每天稳定工作几小时、一万次错几次：2026深圳物理AI峰会，机器人开始接受KPI
"当行业开始认真回答这些问题时，Physical AI 才真正从舞台中央，走进现实世界。"
机器人会跑、会跳、会打拳。AI 眼镜可以翻译、导航、识别眼前的世界。玩具接上大模型以后，可以聊天，可以记住你，甚至开始有自己的"人格"。
如果只看过去半年各种发布会和展会，Physical AI 已经像是全面爆发了。
但 8 月 28 日，在深圳举行的 2026 · 深圳 · 物理 AI 峰会（Physical AI Summit Shenzhen 2026）上，大家聊得最多的却不是这些。
台上反复出现的是另一组词：留存、交付、供应链、回本周期、成功率、售后、渠道、正毛利。
这大概也是这个行业走到 2026 年下半年以后，一个很明显的变化。技术依然重要，但只会做 Demo 已经越来越难让人兴奋了。
一个 AI 硬件发布第一天很惊艳，30 天以后还有多少人在用？Kickstarter 上众筹了 100 万美元，半年以后货发出去了吗？机器人在实验室成功率 95%，进工厂以后能不能做到 99.9%？一台机器人卖 20 万，客户几年能把钱赚回来？
再往后，还有一个更现实的问题：公司自己什么时候赚钱？
这场由非凡产研主办、思想科技协办，河套发展署、香港科技园公司、河套模力福地 AI 产业社区作为战略伙伴支持的物理 AI 峰会，从上午的AI眼镜，AI戒指等AI可穿戴设备到AI玩具，机器人宠物等AI陪伴硬件，一直聊到下午的工业机器人，人形机器人等各形态的机器人本体，到灵巧手，电子皮肤，小脑的运动控制等具身智能供应链上下游。
一天听下来，一个信号越来越清楚：
"Physical AI 正在从'证明技术可行'，进入'证明生意成立'。"
AI 开始从屏幕里走出来了
活动开场，香港科技园公司人工智能与数据总监冼超舜博士先把 Physical AI 放进了一个更长的技术周期里。
过去几年，AI 的演进路径其实很清楚。大语言模型先解决"理解和生成"，Agent 开始进入 Workflow，下一步自然是进入物理世界。
当 AI 真正要控制机器人、操作物体、理解空间以后，过去依赖互联网文本训练出来的能力就不够用了。
这里面很关键的一层，是World Model 和真实世界数据。
机器人要学的已经不只是"一个杯子是什么"，还包括杯子有多重、怎么抓、抓歪了会怎样、碰到桌面以后应该怎么调整。数据也随之发生变化，文本、图片之外，动作、力觉、触觉、第一人称视频、机器人执行轨迹，开始成为新的训练资产。
冼超舜博士现场提到，Physical AI 真正需要同时解决两件事：Model 和 Data。
这也是为什么今天机器人行业突然开始疯狂谈数据采集。大模型时代，我们把互联网上的数据"吃"了一遍；Physical AI 时代，下一批数据可能要靠机器和人在真实世界里重新"生产"出来。
随后，非凡产研创始人吴畏从另一条路径解释了这个变化。
过去 AI 主要活在电脑里。Chatbot 回答问题，Copilot 帮你写东西，Agent 开始操作浏览器和软件。现在 AI 开始拥有身体。
他把目前最值得关注的三种 Physical AI 形态概括成See、Stay、Act：AI 眼镜获得人的第一视角，陪伴硬件获得长期关系和记忆，机器人则让 AI 真正拥有作用于现实世界的能力。
从这个角度看，Physical AI 的核心并不在于"硬件里面装了 AI"，而是一个设备能不能形成完整的感知、记忆、决策和行动。
AI 眼镜真正要抢的，可能不是手机
接下来，Rokid 全球开发者生态负责人赵维奇 Weiqi分享了一个很值得注意的判断：每一个计算时代，都有自己的终端。
PC 时代是电脑，移动互联网时代是手机，AI 时代大概率也会出现新的终端，但它未必是一台"下一代手机"。
过去很多 AI 硬件的问题，是把 AI 塞进原来的设备里：冰箱加一个聊天机器人，耳机加一个大模型，眼镜里再放几个 App。真正 AI Native 的设备，交互逻辑应该发生变化。
用户不再需要先想"我要打开哪个 App"，他只需要表达意图，系统再去调用模型、工具、Agent 和服务。
赵维奇把 AI 眼镜真正能不能成立，浓缩成了三个词：轻量化、多模态、全天候。
轻量化决定用户戴不戴，多模态决定 AI 能不能理解周围发生了什么，全天候决定它究竟是一件偶尔使用的电子产品，还是每天跟着你的终端。
这里面还有一个很容易被忽略的点：好的 AI 不只是回答正确，它还需要在正确的时间出现。
看到外语菜单，直接翻译；开会的时候自动进入记录状态；走到陌生路口出现犹豫，主动询问是否需要导航。当 AI 开始获得视觉、声音、位置和长期上下文以后，交互可能从"人找服务"，逐渐变成"服务找人"。
这可能才是眼镜真正和手机拉开差距的地方。手机短期不会消失，但运动、物流、跨语言交流、无障碍辅助这些"不方便掏手机"的场景，已经开始为新的终端腾位置。
第一关：为什么用户第三十天还在用？
上午第一场 Panel 直接把问题拉回现实。
Panel 1「产品成立：新奇不等于刚需，AI 硬件怎样从第一眼惊艳变成每天都用？」由霞光社市场负责人 Koali主持，嘉宾包括必爱智能创始人李晓涛、星穹方舟创始人段然、光屿智联创始人冯晨、中科知奇 COO Victor Shao。
几家公司的产品差异非常大，有脑机接口眼镜、AI 可穿戴设备、智能手写笔，也有无感健康监测。但讨论到最后，大家实际上都在回答同一个问题：AI 硬件怎么逃离"吃灰曲线"？
一个很明显的变化是，硬件参数越来越难成为长期壁垒。尤其在深圳，一个硬件方案只要验证了市场，很快就会出现类似产品。真正难复制的，是产品跟用户行为之间的关系。
所以越来越多团队开始反过来思考：不要先要求用户重新学习一套习惯，而是尽量把 AI 藏进原有行为里。笔还是那支笔，眼镜还是那副眼镜，健康设备甚至最好让用户忘记它的存在。设备只负责自然采集数据，后面的 AI 再完成分析、总结、预测和服务。
这其实跟过去很多软件产品的思路很不一样。以前总想让用户"打开 App"，现在越来越多硬件公司反而在思考怎么做到去 App 化和无感化。
另外一个共识是，监测本身不是价值终点。无论健康、学习还是工作，一个设备每天告诉你"你的数据是多少"，新鲜感很快就会过去。真正能够留下用户的，是它后面有没有形成闭环——发现问题以后，还能不能帮助解决问题。
"所以 AI 硬件真正的留存，最后可能只取决于一句话：它有没有持续替你省时间、解决问题，或者提供一种你舍不得失去的体验。"
第二关：众筹 100 万美元以后，才开始真正做硬件
上午第二场 Panel 很适合给今天想做 AI 硬件出海的创业者泼一点冷水。
Panel 2「世界货架：IFA 前夜，众筹爆款不是终点，如何把第一批海外用户变成世界货架？」由GreenSeed Global 合伙人 / 非凡产研深圳负责人康正中主持，嘉宾包括诺一创新创始人唐畅、派拓艺创始人李荣仲、幸氧科技创始人吴丹妮、Indiegogo 中国区负责人顾明君。
现在 AI 硬件出海已经形成了一条很常见的路径：先 Kickstarter、Indiegogo 众筹，再做独立站、Amazon，最后进线下零售。
所以行业特别容易盯着一个数字：众筹金额。100 万美元、300 万美元，甚至 1000 万美元。
但这场 Panel 里反复强调的一件事是：众筹只是 0 到 1。
真正判断一个新品类有没有成立，要看众筹结束以后。销量有没有继续增长？Amazon 有没有承接？社群还活不活跃？用户有没有持续讨论？更重要的是，货到底有没有交出去。
众筹用户是一群很特殊的人。他们愿意为创新提前付款，也愿意等待，所以容忍度很高；但同样因为是 Early Adopter，这群人的传播能力也极强。产品做好了，他们可能成为第一批品牌布道者；如果延期半年、货不对板、客服失联，他们也会成为传播负面信息最积极的人。
这就解释了一个很现实的现象：以前有个 Demo 就能做众筹，现在越来越难。
经历过几轮"PPT 众筹"以后，海外用户已经开始主动寻找工程机、第三方评测和真实测试视频。因此现在再做众筹，一个越来越重要的前提是：供应链最好已经真正跑过一遍。
这一点听起来很朴素，但几乎每一个第一次做硬件的创业公司都会低估它。硬件从工程机到试产，再从试产到量产，中间有大量完全无法写进商业计划书里的 dirty work：模具、良率、物料、电池、包装、物流、认证、售后。
这些东西最后决定的不是产品能不能发布，是公司还能不能活着把产品交完。
第三关：中国硬件卖出去以后，为什么用户还要选你？
上午最后一场Panel 3「全球品牌：从中国硬件到全球品牌，产品、渠道与品牌三道关怎么跨？」由非凡资本 VP 黄璟睿 Jerry主持，嘉宾包括跃然创新海外品牌负责人 Tim、PandaaX 创始人叶杰、赛博创力联合创始人 / CTO 刘岱轩。
讨论里有一句话非常适合解释今天中国硬件出海的现状：机会决定你能不能进去，能力决定你能不能留下来。
深圳最不缺的是产品。真正到了海外市场，问题突然变得特别琐碎：服务器放在哪里？隐私数据怎么处理？认证怎么做？当地客服谁来接？不同语言的模型识别效果怎么样？宗教、家庭结构和文化习惯，会不会直接改变产品场景？
一个在中国成立的需求，到了美国可能根本不存在；一个在北美跑不通的产品，也可能在中东突然出现很高的 ROI。
所以今天所谓"全球化"，越来越接近在全球不断重新寻找 PMF。企业不只是把中文翻译成英文，再找一个经销商把货发过去，是需要重新理解当地用户为什么买、怎么用、出了问题找谁，以及什么样的产品定义才真正成立。
当硬件参数、供应链甚至模型都越来越容易被追平，真正难复制的东西开始向另一侧转移：IP、社群、用户关系、渠道资产，以及一次次交付积累下来的品牌信任。
"这里有一个很好的总结：产品负责兑现承诺，渠道负责传递承诺，品牌，是持续兑现以后留下来的结果。"
上午聊完"用户买不买"，下午开始算"工厂为什么买"
下午一开场，非夕科技副总裁胡晓平带来《仿人化创新重塑机器人能力边界》。
工业机器人和上午的消费硬件，商业逻辑完全换了一套。消费者可能为新鲜感、设计、品牌和情绪价值买单，工厂不太一样，工厂最后会拿出 Excel。
它会问良率多少、节拍多少、换线要多久、一年节省几个人、机器坏一次损失多少、多久回本。
胡晓平分享了非夕一直在做的"自适应机器人"。传统工业机器人最擅长的是高度标准、重复、固定轨迹，但真正还大量依赖人的工作，很多恰恰发生在不够标准的地方：零件会偏，材料会软，位置会变化，人与机器接触时还涉及安全。
这也是力控、自适应和 AI 开始发挥价值的地方。
所以未来机器人"仿人"，最有价值的部分未必是长得像人，是它开始获得人的那种能力：碰到了以后知道怎么调整。
当这一层能力成熟以后，很多过去需要为一个工序专门设计一套非标设备的场景，才有可能慢慢被统一的机器人平台吃掉。
随后，思想科技商务总监 Daniel在《物理AI的商业化之路：Google全栈生态如何赋能硬件感知现实》中，又把硬件出海最容易忽略的一笔账摊开了。
AI 硬件卖出去以后，还有持续的 Token 成本。全部能力都依赖云端模型，用户每交互一次，公司可能就在付一次钱。用户越来越活跃，对一家毛利本来就不高的硬件公司来说，有时反而意味着成本越来越高。
一种现实方案就是端云协同：高频、简单、低延迟的能力放端侧，复杂推理再调用云端模型。这样既保证断网以后不至于"变砖"，也能控制长期模型成本。
AI 硬件真正开始规模化以后，商业模式必须把这些隐形成本算进去，否则卖得越多，可能亏得越快。
哪种机器人最先赚钱？先找那件"人特别不想干"的事
第四场 Panel 「场景分化：工业、服务、医疗，谁先拿到可复制订单？」由GreenSeed Global 合伙人 / 非凡产研深圳负责人康正中主持，嘉宾包括非夕科技副总裁胡晓平、灵巧智能政府关系及生态负责人张龙、前来牟科技合伙人兼 CMO 李矩凡、合创生物亚太区负责人窦浩桐。
这是下午最能解释"机器人怎么找场景"的一场讨论。
一个很有意思的结论是：最先商业化的机器人，通常没有那么通用。
割草机器人、泳池清洁机器人、工业上下料、实验室自动化、物流搬运，这些场景看起来远没有一个会做饭、叠衣服、陪你聊天的人形机器人性感，但它们往往有几项非常明确的共性：任务足够高频，人不太愿意做，人工成本清晰，环境能够被约束，同时技术已经能做到七八十分，ROI 也能算。
拿割草和泳池清洁来说，机器人替代的核心其实不是扫把、割草机或者清洁工具，是人的时间。
用户家里有扫地机器人以后，扫把并没有消失，用户只是不用每天自己扫。这才是机器人最现实的价值。
到了工业场景，又出现了另一个很重要的判断：不要为了通用而通用。
一只机械手理论上能做 1000 件事，可是在一个具体工位，它每天可能只需要做其中 10 件。如果为了剩下那 990 项低频能力，让价格贵 10 倍、稳定性下降一半，客户不会买单。
"现场把这件事概括得很好：有限空间里的有限智能。"
这可能也是今天很多具身智能 Demo 跟真实工业需求之间最大的认知差。研究者追求的是能力边界，工厂追求的是确定性。
当客户开始问"18个月能不能回本"，机器人行业才真正开始了
第五场 Panel 「从炫技到生产力：具身智能商业化的最后一公里」由非凡资本合伙人王朝超主持，嘉宾包括墨现科技 CMO 王鑫、桥介数物 COO 宋阳、纳诺机器人创始人马尧。
这场讨论已经很少聊机器人炫不炫了，开始直接算账：触觉数据采集设备怎么定价？每小时采集成本多少钱？一个机器人项目收几百万，能不能标准化？工业机器人到底多久回本？
这里有一个非常典型的数字。
在已经相对成熟的工业取放场景里，客户普遍会把18 个月左右当成投资回收期的一条线。如果 12 个月回本，采购会非常积极；18 个月还能接受；再往后，决策就越来越困难。
而且工业对成功率的要求远远高于普通人想象。一些 3C 场景可能已经要求 99.5% 以上，到了半导体，可能进一步要求到 99.99% 级别。
到了这个阶段，"会不会做"已经没什么意义了，客户真正问的是：一万次能错几次？
Panel 里另一个特别值得注意的讨论，是"项目制"。
今天大量具身智能公司收入来自项目，一个项目几百万，看起来收入不错，问题在于下一个客户又要重新做一次。这是一种很典型的"有收入、没规模"。
所以越来越多公司开始把能力从项目里抽出来，变成平台、API、操作系统或者 License，把原来需要一两个月交付的能力变成几分钟部署，把几百万项目费逐渐变成可重复销售的软件服务。
这一步能不能走通，很可能决定未来哪些具身智能公司最后是一家"机器人项目公司"，哪些能真正成为平台公司。
最后一关：公司自己什么时候有正毛利？
最后一场Panel 「商业模式：从展示到可交付，谁能跑出正毛利？」由钛媒体出海参考运营总监王璐主持，嘉宾包括星动纪元商业化负责人胡家义、虎鲸机器人总经理朱元远、一思机器人市场总监 Carina、万兴科技副总裁吴佳兵。
这场 Panel 的四家公司差异极大：通用具身智能、庭院机器人、AI 网球机器人和全球化软件公司。反而因此把一个问题讲得很透：机器人根本不存在一套统一的商业模式。
物流机器人看的，是效率、准确率、泛化和规模交付；庭院机器人看的，是用户愿不愿意花钱买回自己的时间；体育机器人看的，是机器能不能从"一次性硬件"变成长期训练服务；软件公司则从二十多年产品经验里，提供了一条最基础的判断标准——需求真不真实。
很多很酷的功能，用户试一次就走了。有些很小的需求，看起来毫无想象力，用户却每个月都愿意付钱。后者才是真生意。
这场讨论里，还有一个很重要的变化。
过去卖硬件，收入发生在设备交付那一刻。现在越来越多 Physical AI 产品开始尝试订阅、流量服务、远程视频、训练内容、AI Coach、耗材和软件增值服务。
硬件慢慢变成一个入口，用户未来几年持续产生的服务收入，才可能真正改变整个硬件生意的毛利结构。
但这一切都有一个前提：产品本身得先交付。
从众筹到供应链爬坡，再到不良率、物流、售后、海外认证和现场 Bug，一个 Demo 能跑起来，只代表技术路径被证明；几百、几千台设备能够稳定交到真实用户手里，才叫产品。
Physical AI 开始进入最不性感、也最重要的阶段
如果把一整天的讨论压缩下来，会发现 Physical AI 的行业重心正在一路向下。
2023 年，大家讨论模型有多聪明；2024 年，大家开始讨论 Agent 会不会干活；2025 年，机器人和 AI 硬件大量出现。到了 2026 年，问题开始变成：能不能做成产品、能不能交付、客户愿不愿意复购、能不能规模复制，以及最后能不能赚钱。
这恰恰是一个行业真正开始成熟的信号。
因为技术浪潮最热的时候，所有人都愿意聊未来。真正进入产业以后，每个人最后都得回来面对那些不那么性感、却直接决定生死的问题：良率、库存、客服、认证、回款、维修、毛利和现金流。
Physical AI 能不能从今天几千台、几万台的市场，真正走到未来几百万、几千万台，最后拼的大概率就是这些。
机器人会不会做后空翻，当然还会继续上热搜。但下一阶段真正值得看的，也许已经换成了另外几个数字：它每天能稳定工作多少小时，一万次任务失败多少次，客户多久回本，一年以后还续不续单，以及卖完这一台，公司到底赚了多少钱。
"当行业开始认真回答这些问题时，Physical AI 才真正从舞台中央，走进现实世界。"