Physical Token经济学：下一项能力更便宜，机器人才能真正规模化

8 月 19 日，WRC 2026 期间，由跨维智能主办的「物理 AI 引领者论坛」在北京举行。

跨维智能创始人兼 CEO、香港中文大学（深圳）教授贾奎，智象未来创始人兼 CEO、加拿大工程院外籍院士梅涛，大晓机器人董事长、商汤科技联合创始人王晓刚，清华大学计算机系副研究员苏航，香港中文大学（深圳）— 深圳河套学院双聘助理教授刘桂良，以及来自地瓜机器人、临界点、智在无界等公司的算法和技术负责人齐聚现场。

从生成式世界模型、具身数据和基础模型，到跨本体学习、仿真训练和真实场景部署，论坛将物理 AI 领域的多条技术路线放在了同一个议程中。路线虽然不同，指向的问题却高度一致：物理 AI 如何从「理解世界」走向「完成任务」，又如何从少数成功的 Demo 走向可持续的规模化落地。

论坛现场，贾奎发表《Physical Token 经济学》主题演讲，从一笔「能力成本账」 切入，系统阐释了 Physical Token 概念，以及如何衡量可靠物理智能的生产成本。

6 月底，跨维智能宣布完成 10 亿元 B 轮融资，投后估值超过百亿元，加速物理 AI 赛道头部竞争。站在新的产业节点上，跨维和整个具身智能行业都需要面对一个问题：通往通用物理智能的路径，能否在经济上持续成立？

迈向通用物理智能，绕不开规模经济

通用物理智能的理想状态，是机器人进入陌生场景、面对新的物体和任务时，能够复用已有知识，只需少量适配，甚至不经额外训练就能完成任务。行业所说的 Generalist 和 Zero-shot，指向的都是这一方向。

难点不在于描绘终局，而在于如何走到那里。

与互联网上现成的文本、图片和视频不同，机器人需要的动作、接触、受力和失败经验，大多要在真实世界中通过交互获得。每一次采集和试错，都意味着设备、算力和工程人力的投入。

这让具身智能面临一个现实矛盾：没有足够丰富的物理经验，模型很难走向通用；但如果每进入一个新场景，都要重新采数、示教、训练和调试，机器人又很难实现规模化落地。

如果每学会一项新技能，都要投入近似相同的成本，那么机器人会做的事情再多，也只是项目数量的增加。要摆脱项目复制，已有的数据、模型和部署经验必须能够持续复用：一项任务产生的数据服务更多任务，部署中遇到的失败和长尾状态回流模型，模型增强后，下一个场景所需的数据、训练和人工随之减少。

这正是具身智能需要的规模经济 ——能力边界不断扩大，获得下一项能力的成本不断下降。

从这个角度看，规模化不只是通用物理智能成熟后的结果，也可能是走向通用的必要路径。机器人先进入真实场景，在持续部署中积累经验、增强模型，再用更强的模型降低下一次部署的成本。

问题也随之从「机器人还能学会什么」，转向「让机器人学会下一项能力，还要投入多少人力、数据和算力」。

Physical Token 经济学试图衡量的，正是这笔账。

从「模型能做多少」

到「下一项能力还要花多少钱」

Physical Token 不是简单的动作 Token，也不意味着机器人未来一定要按照 Token 收费。

按照跨维给出的定义，Physical Token 是「物理智能体能够生产的单位可靠物理智能」。这套概念试图把机器人的智能生产能力，转化为一个可以计量和核算的对象。

因此，Physical Token 经济学关注的不是一次动作如何计价，而是：

以通用物理智能为目标，生产单位可靠物理智能，需要多少人力、数据和算力？

机器人完成一次抓取，可能只需要几秒钟。但要让这几秒钟在真实场景中稳定、连续地发生，背后往往要经过数据采集、模型训练和工程调试。动作本身只是结果，真正决定成本的是动作发生之前的一整套能力生产过程。

按照跨维的划分，这些成本主要取决于三个方面：基础设施能否从重复的人力投入沉淀为长期工具资产；能否用尽可能少的昂贵真实数据，获得更多有效训练经验；数据和模型能否跨本体、跨场景、跨任务复用。

这些投入最终指向同一个指标：

Marginal Cost of New Capability—— 获取新能力的边际成本。

如果机器人从第 1 项能力扩展到第 50 项、第 100 项能力，每一项都需要投入近似相同的数据、算力和工程资源，那么能力数量虽然增加了，本质上仍然是项目交付。

只有当机器人新增一个技能、进入一个场景或适配一种本体时，所需的新增投入随着积累不断减少，Physical AI 才开始具备规模经济。

因此，衡量通用物理智能能否成立，不能只看单次 Demo 的成功率，更要看模型的能力边界能否持续扩张，同时让新增能力的成本曲线不断向下。

重新看机器人技术栈：

本质上是在降低能力生产成本

从获取新能力的边际成本出发，重新审视机器人技术栈，会发现数据、预训练、仿真、后训练和真实部署并不是彼此孤立的环节。它们共同解决的是一个问题：怎样让机器人获得下一项能力时，投入更少的数据、算力和人工。

跨维将这条路径概括为四个环节：人类经验（Experience）、合成杠杆（Leverage）、能力聚合（Condensation）和飞轮扩张（Expansion）。

Experience：

让一次学习成为可复用的能力资产

机器人行业并不缺数据，问题在于不同来源的数据很难直接复用。

本体、相机、坐标系、控制频率和动作空间的差异，将数据分割成一个个孤岛。如果一份数据只能用于一台机器人或一个任务，每增加一项新技能，就要重新支付一遍数据成本。

因此，统一数据表达和预训练的意义，不只是提高单个任务的模型指标，也在于让已经获得的数据继续服务新的任务和本体。

跨维的做法是，通过统一坐标系保留任务、物体和交互中的有效差异，消除坐标、格式和标定口径造成的无效差异。在此基础上，Dexterity-BEV 进一步完成空间、动作和时序对齐，使第一视角、遥操作、仿真和跨本体真机数据能够进入统一的训练体系。

这些数据再通过预训练沉淀为模型能力，让一次学习形成可训练、可迁移、可扩展的能力资产。

Leverage：

用少量真实数据撬动更多训练经验

现实世界中的试错成本很高。设备需要占用，人需要参与，失败还可能带来物料损耗和安全风险。如果每项新能力都依靠大量真机试错，机器人很难覆盖更多场景。

Real2Sim 和生成式仿真的作用，是将大量重复试错转移到可以并行运行、自动重置的虚拟环境中。少量真实数据在这里成为一个起点，用来生成更多低成本的训练经验。

据跨维介绍，自研的 DexVerse 具身智能引擎能够生成包含刚体、软体、力觉和触觉等物理特性的高保真仿真环境，覆盖柔性线缆、布料、液体、切割和铰链式物体等复杂任务。GS-World 生成式仿真引擎则进一步压缩环境搭建时间，原本需要数天完成的仿真任务环境，可以缩短至 10 余分钟生成。

这一步的核心，是用尽可能少的昂贵真实数据，撬动尽可能多的有效训练经验。

Condensation：

把通用能力转化为可靠技能

基础模型积累的是通用知识，但进入工业、商业和物流等具体场景后，机器人仍需要把这些知识转化为能够稳定执行的任务能力。

如果每进入一个新场景，都要重新训练模型，后训练仍然只是项目开发；只有建立在已有模型基座之上，利用仿真数据、后训练和强化学习快速完成任务适配，才有可能形成可复制的能力生产流程。

因此，能力聚合解决的不是「还要不要后训练」，而是如何用更少的任务专用数据、训练资源和现场工程，将通用能力高效转化为任务级可靠技能。

Expansion：

让每一次部署降低下一次能力的成本

机器人进入真实世界后，会遇到实验室和仿真环境中难以穷举的失败、边界状态、新物体和新任务。这些数据往往具有更高的信息密度。

如果部署数据留在单个项目中，经验留在工程师脑中，模型也停留在一个专家技能里，那么下一次进入新场景时，仍然需要从头开始。这样的商业化可以产生收入，却难以形成技术复利。

飞轮扩张的关键，是建立真实部署反馈闭环：将部署中获得的高价值数据持续回流模型，反哺预训练和后训练。模型能力增强后，下一次进入新场景所需的数据、训练和调试随之减少。

这样，一个项目就不再只是一次交付，也是下一轮能力生产的数据入口。

WRC 现场

三个 Demo 指向同一套能力生产逻辑

WRC 2026 现场，跨维展示了手机装机质检、商超自主扫码，以及冰淇淋与爆米花连续操作三类任务。

这些 Demo 分别来自工业制造、零售和商业服务。任务看似没有直接联系，但从 Physical Token 经济学的角度看，它们指向的是同一个问题：一套数据、模型和仿真体系，能否以较低的新增成本进入不同场景。

手机装机质检产线由两台机器人、闭环传送带、视觉和检测设备组成。机器人需要完成动态追踪、精细装盒与拆盒、检测上下料及连续协作。其新任务适配大量依靠仿真训练，将数据生产和训练过程前置到虚拟环境，减少在真实产线上的反复采集和调试。

商超自主扫码面对的是更加开放的商品分布。瓶装、袋装商品的姿态不断变化，条码位置也不固定。机器人需要识别商品状态，并自主调整抓取和扫码策略。多源异构数据和世界模型，则被用于提升其对商品状态、空间关系和下一步动作的判断。

冰淇淋与爆米花任务展示了状态驱动和异常处理能力。当工具位置变化、纸杯缺失或出料异常时，机器人需要根据新的环境状态调整行为，而不是重复固定轨迹。

当然，展会 Demo 不能直接等同于规模化验证。相比又增加了几个演示场景，更值得关注的是：从一个场景走向下一个场景时，真实数据、训练、试错和现场人工的新增投入是否真的减少。

这才是三个 Demo 最终要回答的问题。

Zero-shot 或许不是起点

而是规模经济运行的结果

谈到通用机器人，行业往往期待一次决定性的模型突破：某一天，一个足够强大的基础模型出现，机器人不再需要针对不同任务反复采数、训练和调试，直接进入 Zero-shot 阶段。

但从物理世界的数据约束来看，另一条路径或许更加现实。

最开始，一个新任务仍然需要大量真实数据和现场工程。随着经验能够跨任务复用、仿真放大真实数据的价值、后训练提高通用能力向可靠技能的转化效率，再加上真实部署形成反馈闭环，新任务所需的数据、训练、试错和人工成本将逐步下降。

机器人由此进入更多场景，获得更多真实世界经验；模型能力随之增强，新场景需要的额外适配进一步减少。

从这个意义上说，Zero-shot 未必是规模化的前提，也可能是规模经济持续运行后逐渐逼近的结果。当获取新能力的边际成本足够低，Zero-shot 才会从一个模型目标变成一种产业状态。

这也解释了为什么具身智能企业很难将商业化与模型研究割裂开来。

商业化不仅要产生收入，也要为模型提供真实世界中稀缺的任务、失败和长尾数据。如果部署经验无法回流模型，企业仍然是在重复项目交付；如果只追求最终的通用模型，却无法让机器人进入真实场景，模型也会失去重要的物理经验来源。

两者需要形成闭环：用当前已经具备的能力进入真实场景，在创造商业价值的同时积累数据和经验；模型变强后，再降低进入下一个场景的成本。

这也是「沿途下蛋」的另一层含义。商业规模化不只是通用能力成熟前的权宜之计，也可能是通往通用物理智能的学习路径。

因此，Physical Token 经济学讨论的并不是通用机器人实现以后如何定价，而是一个更基础的问题：

我们能否以经济上可持续的方式，一路走到通用？

如果答案成立，Physical AI 的终局或许不是突然出现一台无所不能的机器人，而是一套能够持续进入真实场景、吸收新的经验，并以越来越低的边际成本生产可靠新能力的智能系统。

下一项能力，比上一项更便宜。

这或许才是具身智能真正拥有规模经济的开始。

文章来自于"机器之心"，作者 "机器之心"。