随着 Physical AI 从实验室走向工厂、仓储和商业空间，一个越来越现实的问题摆在企业面前：什么样的机器人，才算真正 "可用"？当技术进入生产流程，比完成更复杂的 Demo 更重要的，是能否持续、稳定地创造真实价值。

9 月 17 日，2026 钛媒体 ITValue Summit 数字价值年会在三亚举行。本届大会以 "AI 的系统落地" 为主题，汇聚 300 余位央国企、大型上市企业一号位、CIO 及业务高管，围绕 AI 产业分工、生态协同、产品形态与企业能力等议题展开交流。

会上，星源智创始人兼 CEO 刘东发表《从技术突破到场景落地：物理 AI 可用的边界》主题演讲。围绕 Physical AI 如何从技术突破走向真实场景，提出了四重 "可用" 门槛：能力可用、部署可用、系统可用和生产可用。

图：星源智创始人兼 CEO 刘东发表《从技术突破到场景落地：物理 AI 可用的边界》主题演讲

能力可用：不只 "做得到"，还要理解行动的后果

进入物理世界，AI 面对的不再只是信息的理解和生成，而是每一次判断都会进一步转化为真实动作。这意味着，机器人既要理解环境，也要预测行动可能带来的变化，并将预测结果进一步用于决策和执行。

围绕这一方向，星源智持续推进具身大脑与世界模型研发。目前未经预训练的 1.2B 模型版本已展现出较强性能，公司正在进行中等规模预训练，并计划于 10 月发布 3B 预训练版本。刘东认为，模型能力的提升并不只依赖参数规模，架构创新同样可以带来明显收益。

部署可用：从 "模型能跑" 到 "机器人实时行动"

模型能够跑出来，还必须真正跑在机器人上。刘东举了一个很直接的例子：如果一个简单任务需要 50 分钟才能完成，放到真实干活的环境里是无法接受的。Physical AI 越接近真实作业，模型能力与计算效率就越难被分开讨论。

因此，星源智将端侧算力作为具身智能落地的重要基础设施，让模型在机器人本地完成实时计算与决策。刘东判断，随着世界模型、多模态理解和复杂决策进一步进入机器人，机器人也将像智能汽车一样进入高算力时代。

系统可用：智能能力不能被锁在一种机器人上

如果一种智能能力只能对应一种机器人，规模化复制仍然意味着大量重复开发。星源智选择的另一条路径，是尽可能降低模型对特定本体的依赖，让智能能力能够在不同机器人形态之间迁移和复用。

从无本体数据采集，到适配机器狗、机械臂、叉车等不同设备，这一路线最终指向的是大脑与本体的进一步解耦。正如刘东在现场所说："我们的大脑，不挑机器人的本体形态。"

生产可用：从 "Demo 验证" 到 "生产节拍验证"

当机器人真正进入生产，评价标准也随之改变：一次任务能否成功已经不够，连续运行效率、作业节拍以及对原有生产流程的改变，开始成为新的衡量尺度。

在与中力股份合作的物流装卸场景中，星源智具身大脑已经用于货车与货物识别、多台叉车协同装卸，双车协同装卸≤1 分钟；"擎天柱" 高位作业机器人则可完成 10 米高位作业，一台设备替代原有两台设备组合。这些指标背后真正要验证的，是机器人能否进入真实生产节拍。

而当机器人持续运行，生产现场本身又会成为模型进化的数据来源。真实任务不断产生数据，数据重新进入训练，再将更新后的能力部署回场景，形成部署 — 数据 — 训练 — 再部署的循环。

Physical AI 的能力增长不只发生在训练场，也发生在与真实世界的持续交互中。从能力、部署、系统到生产，四重 "可用" 最终指向同一个目标：让技术能力真正转化为持续创造价值的生产力。

（来源：星源智机器人）