量化派：构建物理AI通用技术底座，开启“卖能力”产业拐点
量化派探索物理世界生产力，引领物理AI新趋势
大语言模型探索了数字世界的生产力，而物理AI正在重新探索物理世界的生产力。量化派不卖机器人本体，也不卖单一解决方案，而是售卖让机器人理解物理世界的通用能力层——物理世界基础模型。这一模式已被Physical Intelligence（估值24亿美元）和Skild AI（估值140亿美元）在全球资本市场验证。作为港交所"智能物种第一股"，量化派正在中国市场构建同类型的技术护城河。
具身智能行业正在经历一场定位分化，有人卖机器人本体，有人卖整套解决方案，而量化派卖的是物理世界基础模型。从行业通用的估值参考维度来看，硬件公司的估值逻辑是销量乘毛利，解决方案公司的估值逻辑是项目数乘客单价，物理AI模型公司的估值逻辑是调用量乘使用时长。相比之下，后者在想象空间上更具潜力，因为它的天花板不在硬件产能，也不在项目交付能力，而是取决于模型本身的泛化能力。
赛道：物理AI——人工智能的终极战场
从数字世界到物理世界的跨越
当AI从数字世界走向物理世界，是一场从"知道"到“做到”的跨越。大语言模型让AI拥有了理解语言、推理逻辑的能力，但物理AI要求AI理解重力、摩擦力、材质形变、空间关系——这些是物理世界的底层规律，不是文本训练能覆盖的。谁能掌握让机器人快速适应新场景的能力，谁就拿到了规模化的入场券。
量化派主打的跨场景、跨本体开放基模，正是这条赛道里的核心破局路径：它不绑定特定品牌的机器人硬件，也不局限于某一个垂直场景，而是把通用物理能力开放给全行业，通过赋能上下游伙伴完成规模化落地，这也是物理AI领域对标数字世界Anthropic的核心逻辑——靠通用能力层，成为全行业的底层基础设施，行业赋能仅是基模落地的核心手段。
这套开放基模本身就完整包含了世界模型，而当下行业热议的WAM（世界动作模型），是基模体系里的一个核心功能模块。基模靠世界模型完成对物理规律的推演预判，靠WAM完成动作生成与执行闭环，二者共同支撑起机器人在真实世界的自主作业能力。
三重催化：政策、技术、资本
眼下，一场把机器人从展厅逼进真实场景的产业变革正在发生。2026年6月，工业和信息化部办公厅与国务院国资委办公厅联合发出《关于联合开展2026年度人形机器人与具身智能实景实训专项行动的通知》，明确北京、天津、上海、江苏、浙江等10个省市的工业和信息化主管部门，以及各有关中央企业共同参与专项行动，场景横跨工业、服务、特种三大领域。
政策给的八字要求是“最小干预、利旧复用”，机器人必须证明自己能在现有条件下干活。这个要求把行业从展厅彻底逼进了真实场景。每个省市应选取不少于20个重点场景，至少覆盖工业、服务、特种领域中的两类，央企应结合所处行业领域，选取重点场景不少于10个，11月30日前交付专项行动成效总结。这意味着接下来几个月，将有一批企业将拿着真实场景里的运行数据去换政策认可和下一轮订单。
技术层面，物理世界基础模型正在从概念走向可用。头部玩家的模型已经能够在真实环境中完成非结构化操作、开放环境适配、长链路自主作业。而在资本层面，全球顶级的投资机构正在用真金白银押注这条赛道，给出了对赛道价值的判断。
赛道分化：卖硬件、卖方案、卖能力
物理AI赛道有卖硬件、卖解决方案和卖能力三种商业模式。卖硬件是一次性交付，客户买走机器人，后续需自行维护和适配新场景，规模化的边际成本很难降下来。卖解决方案提供打包服务，按项目收费，能做深但很难做宽。
第三种是卖能力模式，逻辑是“一次训练，多场景复用”。物理世界基础模型提供的是让机器人理解物理世界、做出实时决策的通用能力。这个能力一旦跑通，可以像API一样被不同硬件平台调用，每增加一个场景，边际成本接近于零。它解决的是跨场景的快速迁移能力，能让机器人在陌生场景里开箱即用。符合政策“验证一个、部署一批、带动一片”的要求，更具规模化的能力。同时，RaaS（Robot as a Service）模式在这个逻辑里成立：按效用付费，不卖硬件卖能力，客户为机器人干活的结果买单，而不是为机器人本身买单。
全球资本已开始押注
物理世界基础模型的商业价值，已经被全球知名的投资机构验证。
Physical Intelligence：8个月估值翻6倍
2024年11月，Physical Intelligence以24亿美元估值完成4亿美元融资，投资方包括贝索斯、OpenAI、红杉资本和Khosla Ventures。这家公司不造机器人硬件，只做让机器人理解物理世界的通用AI模型。8个月时间，估值从4亿美元跳到24亿美元，翻了六倍。
Skild AI：年营收3000万，估值140亿
Skild AI的曲线更陡。这家由前Meta机器人实验室核心研究员联合创立的公司同样不碰硬件，只做机器人的通用大脑。2024年7月A轮估值15亿美元，不到一年B轮估值47亿美元，再到软银和英伟达以140亿美元估值领投C轮。此时公司年营收仅3000万美元。年营收3000万，估值140亿，资本市场看重的是其在机器人通用大脑领域的创新能力与被调用的广阔前景。
而量化派在物理AI领域的定位，类似Anthropic在大语言模型领域的位置——做物理世界的"模型即服务"（Model-as-a-Service）平台，让不同硬件平台调用同一个AI能力层。Physical Intelligence和Skild AI已经证明了这条路的估值天花板有多高，量化派要做的，是在中国市场建起同一类型的技术护城河。
量化派：构筑物理AI的通用技术底座
核心能力跃迁
量化派的商业定位很清晰：跨场景、跨本体的开放生活场景世界模型提供商。不绑定硬件，不锁定场景，做的是让不同厂商的机器人都能调用的通用AI能力层。
量化派的技术路线，是推动机器人从"动作自动化"迈向"任务级自主作业”。前者是按固定程序执行动作，后者是理解任务目标后自主完成感知、决策、执行的完整流程。而量化派自己的技术路径是软硬件分层，物理世界基础模型不绑定任何一款硬件，同一套基模能力可以在不同硬件平台上运行。这是RaaS模式能规模化的前提：物理世界基础模型作为技术资产，可以被持续调用，持续产生收益。
港股"智能物种第一股"
量化派具备长期技术积累。招股书显示，自动机器学习、NLP等领域拥有成熟技术储备，物理AI业务是数字决策能力的延伸升级，并非从零起步研发。在政策倒逼产业实景落地的窗口期，谁先在真实场景积累了数据和验证记录，将抢占先发优势。
RaaS商业模式已获政策等背书，量化派作为港交所上市主体，依托上市公司平台，在融资能力、合规透明度和长期投入持续性上，多了一层信用背书，这些都是一级市场初创公司不具备的优势。
验证：后厨里的真实场景
量化派的4轮技术验证，全部落地在后厨的真实动态工况中，而非实验室环境。在行业大多还把Demo视频当成果发布的阶段，这个节奏走在了前头。
验证1：三明治柔性制作——实时柔顺控制
三明治面对的是面包、生菜、酱料这些没有固定形状的软质食材——夹重了破、夹轻了掉，酱挤多了溢出、挤少了不匀。机器人要在同一段流程里连续完成抓取、涂酱、摆放，靠的是能实时感知食材形态、随时调整力度的柔顺控制，全程不挤压、不破损，成品还得标准化。
验证2：购物袋自主分拣——无脚本自主决策
购物袋分拣没有预设流程。袋里装的是什么、装了多少，机器人事先不知道，只能实时判断任务进度，对多品类物品逐一识别、抓取、分类摆放，边做边决定下一步。没有固定脚本，全靠机器人根据当前状态自己把一件事从头做完，考的是没有剧本时的自主决策。
验证3：牛排跨抽屉找盐调味——完整推理链
牛排撒盐颇能看出理解力。机器人一开始并不知道盐放在哪，得像人一样，在多个抽屉里逐个翻找，判断哪个抽屉、盐在什么位置、该用什么姿势夹起，再精准到毫米级完成调味。整个过程没有人告诉它步骤，只给了"找到盐并调味"这一个目标，剩下的搜索、定位、操作全靠它自己推理。考的是从看懂目标到做对动作那一整条推理链。
验证4：奶茶跨设备协同——系统级配合
奶茶难在系统协同。机器人不光自己操作，还得和奶茶机、搅拌机、封口机轮流打配合：接饮品时不能洒、搅拌时不能溅、封口时要对准，液体晃动和位置偏移都得实时控住。几台设备串成一条线，任何一个环节掉链子，整条线就歇菜。
4轮验证跑通之后，下一步就是在跨场景复用。餐饮后厨打磨出的非结构化操作、开放环境适配、长链路自主作业能力，理论上正是仓储物流、检测分析、医疗康养这些同样充满动态变量的场景所需要的底层能力。
更深一层的想象空间在"智能物种"——凡是搭载感知模块、具备AI决策能力、可自主完成物理交互的实体终端，都可以接入物理世界基础模型成为智能化载体。这个理念把复用路径从餐饮延伸到了更广阔的硬件空间。
壁垒：数据飞轮与全栈自研
量化派的商业逻辑能不能跑通，取决于2件事：物理世界基础模型的技术能力能不能支撑跨场景复用，以及公司能不能在数据积累和系统整合上建立壁垒。
数据是唯一买不到的东西
在物理AI领域，数据是至关重要的资源。这类数据无法通过砸钱快速买来，只能通过时间和真实运营慢慢积累。对于量化派而言，数据积累的壁垒来自多路径采集体系。B端商业场景落地，通过与机器人本体公司合作，在餐饮等真实场景采集全流程运营数据；C端智能硬件布局，通过多品类硬件在日常使用中自然沉淀多维度行为与环境数据；再加上用户置换式采集和场景共创数据共享。四条路径并行，把数据采集从单点变成体系。
竞争的本质是时间
物理AI赛道的竞争，本质上是对时间的争夺。在一定程度上来说，把数据积累的正循环跑通，比单点技术更亮眼。
放眼全球，头部格局尚未形成。已经跑出来的玩家，验证的场景偏标准化，集中在仓储、物流、家庭桌面任务。量化派选的是餐饮后厨，变量密度远高于前者，泛化价值理论上更大，验证难度也更高。国内同样有创业公司切入工业与物流场景，与量化派的餐饮场景形成两条差异化路径。两条路径哪个更能通向通用物理世界基础模型，目前没有答案。
路径：从RaaS到平台型收入
物理世界基础模型的商业想象力，要经过跨场景复用的边际成本能不能真正接近于零，能否把现实落差缩小到商业上可接受的范围两道槛。
量化派的长期路径，可以分为3个阶段：阶段一：场景化解决方案落地 + 数据售卖（现在）。以餐饮后厨等高频民生场景为切入点，完成技术验证和商业闭环，积累真实场景运营数据。RaaS模式已获官方背书，量化派作为港交所上市主体，在政策窗口期快速卡位。阶段二：模型调用 + 增值服务（中期）。向智能硬件厂商输出模型调用和增值服务。物理世界基础模型作为通用能力层，被不同厂商、不同场景的机器人调用，按调用量和使用时长收费。收入模式从项目制转向平台型。阶段三：基模 + 算力（长期）。形成基模加算力的收入结构，匹配资本市场估值逻辑。物理世界基础模型成为所有机器人的"操作系统"，算力层提供训练和推理的基础设施。
市场侧的信号是确定的。国家级专项行动打开来看很具体：10个省市加相关央企，场景覆盖工业、服务、特种三大领域。RaaS模式的政策和官方背书叠加这个倒计时，让"卖能力"比"卖硬件"更符合产业方向不再是一句判断，而是一个正在发生的拐点。
结语：拐点已至
行业真正规模化拐点，将出现在第三方外部客户独立采购量化派物理世界基础模型，并落地全新行业场景完成商用交付。在此之前，赛道估值更多依靠产业预期；而一旦第三方商业化落地跑通，物理AI底层模型将从概念赛道转向持续创造营收的核心产业平台。
物理AI的"ChatGPT时刻"近在眼前：政策加速实景落地、底层技术持续成熟、全球资本持续加注。量化派作为港股"智能物种第一股"，已经站在了物理AI的赛道上，亮出了自己的商业模式。若想获取更多内容，可查看相关论文原文。