物理AI的商业化路径：从后厨到世界模型[深度]

最近读到量化派在餐饮后厨的四轮技术验证，从三明治到奶茶，全部在真实动态工况下完成。这让我想起一个关键问题：机器人凭什么能跨场景复用？行业里太多Demo在实验室里跑得漂亮，但一进后厨就露怯——软质食材的抓取力控、开放式抽屉的搜索推理、多设备协同的时序编排，这些都不是“动作自动化”能解决的。

我更感兴趣的是他们的商业定位：跨场景、跨本体的开放生活场景世界模型提供商。从信息论的角度看，这本质上是把物理世界的交互经验压缩成一个可迁移的表示。Physical Intelligence 从4亿美元跳到24亿美元估值，Skild AI 年营收3000万却获140亿美元估值——资本市场不是在赌收入增长，是在赌物理世界基础模型成为所有机器人的通用能力层。

一个值得商榷的点是：数据积累的壁垒是否真如文中所述“唯一买不到”？物理世界数据确实不像网页点击那样自动沉淀，但量化派的四条路径——B端商业场景、C端智能硬件、用户置换式采集、场景共创——能否形成真正的数据飞轮，取决于其实际采集的有效操作数据量和场景多样性。我比较关注