數字世界的AI革命已經奠基基石，但真實的戰爭才方才于物理世界打響。

年夜模子已經經能寫代碼、畫設計稿、替換低級步伐員，數字世界的出產力東西革命大張旗鼓。但若你于工場里待過，就會知道：車間里的呆板還有是那臺呆板，產線上的人還有是那些人，AI的海潮恍如于玻璃門外，熱鬧是它的，工場沒有甚么。

這不是工場的問題，而是AI還有沒有真正學會"于物理世界干活"。

7 月，2026世界人工智能年夜會（WAIC 2026）于上海進行。艾利特呆板人受邀出席“智能趨向論壇：邁向自立化工業AI落地的真實挑戰與解法”，董事長兼CEO曹宇男博士以《光聯智能：物理AI的戰略前哨》為題發演出講。

曹宇男于演講開篇中拋出一個犀利的判定：咱們正置身物理AI的“斯年夜林格勒時刻”——物理AI的進口，恰是通往AGI的必爭前哨。

當前AI已經完成L1任務——替換步伐員編程，但這仍屬在“看患上見摸不著”的數字世界。真實的戰爭于L2剛打響：讓AI進入物理世界，成為真實出產力。

從L1到L2，超過的是整個物理維度的鴻溝，面對兩年夜底子挑戰：多維物理數據的收羅極端堅苦，行業尚缺要領論與基礎舉措措施；同時需傳感器交融與具身智能兩重沖破，將物理旌旗燈號轉化為AI可練習的“認知燃料”。

L2之上是L3——讓智能呆板人以大眾辦事平臺進入家庭康養、電車維保等糊口場景。但艾利特呆板人坦誠：當前技能僅達L2，連L3門坎未和。從試驗室到產線，再抵家庭，每一一級超過都是場景繁雜度的指數級躍升。

演講中曹宇男直接點出了當前物理AI落地面對的四重瓶頸：

■ 01數據

真實工業場景的數據收羅成本，是互聯網數據的10 到 100 倍；

■ 02模子

通用與專用之間的效率均衡始終難以破解；

■ 03 履行

機械臂于毫米級精度下的偏差持久被低估；

■ 04 范圍化

范圍化：每一推進一步都是一道新的工程門坎。

更棘手的是，這四個瓶頸不是自力的，而是彼此咬合、組成死輪回：數據不敷，模子泛化就差；模子不敷好，客戶不敢用；客戶不消，數據就更難堆集。這個輪回，不是靠堆資源就能打破的。

曹宇男分享了一個樸素卻扎實的邏輯：先把能干活的工具做出來，讓客戶用起來，讓真正的出產數據天然回流，再反過來驅動AI進化。三個維度必需同時運轉，缺一不成。

但條件只有一個——產物患上充足靠得住。這是艾利特已往數年埋首深耕的“緘默沉靜長征”：把硬件打磨到極致，直到成為行業內為數未幾同時經由過程MTBF 10萬小時認證、IP68防塵防水、ISO 13849功效安全認證等“全棧硬核玩家”。底座穩了，數據才有資歷談，模子才有資歷建。

有了范圍化部署帶來的真實出產數據，一個正向飛輪才能轉起來：客戶利用價值→高質量數據→模子迭代→硬件進級→更完美的系統指標→更多的范圍化能力→更大都據。這個鏈條上的每一一環，都必需經患上起真實產線的查驗，而不是靠"講故事"撐著。

艾利特將客戶清楚地劃分為三年夜戰略板塊：AI For Terminal（智能終端制造）、AI For Science（科學智能）、AI for Infra（算力基礎舉措措施）。為何是光通訊？光通訊處于AI基礎舉措措施的最上游，其制造精度與一致性要求，剛好組成了查驗物理AI能力的“極限測試場”。

艾利特率先于此實現范圍化部署，與多家行業巨頭并肩作戰，成為姑蘇光通訊具身智能呆板人的焦點代表。姑蘇超等工場估計在2026年末竣工投產，進一步夯實產能結構。

曹宇男暗示：“光通訊只是艾利特的"此刻"，不是忽然冒出來的背注一擲。”從已往到此刻，艾利特于每個時代都站于焦點賽道上：汽車、3C 電子、半導體、新能源……每一一次都不是跟風，而是于真正的工業需求中磨出來的。

恰是由于有這些場景的連續深耕，艾利特才堆集起了他人難以復制的數據底座：百萬級呆板人操作軌跡、百萬小時實景操作數據、億級力觸覺傳感器采樣數據，修筑起工業制造范疇的焦點數據壁壘。

還有有一道行業公認的“魂靈拷問”，艾利特也于本次演講中給出了極具戰略縱深的解法。模子要進化，需要連續的數據喂養；而數據關乎客戶焦點秘要。“模子能力進階”與“客戶數據主權”，聽起來是一對于無解的抵牾。

艾利特的解法是：以“元啟Primo”破局。試驗室預練習通用智能，現場僅需少量樣本冷啟動；客戶只回傳工藝需求，敏感數據永世駐留當地，并經由過程聯邦智能連續進化，主權毫不外流。

戰略上推行“一腦多型”，不執著人形，聚焦自研“腦”，以快速部署、柔性編程及免示教為方針，終極實現零樣本泛化——讓呆板人于生疏場景中仍能精準決議計劃履行。

曹宇男于演講末了拋出一個更具穿透力的判定：呆板人不僅是AI的運用，更是AI進化的焦點驅動力。

以人形呆板報酬例，它籠罩三個戰略標的目的：作為數據收羅的物理載體、作為模子驗證的實體平臺、作為場景落地的終極終端。呆板人與AI之間的瓜葛，正于從“被賦能者”翻轉成為“賦能者”——每一一次真實產線上的動作，都是對于物理世界的一次“采樣”；每一一次采樣，都于喂養AI對于實際的理解。曹宇男提到：“誰擁有至多的真什物理交互數據，誰就握住了AGI進化的標的目的盤。”

疆場于工場的每一一寸地盤上，于每一一條真實脈動的產線上，于每個被呆板人以微米級精度完成的動作里。

這不僅是技能的角力，更是對于“何謂智能”的從頭界說——真實的智能，不是于真空的符號體系中推導完善，而是于布滿磨擦與噪點的實際世界中，依然能做出有界理性的最優決議計劃。