2026世界机器人大会期间，“物理AI引领者论坛”在北京举行。跨维智能创始人兼首席执行官、香港中文大学（深圳）教授贾奎提出“Physical Token经济学”概念，探讨物理AI与具身智能实现规模化发展的底层技术路径。

跨维智能创始人兼首席执行官、香港中文大学（深圳）教授贾奎。主办方供图

贾奎认为，当前以机器人为代表的物理世界智能体正迎来类似工业革命、电力革命一样的历史性机遇。但在行业早期阶段，需要思考如何像计量电力一样去计量物理智能，从而确定正确的技术路线和产品形态，真正实现产业化与规模化。

“Physical Token经济学研究的就是，如果让智能体或机器人获取下一份智能，是否真的能比之前获取的智能更便宜。”贾奎表示，核心目标是实现边际成本递减的曲线，让机器人学习第100项技能的成本远低于学习第一项技能的成本，最终实现通用可泛化的智能。

如何实现这一目标？贾奎提出四重路径：人类经验，合成杠杆，能力聚合，飞轮扩张。具体而言，机器人需要具备两类泛化性——语义泛化性和物理泛化性。语义泛化性基于人类认知能力，可通过低成本、高效率的方式获取人类经验；物理泛化性则适合通过物理仿真的方式产生海量数据。将两者训练进同一模型后，再通过模型压缩、蒸馏等方式，把模型变小、变快，提高成功率和稳定性，最终部署到真实的应用场景中。

跨维智能现有的技术路线与产业实践，正沿着这套范式展开：统一数据表达与预训练沉淀人类经验，Real2Sim与生成式仿真形成合成杠杆，Post-training与强化学习完成能力聚合，真实部署反馈推动飞轮扩张。

在世界机器人大会现场，跨维智能展示了手机装机流水线质检、商超自主扫码分拣，以及冰淇淋与爆米花连续出餐三类任务，分别对应工业制造、零售和商业服务。从 Physical Token 经济学的角度，它们验证的是同一个问题：一套技术体系，能否以较低的新增成本进入越来越多样的真实场景。

沿着这一方向，跨维智能正逐步将物理智能拓展至工业、商业等场景。贾奎透露，跨维智能目前已落地超过1500个模型，在工业柔性装配和商业服务场景实现真实业务闭环，积累了数百家客户。“我们希望以这样的方式挤压泡沫，能够真的穿越周期，实现Physical AI在之后可持续的规模化发展。”

文、图｜记者 王莉