10月22日的杭州世界物理AI大会上，宇树科技创始人王兴兴给出了眼下传播最广的判断：随着GPT-6发布，物理AI已经出现"被击穿"的苗头，具身智能迈过"ChatGPT时刻"的时间窗口，从他在今年8月世界机器人大会上的"快则两三年、慢则五到十年"，压缩为"一到两年，慢的话两三年"。知乎36氪
"前夜"这个说法之所以成立，不是因为一位创业者乐观。9月初到10月下旬这一个半月里，模型开始越过边界进真实世界干活，资本与产能完成第一轮集结，政策与标准相继落位。但另一组最新行业报告数字同时显示，真正落进场景的机器人远少于出货数字。前夜是真的，黎明还没到——把"点燃"和"卡住"两端摆在一起，才看得清物理AI走到了哪一步。
模型第一次不经训练就"会干活"
9月4日，OpenAI发布GPT-6 Astra，宣称这是它迄今广泛部署过的能力最强模型。王兴兴在大会上展示的正是这条链路的下游：把GPT-6直接接上机器人，不经过任何专门训练，机器人就能自己洗笔、换颜料、在围棋盘上精准落子。他判断，规划和导航"某种意义上已经解决掉了"，剩下的核心挑战是模型输入输出和真实机器人之间的"对齐"——传感器的误差、执行器的误差。真故研究室极客公园知乎
同一个时间窗口，供给侧也在向物理世界倾斜。10月21日的英伟达GTC柏林大会上，黄仁勋把物理AI列为下一波浪潮的核心结论，并与Agile Robots发布人形机器人参考平台：身高1.4米、31个自由度、预置Isaac GR00T模型，预计2027年初上市，让开发者不必再从零拼硬件。36氪新智元
更硬的变化在证据层："数据换能力"的规律首次在机器人任务上拿到公开数据。Dyna Robotics的世界动作模型Dyna-2用超过100万小时人类第一视角视频预训练后，在14项真实操作任务中平均表现从20%提升到53%——转动钥匙这项任务，10万小时以下训练的模型全部失败，100万小时后成功率达到90%。据中信的产业链会议拆解，GPT-6、Gemini 4在RoboDojo仿真测试中的任务成功率比上一代提升数十倍，2D转3D资产的物理建模误差下降50%。智能车参考格隆汇
钱、产量与标准同步集结
《金融时报》援引PitchBook数据显示，截至10月8日，今年全球机器人与物理AI企业融资额已接近480亿美元，超过去年全年。钱的去向同样说明问题：国外融资更突出十亿美元级头部项目，国内资金则向头部和中后期企业集中。智能车参考第一财经
产线端，中国电子学会数据显示，2026年上半年中国人形机器人出货量超4万台，全球占比高达97%。工信部方面预计，今年人形机器人全年整机产量有望突破10万台。宇树最畅销的G1已累计下线约1到2万台，但王兴兴称一年几万台"完全不够"，真正普及至少要"年产千万台"。中国新闻网中国新闻网极客公园
给机器人"上课"的数据基础设施也在铺开。Figure的Index应用付钱请普通人拍摄日常动作，截至8月25日已收集超过1600万段视频、覆盖108个国家和地区，并向数据贡献者支付了1500万美元。智能车参考
截至4月底，中国至少有90个人形机器人数据采集和训练中心在运营、建设或规划中，其中64个已投入使用。智能车参考
政策与标准落进同一个窗口。10月上旬受权发布的中共中央、国务院关于发展新质生产力的意见，明确要加快推进人形机器人等新一代智能终端场景应用；10月19日，工信部提出以人形机器人为"小切口"，带动具身智能大产业。中国新闻网中国新闻网
10月20日的国新办发布会上，工信部总工程师王卫明进一步强调，发展新一代智能制造的关键在于推动人工智能技术与制造业全链条深度融合；首批六项人形机器人国家标准也已获批、2027年4月1日起实施。新华网格隆汇
但机器人还没真正走进工厂
与热度相反的另一面来自信通院、清华大学等机构联合发布的《具身智能发展报告（2026年）》：今年上半年国内公开披露的具身智能及人形机器人中标项中，教育科研机构占比过半（55.5%），工业及技术型企业只有21.1%。第一财经
报告把这称为"冷热两极分化"：资本市场与政策关注持续升温，规模化落地与商业闭环却仍面临多重约束，相当比例的设备用于展厅接待或活动演示，在表演档期之外大量空置，有的月均开机天数不足10天。整机之外，单台轮臂式或双足人形机器人的年度综合运维成本约50万至70万元，高于多数岗位的人力成本。第一财经
硬件侧的短板同样具体。人类手指由27块骨骼、37块肌肉等构成，要实现同等动作效果，所需的传感器与驱动部件受成本制约，全球范围内仍处于研发阶段——日本机器人巨头安川电机掌门人小笠原浩也正是以此质疑"短期内普及"的说法。模型侧，推理调用成本近乎翻倍，双臂精细操作、复杂接触与摩擦等真实物理环境建模依旧不完善。更基础的是数据口径：制造业企业内部系统、术语五花八门，据日经中文网报道，安川自己完成数据去重与统一标识就花了8年。日经中文网格隆汇
"爆发"亮灯前，看三件事
信号与短板并在一起，"前夜"的准确含义是：模型能力已经外溢到真实机器人，资本与产能完成了第一轮集结，政策与标准开始就位，而交付、成本、验证还卡在最后一米。产业给出的时间排序已经摆在台面上——王兴兴判断商业服务的落地会快于家庭和工业，"随便把一台机器人带进家里、一句话让它收拾房间"快的话明年就能实现；特斯拉也透露Optimus计划年底启动对外交付、明年4月搭载AI5芯片。知乎极客公园第一财经
判断前夜是否过去，不必等新发布会，盯三个硬信号即可。第一，工业与商业场景里是否出现展厅演示之外的持续性批量订单，而不是科研与商演的采购清单。第二，上游零部件的订单能否连续放量：国家统计局数据显示，前三季度机器人减速器等产品产量已增长44.4%，需求端确实在被拉动。第三，下一轮大模型是否再现"零训练迁移"级别的跳变——王兴兴在工博会上的赌注是"明年GPT-7出来，可能直接把具身智能问题打穿"。第一财经极客公园
信通院在报告里的提醒值得写进所有热闹叙事：具身智能的发展不会以一次技术突破突然完成，更可能呈现螺旋式上升、渐进式演化。第一财经
物理AI爆发前夜最诚实的注脚是——点灯的信号越来越密，但真正值钱的判据，是工厂里那台能挣回自己成本的机器人。
