Physical Token经济学：下一项能力更便宜，机器人才能真正规模化

机器之心发布 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