机器人学新技能反复烧钱？跨维抛出物理智能新标尺

8月19日，世界机器人大会（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。

论坛以“物理AI进行时”为主题，汇聚具身智能领域的专家学者、企业创始人和一线技术负责人，围绕数据、模型、仿真、真实部署与商业化等关键环节，共同探讨通用物理智能的技术演进与产业路径。

论坛现场，跨维智能创始人兼CEO、香港中文大学（深圳）终身教授贾奎发表《Physical Token经济学》主题演讲。他从物理智能的产出与成本切入：当AI从数字空间进入物理世界，什么才算一单位可靠的智能产出？让机器人获得一项新能力，需要投入多少人力、数据和算力？随着系统持续学习和部署，这笔新增成本能否不断下降？

这组问题指向Physical AI规模化过程中一个基础而现实的命题：如果机器人每进入一个新场景、学习一项新技能或适配一种新本体，都要重新投入近似相同的资源，那么这仅仅是“复制项目”，并不形成规模经济。

组问题指向Physical AI规模化过程中一个基础而现实的命题：如果机器人每进入一个新场景、学习一项新技能或适配一种新本体，都要重新投入近似相同的资源，那么这仅仅是“复制项目”，并不形成规模经济。真正需要建立的，是一套能够持续生产可靠物理智能，并让下一项能力的获取成本逐步下降的系统。

从Token到Physical Token，重新计量物理智能

工业革命让机械劳动变得更便宜，电力革命推动能源走向标准化，大模型则让认知智能有了可度量的信息单位。电力行业有千瓦时，云计算有GPU-hour，大模型有Token；当AI进一步进入物理世界，智能的产出也需要一种更贴近真实任务的计量方式。

与文本生成不同，物理智能最终体现为智能体在真实环境中的感知、判断和行动：识别物体及其空间关系，理解任务要求，做出动作，并在复杂条件下可靠地完成操作。围绕这种智能产出，贾奎在演讲中给出定义：

Physical Token，是物理智能体能够生产的单位可靠物理智能。

Physical Token不是一条训练数据，也不是对机器人动作次数的简单计数。它关注的是，人力、数据和算力等投入，最终生产出了多少可靠的物理智能。当这种产出可以被计量，行业才能进一步核算一项能力的生产成本，比较不同技术路径的效率，并讨论如何持续优化这套生产体系。

因此，Physical Token经济学所要回答的核心问题是：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？

衡量规模化，关键要看“下一项能力”

算清一项能力的成本，只是第一步。

一次成功的Demo可以展示机器人已经具备某项能力，但Physical AI能否规模化，还要看系统从第一项能力走向第十项、第一百项能力时，是否仍需重复支付相近的数据采集、模型训练、工程调试和真实世界试错成本。

贾奎在演讲中提出了两个进一步的问题：让机器人学会下一项能力，需要新增多少成本？随着系统持续学习和部署，这个新增成本能否不断下降？

如果第一项Skill需要100份投入，到了第五十项、第一百项Skill，仍然分别需要100份投入，业务形态本质上仍是一次次项目交付。只有当已有的人类经验、模型能力和部署反馈开始成为下一项能力的基础，使新增投入从100份逐步下降到10份、5份，Physical AI才真正具备形成规模经济的条件。

这也是Physical Token经济学更关注的指标——Marginal Cost of New Capability，即获取新能力的边际成本。它衡量的不是单次训练或一次任务执行有多便宜，而是系统扩展到新Skill、新场景和新本体时，还需要增加多少资源。

在贾奎看来，通用物理智能能否成立，关键不只在于单次Demo的成功率，更在于模型的能力边界能否持续扩张，同时让新增能力的边际成本不断下降。

换句话说，Physical Token经济学希望实现的是：让下一份智能比上一份更便宜。

人类经验、合成杠杆、能力聚合与飞轮扩张

要让新能力的边际成本持续下降，首先要处理好数据和模型这两项关键成本。物理世界中的物体、环境、任务和机器人本体存在大量变化，动作之后物体如何变化、接触如何发生、失败为何出现等经验，往往需要通过真实交互或高质量仿真重新生产。

这笔成本主要体现在三个方面：数据基础设施决定采集、处理和管理过程是反复依赖人工，还是能够沉淀为长期工具资产；数据获取决定能否用尽可能少的昂贵真实数据，撬动更多有效训练经验；数据表征与模型学习效率，则决定不同本体、场景和任务的数据能否进入统一体系，并在后续能力中继续复用。

围绕这些问题，贾奎进一步将Physical Token经济学概括为四个相互衔接的核心环节，这是一套面向Physical AI规模化的能力生产范式：

人类经验 × 合成杠杆 × 能力聚合 × 飞轮扩张 = 新能力获取边际成本的持续下降

这四个环节分别是人类经验（EXPERIENCE）、合成杠杆（LEVERAGE）、能力聚合（CONDENSATION）和飞轮扩张（EXPANSION）。跨维现有的技术路线与产业实践，正沿着这套范式展开：统一数据表达与预训练沉淀人类经验，Real2Sim与生成式仿真形成合成杠杆，Post-training与强化学习完成能力聚合，真实部署反馈推动飞轮扩张。

人类经验（EXPERIENCE）：让一次学习沉淀为可跨任务、跨本体复用的能力资产。

现实中的具身数据可能来自第一视角视频、仿真环境、真机采集、公开数据集和部署回传，也可能包含RGB图像、深度图、语言指令、触觉或力反馈、关节状态以及末端执行器轨迹。跨维通过统一坐标系和统一物理表达，保留任务、物体与交互中的有效差异，尽可能消除由坐标、格式和标定口径造成的无效差异。

基于这一思路，跨维提出Dexterity-BEV，将空间、动作与时序对齐进一步落到策略训练流程，使来自不同本体、不同任务和不同采集方式的数据可以进入统一训练框架；Aligned DexWorld进一步将真人示教、真机遥操作、仿真等异构数据放入统一的时空与动作体系。一次学习由此不再只服务于一个项目，而有机会沉淀为可跨任务、跨本体复用的能力资产，为具身世界模型的预训练打开更大的数据空间。

合成杠杆（LEVERAGE）：用少量真实数据撬动海量、低成本数据。

真实数据不可替代，但并非所有训练经验都必须通过高成本真机试错获得。跨维通过国产自研仿真引擎DexVerse®与生成式仿真技术，将有限的真实经验扩展到更多物体、状态、视角和长尾条件中，并支持可形变线性、软体切割、布料、液体、铰链式物体等多种物理交互的高保真、可迁移仿真，扩增为大规模、低成本的有效训练数据。

其中，GS-World生成式仿真引擎将物理仿真、动作规划与渲染生成融入端到端模型。贾奎介绍，GS-World可在10余分钟内生成仿真任务环境，而业内以传统方式搭建同类环境通常需要2至3天。极高的环境生成效率，使模型能够以更低成本经历更多物体、状态与失败情况，为后续训练提供更丰富的物理经验。

能力聚合（CONDENSATION）：把通用能力高效转化为任务级可靠能力。

跨维结合Post-training（后训练）、强化学习等方法，在通才基模已有的空间理解、物体语义和操作先验上进行定向训练，形成面向工业、商业、物流、医疗等具体任务的垂域专家模型。

如果每进入一个新工厂，都要重新从头训练一遍，Post-training仍然只是项目开发；如果可以建立在已有基座之上，大量利用仿真数据和自动化训练流程快速完成任务适配，它才真正开始变成一条可复制的“能力生产线”。

能力聚合所衡量的，是能否以更少的新增数据、计算资源和工程调试，形成可以稳定部署的任务能力。在特定垂域任务中，跨维专家模型的成功率可提升至99.99%，操作精度达到亚毫米级。

飞轮扩张（EXPANSION）：每一次部署产生高价值经验，降低下一次能力获取成本。

真实部署带来的不只是项目结果。运行中出现的成功经验、失败案例和环境变化，都是实验室里难以提前穷举的高价值数据。这些数据回到训练体系，继续补充模型的能力边界，也为下一次进入新任务、新场景提供基础。

于是，一个项目不再只是一次交付。它同时是下一项能力的起点。

目前，跨维已在智能制造、商业零售与文旅服务等领域落地50多个应用场景，沉淀1500余个成熟具身模型。真实任务中产生的数据持续回流训练体系，已成为基础模型迭代和下一项能力开发的重要来源。

从统一数据到仿真扩增，从后训练到真实数据回流，这条链路并不是一次性的。部署越多，系统接触到的真实问题越丰富；这些经验再次进入模型，又会缩短下一项能力的开发和交付过程。

WRC 2026现场，三个场景背后的同一条能力生产链路

在WRC 2026现场，跨维展示了手机装机质检、商超自主扫码分拣，以及冰淇淋与爆米花连续操作三类任务，分别对应工业制造、零售和商业服务。从 Physical Token 经济学的角度，它们验证的是同一个问题：一套技术体系，能否以较低的新增成本进入越来越不同的真实场景。

手机装机质检产线由两台Dexforce W1 PRO人形机器人协同完成动态追踪、装拆盒及检测上下料。该任务主要采用仿真训练，将数据生成与训练前置至仿真环境，减少机器人在真实产线上的反复采集和调试。

商超自主扫码面对的则是开放的商品分布，瓶装、袋装商品姿态变化，条码位置各不相同，机器人需要理解当前商品状态并自主调整抓取与扫码策略。多源异构数据和世界模型，被用于提升机器人对商品状态、空间关系和下一步动作的判断。

商业服务场景则由另一台W1 PRO人形机器人“打两份工”，连续完成冰淇淋与爆米花出餐任务。该任务强调状态感知和异常处理，面对工具移位、纸杯缺失或出料异常，机器人需要根据现场状态调整后续动作，而不是机械重复固定轨迹。

三个场景的差异，意味着机器人面对的物体、流程和交互方式都在变化。跨维希望展示的，不只是几项彼此孤立的任务，而是数据与模型能力能否沿着统一技术链路迁移，并以更少的新增数据、训练和现场调试进入新的真实场景。

让可靠物理智能走向可持续规模化

Physical Token经济学关注的不只是机器人今天能够完成什么，更要看它学习下一项能力时，能否使用更少的数据、经历更少的试错，并以更短的周期完成交付。只有当新能力的边际成本持续下降，Physical AI才可能从项目交付走向规模经济。

跨维正根据模型能力的成熟度逐步拓展应用边界，在柔性分拣、柔性插拔装配、商业零售和文旅服务等场景中持续积累真实运行经验。这些部署既验证了现有能力，也为数据沉淀和模型迭代提供了新的经验，让每一次落地成为下一项能力的基础。

沿着这一方向，Physical AI的长期目标并不局限于某一种本体或任务，而是建立一套能够持续生产、验证和部署可靠物理智能的系统：本体可以更换，场景可以扩展，数据、模型与部署经验则能够持续复用。下一阶段，跨维将以具身大脑平台为核心，连接数据、模型、本体与场景，并把经过真实任务验证的能力开放给本体厂商、集成商、运营服务伙伴和行业客户，与产业伙伴共同推动物理智能规模化落地。

让下一份智能比上一份更便宜——这是Physical Token经济学衡量物理AI规模化进程的标准，也是跨维智能推动物理AI走向通用的长期方向。