第二，模型能不能泛化。
在实验室里完成一个任务没有那么重要。
换一个杯子、一个光线、一个桌面、一个陌生环境，还能不能完成？
Demo解决"能不能"。
商业化解决"能不能重复"。
第三，硬件能不能量产。
实验室原型做到98分，与十万台产品都做到90分，是完全不同的公司能力。
第四，单位经济模型能不能成立。
机器人最终替代或增强的是人的劳动。
所以必须问：
一台机器多少钱？
每天工作多少小时？
人工接管多少？
折旧几年？
维护成本多少？
相对于人类劳动，ROI究竟是多少？
第五，资本效率。
Physical AI不会是一场便宜的创业。
但钱花得快，不等于进步快。
最终应该看：
每一轮融资，到底购买了多少新的技术能力、数据资产、客户验证与规模化可能性。
我在WAIC讨论智能体时说过一句话，在具身智能上更加成立：
Demo wins attention. Product wins customers. Productivity wins the future.
Demo赢得注意力，产品赢得客户，生产力才能赢得未来。
五、中美具身真正的下一战，不是机器人，而是"物理世界的操作系统"
如果大模型时代的入口是ChatGPT，那么Physical AI时代的入口究竟是什么？
是一台人形机器人吗？
是一双灵巧手？
是一套VLA？
还是一个真正可以理解、预测并操作物理世界的Foundation Model？
现在谁都无法给出最终答案。
这也是我做投资越来越有趣、也越来越谦卑的地方。
如果AI是一个时代，那么我们今天看见的热门公司，很多已经属于"这一代AI"；真正巨大的投资回报，往往来自找到"下一代AI"。
过去，我们把机器人理解成机械设备：
先把身体造出来，再写程序控制它。
现在逻辑正在倒过来。
我们开始讨论一个可以不断学习的大脑，如何通过小脑控制身体，通过双手接触环境，再把动作结果重新变成数据，让系统继续学习。
于是机器人不再只是机器。
它开始成为一个不断进化的智能系统。
这也是中美最终都会走向的同一个战场：
数据闭环、模型闭环、行动闭环和商业闭环。
