明年，机器人就能进你家叠被子？

来源：光明日报

10月22日，宇树科技CEO王兴兴在2026世界物理AI大会上说：“随着GPT-6的发布，物理AI已经看到被击穿的苗头，很可能就在最近1到2年，或者2到3年。”

他还给出更具体的期许：希望今年年底或明年，宇树机器人就能进入普通家庭——你说一句“帮我整理一下房间”，它就能干。

消息一出，资本市场先动了——宇树科技10月23日涨停，一天市值增加超400亿元。

很多物理AI概念股也跟着大涨。

但问题来了：物理AI到底是什么？人形机器人明年真能进家帮你叠被子吗？就此，记者采访了相关专家。

物理AI不是“人形机器人”的同义词

北京邮电大学一位专家告诉记者，“物理AI”这个概念，最早出自2020年一篇学术论文，是指能够理解物理定律并与现实世界交互的智能实体系统。

2026年10月，中国信通院在《具身智能发展报告》中给出本土定义：把物理规律嵌入感知、推理、生成和行动全过程，让人工智能具备更强的真实性、可靠性与可部署性。

显然，关键词是“物理规律”。它不要求AI长着人形的手脚，重点是让AI跳出纯数字世界，去真实应对现实世界的问题。

英伟达CEO黄仁勋把物理AI列为AI演进的第四阶段。全球重点关注机器人和自动驾驶行业。

产业界的看法更宽：储能、汽车、高端工业、AI数据中心基础设施、各类数据采集——凡是需要与物理世界持续可靠交互的领域，都算物理AI。

举个例子，南京等城市的排水泵站，已经接入大模型调度系统。遍布管网的传感器实时回传雨量、水位、流量，AI结合水文规律动态推演，自动控制水泵启停、调节阀门开度。整个城市的排水管网，就是它的“物理躯体”。

还有高压变电站、散粮筒仓、露天矿山……这些场景没有“科幻感”，但恰恰是物理AI现阶段落地最扎实、最成熟的地方。

专家表示，物理AI不是概念，它已经落地应用了，只是这些工业生产场景不够“吸睛”，没能成为资本市场热捧的对象。

人形机器人，还卡在“大脑”上

回到热门的人形机器人领域，物理AI就是要让机器人同时具备“身体”和“大脑”的协同能力，这是最容易炒作的领域，也是资本投入最热门的行业——让机器人像人！

但众所周知，宇树科技和整个人形机器人行业长期被贴着一个标签——“小脑发达，大脑弱”。

也就是说，翻跟头、打武术、走钢丝——运动控制极强，但环境理解和任务决策，全靠人遥控或者提前写好程序脚本，换个场景，直接失灵。

王兴兴自己也承认：规划、导航解决得不错，最大的卡点是模型输入输出和真实物理世界的对齐。

这其实是全球具身智能行业的普遍难题。

北京一家物理AI的数据公司负责人告诉记者，人形机器人的“大脑”不够发达，主要是目前训练数据不够，可能10万小时的数据，也就够智能机器人训练一两个应用场景。

但现实世界的环境、温度、风向等数据一旦发生变化，人形机器人就又“傻”了，跟人的差距还是很大。

而且，国内硬件端还有一层麻烦——验证标准不统一。

当前，我国人形机器人的供应链，多来自汽车电子行业。汽车零部件是按“长周期单向耐久”验证，比如变速箱追求高刚性、单向持续运转。而机器人关节却是反复启停、频繁换向、交变载荷，失效模式完全不同。

目前行业普遍采取“联合定义”模式，和客户一起从需求、系统到芯片逐层拆解。技术底层相通，差异在成本敏感度、迭代节奏和可靠性等级的取舍。

机器人主要在“表演”，明年不太可能进家庭

现实很骨感，行业出货数据就能说明问题。

2026年上半年，全球人形机器人出货量突破2.2万台，同比增长近300%。

看着增长很快，但拆开看去向，27%流向教育科研机构，33.6%用于娱乐表演，真正落地工业场景做实际作业的仅12.8%。

成本呢？中国信通院的报告显示，单台人形机器人年度综合运维成本约50万元到70万元，远高于普通岗位人力成本。

所以，对于普通劳动者而言，目前没必要担心你的岗位会被人形机器人所取代。

人形机器人市场热度也在退潮。记者调研发现，2026年国庆节后，人形机器人表演日租金从2025年初的2万元跌至千元级；前两年几十万元购入的工程样机，二手残值仅剩数万元，价值缩水近七八成。

专家表示，当前全球人形机器人技术路线也不清晰。自动驾驶至少还有“纯视觉”和“多传感器融合”两条清晰路线之争，而物理AI时代的人形机器人路线分歧更分散。

宇树自己采取的是世界模型与VLA双路线并行、持续对标的策略。由于行业尚未形成统一成熟的技术范式，因此它离“人形机器人进家叠被子”还很远。

按照王兴兴给出的人形机器人“ChatGPT时刻”定义：一台机器人能靠自然语言指令，在80%的陌生环境中，独立完成80%的任务目标。

行业专家判断，这个节点快则2到3年，慢则5到10年。

当前的市场热度，多是资本对物理AI概念的炒作。物理AI在机器人领域的应用价值，终究要落到真实场景里反复检验。

总之，人形机器人作为物理AI中复杂度最高的方向之一，必须突破模型与物理世界的对齐难题——既要补齐硬件标准、可靠性、成本短板，又要面对海量的训练数据，还要面对家庭场景的安全与交互考验。正因为此，“机器人明年进家叠被子”不太可能，怎么也得再等5到10年，甚至更久。