技 的 3400 亿市值，2026 年的产业叙事可以浓缩成一句话：AI 走出了聊天框，正在寻找身体。大脑的进步肉眼可见，身体的成熟需要十年尺度的工程积累——这正是王兴兴在敲钟现场不笑的原因。下一阶段的胜负手，不在谁的模型参数更大，而在谁能把「驯服不确定性」的手艺规模化。对身体供给方的争夺，才刚刚开始。