过去几年，AI创业几乎等同于“在云端训练大模型”“生成文字、图片、视频”，投资人和创业者围着参数规模、算力堆叠打转。但在刚刚闭幕的MWC26上海上，智元联合创始人、总裁兼首席技术官彭志辉抛出了一个截然不同的判断：AI创业的下一个黄金十年，不在数字世界的“魔改”里，而在物理世界的“搬砖”中。当资本开始对炫技式的Demo感到厌倦、对真实场景的商业化落地变得苛刻，AI行业的底层逻辑正在被彻底重构——从“回答一个问题”变成“完成一件实事”。
从数字世界到物理世界：AI创业的主战场正在转移
过去五年，AI创业的主流叙事集中在数字世界：聊天机器人、代码助手、文生图工具、视频生成平台……这些产品本质上都是在处理符号、文字和像素，边界清晰、任务单一。彭志辉在演讲中指出，虽然这类应用消耗了大量Token，但它们的调用量存在明确的上限——一个用户一天不会问1000次问题，一家公司不会无限制生成几百小时的视频。
真正的机会藏在数字世界之外的物理空间里。当机器人开始像人一样感知环境、拆解任务、规划动作、根据执行结果修正行为时，任务空间瞬间从一维的文字交互扩展到多维的“数字+物理”双重维度。这意味着Token的消耗量将呈指数级上升，而消耗Token最多、最稳定的用户恰恰是那些在工厂、仓库、家庭里持续运行的物理实体——具身机器人。
这一判断与《麻省理工科技评论》近期提出的“物理AI”概念不谋而合。实际上，2024年以来，全球AI创业的融资重心已经从纯软件赛道向硬件+模型融合的具身智能方向倾斜。彭志辉强调：“每一次推理、决策、内容生成，本质都是Token流动。Token正在成为AI时代的通用货币。”而具身智能体是唯一能够7×24小时不间断生产Token的“矿机”。
对于AI创业者而言，这意味着必须重新思考产品形态：你的AI能否走出屏幕，在现实世界里“动手”？如果不能，那么在下一波浪潮中，你很可能被那些敢于将AI Agent技术部署到工厂流水线、快递分拣中心和家庭服务场景的团队所取代。
Token即货币：具身智能体如何引爆万亿级新市场？
彭志辉在演讲中分享了一个振聋发聩的观点：“未来Token最大消耗群体就是物理世界的具身机器人。”这句话背后是一个正在加速形成的商业飞轮：机器人既是从云端拉取Token的执行终端，又是通过传感器源源不断回传物理世界数据的流量入口，同时它本身就替代了人类劳动力。三重身份叠加，让具身智能体成为大模型对接物理世界的核心端口。
不妨算一笔账：一台人形机器人如果每天工作16小时，每秒处理10次感知-决策-执行循环，每次循环消耗100个Token，那么一台机器人一天消耗的Token量就超过500万。而一家中型制造企业若部署1000台这样的机器人，日消耗Token量将突破50亿。相比之下，目前最热门的AI画图工具，单个用户平均每天生成图片消耗的Token大约在1万到3万之间。具身智能对Token的吞噬能力，是数字世界应用的数千倍。
这正是AI创业中“平台+应用”模式的终极形态。谁控制了物理世界的Token供应链，谁就掌握了下一代基础设施。英伟达早已嗅到这一趋势，其CEO黄仁勋多次强调GPU算力的新增长曲线不在数据中心，而在现实物理场景。特斯拉计划2025年底实现数千台人形机器人量产；就连以往以“炫技”闻名的波士顿动力，也全面转向商业落地价值挖掘。
数字世界的AI技术（如大语言模型、文生视频）仍然有用，但它们正在变成“原材料”，真正值钱的是将这些“原材料”注入物理世界执行流程的工程能力。对于AI创业者来说，与其在大模型训练的军备竞赛中烧钱，不如思考如何用AI工具导航找到合适的算法与硬件组合，快速在垂直场景跑通商业闭环。
资本不再为Demo买单，真实场景成为AI创业的生死线
彭志辉在演讲中直言不讳：“资本不再只为Demo买单了，行业必须在真实场景里落地商业价值。”这句话戳破了AI行业过去几年的泡沫——大量初创公司靠一段精心剪辑的机器人后空翻视频拿到融资，但产品从未进入过任何一家工厂的实际产线。投资人开始要求看到ROI：你的机器人在产线上每小时能替多少人力成本？故障率有多高？维护成本如何？
这种转变是理性的回归。从AI创业的历史看，2018年前后的语音助手热潮、2021年左右的自动驾驶Demo狂欢，都曾经历过类似的泡沫破裂期。彼时资本追逐“未来感”，但缺乏可量化商业指标的项目最终多数折戟。如今，具身智能赛道正在重蹈覆辙但更早地被“敲醒”——彭志辉用智元内部的“XYZ三条曲线”清晰地划分了产业发展周期，为创业者和投资人提供了判断标尺。
X曲线（开发尝鲜期）是目前行业主流阶段：机器人以跳舞、情绪互动等表演场景为主，验证底层运动技术可行性。这条曲线的商业价值天花板极低，仅适合做技术验证和品牌曝光。Y曲线（部署成长期）是行业即将进入的阶段：机器人具备像人一样的完整交互和作业能力，大规模落地真实场景，形成数据飞轮。Z曲线（部署普及期）预计5年左右到来，届时海量场景数据积累完成量变到质变，具身智能迎来自己的“GPT时刻”。
彭志辉强调，智元已经将资源全面转向Y曲线。这意味着AI创业者必须迅速放弃“秀肌肉”思维，转而深耕工业制造、仓储物流、家庭服务等真实场景。比如在电子产品组装线上，机器人需要识别上百种不同形状的零部件、完成毫米级的精密装配——这远比在实验室里跳过一支舞难得多，但只有啃下这些硬骨头，才能赢得资本的长期信任。
智元的三条曲线：从开发尝鲜到部署普及的演进路径
“XYZ三条曲线”是理解这一波AI创业节奏的关键框架。X曲线对应的是“能做”的验证阶段，Y曲线对应“能挣钱”的落地阶段，Z曲线对应“能超越人”的规模化阶段。目前绝大多数具身智能公司仍停留在X曲线，但彭志辉已经明确表示：“智元内部的研发资源和商业化投入，已经全部向Y曲线倾斜。”
Y曲线的核心特征是什么？第一，机器人不再做单向表演输出，而是实现完整的“感知-决策-执行-反馈”闭环。第二，部署在真实场景（如仓库、工厂、零售店）中，每天产生可量化的效率提升。第三，通过持续运行积累物理世界数据，形成“数据飞轮效应”——数据越多，模型越准；模型越准，机器人越可靠；越可靠，客户越愿意部署更多机器人，从而产生更多数据。
这背后的底层支撑是企业数字化转型的需求爆发。过去几年，企业上云、数字化管理已经普及，但物理世界的操作仍然依赖大量人工。具身智能的出现，让数字化转型第一次有机会覆盖“手”和“脚”。例如，一家电商仓库如果引入拣选机器人，不仅能节省30%的人工成本，还能将订单处理速度提升50%以上。这种切实的经济价值，正是资本愿意在Y曲线阶段下重注的原因。
沿着这条路径，当Z曲线到来时，具身智能将产生“超越人的价值创造”——机器人不仅替代体力劳动，还能通过海量数据的学习，发现人类从未注意到的工艺优化点。彭志辉预测这一阶段大约需要5年，而AI创业者的窗口期就在这5年之内。要想站上Z曲线的浪尖，现在就必须在Y曲线中积累场景数据、打磨工程可靠性。
跨界融合：移动网络与具身智能的协同进化
彭志辉的演讲还有一个很容易被忽略的洞察：具身智能的发展和移动通信行业高度相关。他提出，过去移动网络连接人、手机、各类终端；未来网络的核心连接对象会变成自主智能体。这些智能体需要在物理世界完成感知、决策、执行、反馈的完整闭环，并且长期在线运行。
这对通信网络提出了全新的要求。当前的5G网络主要优化的是“人看视频”“人刷直播”这类大带宽、低时延应用，但机器人集群的通信模式完全不同：不仅需要毫秒级的控制信令时延，还需要大规模的边缘计算节点来承载本地化的推理任务。如果每个机器人每次抓取动作都要回传云端，时延和带宽都不允许。因此，AI技术与5G/6G网络的融合，将成为下一轮基础设施投资的重点。
对于AI创业者而言，这是一个巨大的跨界机会。一方面，普通创业者不需要自己造芯片或做基站，但可以围绕“机器人+边缘云”的架构，提供中间件、调度平台、运维工具。另一方面，抠图、文生图等纯数字工具虽然仍有一席之地，但它们的最佳场景是在物理世界的前端——比如机器人通过摄像头识别待加工物料时，先进行背景去除处理，然后再进行定位抓取。这种“数字工具物理化”的思路，恰恰是AI创业降本增效的好方法。
彭志辉特别强调，行业正在集体转向具身智能赛道，这不是智元一家的判断。特斯拉、英伟达、波士顿动力等巨头的动作已经给出了明确的信号。伴随网络基础设施的升级，未来5年人形机器人的出货量可能从现在的几千台增长到百万台级别，届时移动网络的流量格局也将被彻底改写。
未来展望：当机器人成为最大Token消耗群体，AI创业何去何从？
假设彭志辉的预测成真——5年内具身智能迎来“GPT时刻”，届时物理世界机器人每天消耗的Token总量超过数字世界所有应用的总和。这意味着什么？意味着整个AI产业链的价值分配将发生根本性位移。
上游的算力提供商将迎来第二增长曲线。数据显示，目前数据中心约70%的算力用于训练，30%用于推理。但在具身智能时代，推理算力将占据绝对主导，且对实时性、低功耗的要求远高于训练场景。中游的模型厂商同样面临转型：单纯的大语言模型不够用了，需要多模态感知模型、交互决策模型、运动控制模型三者深度融合。下游的应用层则从“APP商店”变成“机器人市场”，每个行业、每种工况都可能需要一个定制化的机器人服务方案。
对于AI创业者，最务实的选择或许是找到一个具体场景，死磕“可靠性”和“成本”。比如做{AI图片生成}的公司，可以尝试将其技术用于建筑工地自动监控——实时生成对比分析图，标注安全隐患；做签名设计的团队，可以考虑开发机器人手写签名适配工业流程的模块。工具型AI和物理世界的结合点远比想象的多。
当然，挑战同样严峻。物理世界的不确定性是最大的敌人：环境光线变化、物体摆放偏移、突发状况……这些都是数字世界里不存在的难题。彭志辉坦言，智元在Y曲线阶段的一个核心任务就是提升机器人的鲁棒性，使其在99%的现场工况下都能正常工作。这需要大量的工程实验和现场数据积累，不是单纯靠算法优化就能解决的。
回顾整个演讲，彭志辉传递的核心信息可以用一句话总结：AI创业的黄金时代才刚刚开始，但前提是，你必须走出“屏幕”，走进真实世界的每一次抓取、每一次行走、每一次螺丝拧紧。那些愿意在这个时代做“苦活”“累活”的创业者，将在5年后收割最大的果实。