“AI的下半场，一定是物理AI”
2026年柏林IFA展上，小米集团卢伟冰给出了一个被反复引用的判断：“AI的下半场一定是物理AI。” 这不是一句口号，而是伴随着实物展品和工厂数据一起抛出的。
小米CyberOne人形机器人首次海外展出，背后的信息更硬：它已经在小米汽车工厂"实习"大半年，在自攻螺母工站上的作业成功率达到98%。一个会拧螺丝的机器人，比一段写论文的演示更能说明问题——AI终于开始在物理世界里"干活"，而且干到了可被考核的良率水平。
数据来源：2026年柏林IFA，小米CyberOne工厂实习披露
为什么资本要"下凡"到物理世界
过去十年，AI的主战场是数字世界：语言、图像、代码、推荐。这些任务数据在互联网上天然存在，模型规模化即可。但物理世界的任务有本质不同：
- 数据昂贵：需要真机、真场景、真时间去采集；
- 闭环苛刻：动作错一次就是碰撞、损耗甚至安全事故；
- 反馈延迟：不像文本可以瞬间打分，物理操作要靠结果检验。
正因为难，一旦突破壁垒也更深。卢伟冰所说的"下半场"，本质是产业价值的转移——当语言模型的能力趋于饱和，下一个万亿级市场在"让AI走进现实、操作实体"。
具身世界模型：从"想"到"做"的桥梁
与硬件展出同步，算法侧也在突破。智象未来发布的HiDream-O1-Embodied具身世界模型，在RoboColiseum核心子榜单上以0.692分登顶。
世界模型之于具身智能，相当于给机器人装上了"想象力"：在真正动手之前，先在脑内预测"我这样做，物体会怎么动、环境会怎么变"。这种预演能力，正是把大模型的语言理解能力迁移到物理操作上的关键桥梁。0.692分这个分数的意义，不在于绝对高低，而在于它证明了通用视觉-动作世界模型已经可以在标准化具身评测中拉开身位。
产业转移的三条主线
把IFA的展品和榜单放在一起看，物理AI的产业转移沿着三条线展开：
- 硬件本体：人形机器人、灵巧手、伺服、传感器走向量产与降本；
- 大脑模型：具身世界模型把"看懂—预测—动作"打通；
- 场景落地：从工厂工位（拧螺母）到服务场景，寻找可量化ROI的第一落点。
小米把机器人先放进自家汽车工厂，是非常务实的打法——用可控、可重复、可考核的工业场景跑通可靠性，再谈服务与家庭。98%的自攻螺母成功率，就是这种务实路线的成绩单。
行业影响
guijiagi.com持续观察到，2026年下半年"具身智能"已从投资圈的热词变成产业链的真金白银。当头部硬件厂商、世界模型团队、工业场景三方在同一个时间点交卷，物理AI就不再是远景，而是正在发生的产业转移。
对从业者而言，真正的问题不是"AI会不会走进物理世界"，而是谁先在一个具体工位上把良率、成本、稼动率算成正的账。拧好每一颗螺母，比任何宏大叙事都更接近物理AI的未来。