当下，物理 AI 正加速从数字世界走进现实场景。在上海酒店、便利店、制造业产线中，人形机器人已经承接送洗衣物、制作咖啡、装配质检等工作。随着 AI 能力延伸至物理空间，产业界开始聚焦核心命题：机器人能否稳定作业、跨场景适配、持续创造收益，这些问题正在重新定义物理 AI 的产业拐点。
业内判断，物理 AI 的 “ChatGPT 时刻” 最快有望在 2027 年到来。目前行业最大瓶颈在于 AI 模型输出与机器人在真实物理世界的执行存在偏差，顶尖模型距离落地只差 “几个毫米” 的对齐精度。触觉感知成为重要突破方向，近期开源的触觉基础模型，可统一不同传感器信号，有效提升真机任务成功率；泛化能力同样被视作关键，机器人需要复用已有经验、自主修正动作，才能低成本适配新任务。
我国人形机器人产业正进入规模化验证阶段。工信部数据显示，今年上半年国内人形机器人整机产品突破 400 款、产量超 4 万台，预计全年产量突破 10 万台，已在 300 多个场景开展落地测试。相关专项行动提出，力争年底实现重点产品常态部署、凝练百个高价值场景，形成万台级落地能力。海量训练数据是机器人学会作业的基础，行业数据需求快速增长，但真实场景下的触觉、双目视频等高质量数据仍然紧缺，能否把现场失败经验反哺模型训练，决定产业能否释放规模效益。
产业共识逐步转向 “万台上岗” 而非单纯 “万台下线”。业内人士指出，机器人出货不等于有效上岗，整机采购价仅占全生命周期成本的四成至六成，调试、运维等支出制约投资回报。调研显示，多数企业认为售价 10 万元以下的人形机器人才具备经济可行性，市场更加看重投资回报周期。对采购方而言，真正的拐点标志，是机器人适配新任务更快、运行更稳定、综合使用成本持续下降，把技术能力转化为可稳定复用的生产力。