AI的物理世界征途：从“键盘侠”到“扳手工”的蜕变

最近这两天的经历，简直像坐过山车一样刺激。

前两天我兴冲冲地去了趟比亚迪，本想亲身体验一把速度与激情，结果却不小心把耳朵给挂彩了；当时现场医生建议缝一针，可我瞅了瞅那简陋的环境，心里直打鼓：万一缝歪了，岂不是破相了？

咬咬牙没敢缝，想着还是回北京处理更靠谱。

谁知回北京一进医院，医生却两手一摊：来晚了，时效已过，这针不用缝了，但喜提「每日换药套餐」一份；接下来一周天天得去医院报到换药，这谁顶得住啊？

于是昨天，我就顶着个造型极其「赛博朋克」的耳朵保护罩，硬着头皮去参加了一场腾讯举办的高规格闭门会。现场熟悉的朋友看到我，眼神都变了，纷纷跑来问我是不是又搞了什么行为艺术。

我哭笑不得，话说回来，因为这场会内容保密，得等播出后才能解禁，所以听完后，我发现，我的心比我的耳朵还疼。

老实说，去之前我完全是抱着「朝圣」的心态；毕竟都2025年底了，DeepR1 开源了，GPT-5.1 也把交互革命玩出了花，我觉得这帮大佬肯定得开香槟庆祝。

结果呢？我被泼了一盆冷水，透心凉的那种。如果说上半年的 AI 圈是在狂欢，那昨晚这场会，更像在「秋后算账」。

既然不能剧透具体是谁说的，那我就索性脱敏处理，把我在现场听到的那些扎心逻辑，揉碎了讲给你们听。

大家居然达成了一个有点反共识的结论：那些只活在屏幕里的 AI，哪怕智商高达 200，如果解决不了物理世界的「最后一公里」，也不过是个高位截瘫的天才。

01

为什么这么说？最触动我的一个观点，来自一位造车新势力的大佬。 这老板平时口无遮拦，但昨天他特别诚恳。他说了一句话，把在场所有做大模型的人都干沉默了。

小时候没人教你怎么走路，你一岁自然而然就会了。但现在为了教机器人走出这一步，我们把头发都熬白了。这话揭示了一个被我们忽略的残酷真相：AI 在数字世界是神，在物理世界却是"巨婴"。

我们总觉得 AI 既然能写出莎士比亚风格的诗，那让它去给我倒杯咖啡应该轻而易举吧？大错特错。

在数字世界里，数据是干净的，规则是清晰的。 但在物理世界里，家里养只狗，它遇到床头柜知道绕着走或者原地掉头；但你让一个价值几十万的机器人去，它可能就卡在那儿陷入死循环。

为什么？因为物理世界没有"撤销键"。

我给你们算一笔账。以前互联网大厂，10 万人管 100 万台服务器。服务器是标品，放在恒温恒湿的机房里，死机了重启就行。

未来如果真的像大佬们预测的那样，要管理 1000 万个"智能体"（机器人/车）。 这些玩意儿是在物理世界乱跑的。

一个机器人被床头柜绊倒了，一个机械臂把老太太的花瓶打碎了，甚至一辆车在暴雨天传感失灵了。 这中间的运维成本、售后成本、法律赔偿成本，能把任何一家万亿市值的公司直接拖垮。

所以，那位大佬抛出了一个词，我觉得特形象，叫‘蚁群效应’；未来的 AI 不会是一个超级大脑控制一切，而是像蚂蚁一样，每个终端都有自己的小脑，自己决策，自己干活。

这意味着什么？

意味着 2026 年的红利，不在那些花里胡哨的聊天软件里，而在「含工量」；谁能把 AI 塞进汽车里、塞进机床里、塞进那个只会扫地的圆盘里，让它真正像个人一样干活，谁才是赢家。

好吧，别只盯着屏幕了，去泥地里看看吧。只有进入物理世界，AI 才能从「拿键盘的」变成「拿扳手的」。

02

关于大模型到底还能不能变强，昨天几位顶级的科学家（某顶级研究院院长和清华的教授）吵得挺热闹。

市面上的论调是：大力出奇迹，参数越大越好。但昨天的内幕是：Scaling Law（尺度定律）虽然没死，但文本数据的红利已经吃干抹净了。

现在的模型，就像一个「把图书馆里的书都背完了的做题家」，你再喂它吃书，它的智商也很难再暴涨了。那怎么办？

现场的共识指向了一个新方向：Learning from Video（从视频中学习）。这个逻辑太性感了。 以前 AI 是靠读「文字描述」来理解世界的，它知道「苹果」两个字，但它没见过苹果掉在地上的样子。

现在，我们要让 AI 去看视频，去理解物理规律，去理解「因果」。

但这又带来了一个新的成本问题。 处理文本的算力消耗是 1，处理视频的算力消耗可能是 1000。 如果未来的 AI 都要靠看视频来进化，那现在的显卡根本不够用。

这也是为什么昨天有位做国产芯片的大佬，虽然话不多，但底气很足。毕竟在淘金热里，卖铲子的人永远最赚。

而且，还有位教授提了一个特别牛的观点：模型密度。 未来的趋势不是把模型越做越大，而是越做越小，越做越密。

要把一个几千亿参数的大脑，塞进你的手机里，塞进你的眼镜里。 别再迷信那些"大参数"了。 未来如果你看到一个 AI，能在断网的情况下，在你的手机端跑得飞起，那才是真的神。

03

好吧。聊完技术，最后还得聊钱。这也是让我这种「务实派」最感到信仰动摇的地方。

一位管理着几十亿美金的投资人，在现场直接说了一句大实话： 大模型的商业模式，太难了。现在的 To C AI 产品，很多都是「奶头乐」。 什么 AI 陪聊、AI 哄睡、AI 生成头像。

算了一笔账：你为了让 AI 陪你聊两句骚，每个月付 19.9 元。 但这背后，大模型推理的电费、算力折旧费、还要养一堆程序员修 bug。

传统的互联网是「羊毛出在猪身上」，靠广告赚钱。但在 AI 时代，推理成本太高了，这羊毛根本剪不动；除非你有苹果那种「强行收税」的硬件入口，否则 To C 的商业模式，目前看就是个无底洞。

那钱在哪？

一位满头白发的工程院院士，讲了一个「烧锅炉」的故事，全场肃然起敬。 这才是真硬核。

在炼镁的工厂里，以前需要三个老师傅：一个看火、一个配料、一个操作。 炉子几千度，稍微走神，一炉料就废了，还容易出人命。

现在他们用 AI 搞了「数字孪生」，把老师傅请到了两百米外的空调房里。 老师傅喝着茶，看着屏幕，AI 自动调温、自动配料。

这意味着什么？对于老板来说， 废品率降了，能耗降了，这就是纯利。 对于老师傅来说， 不用吸粉尘了，工资还能拿，这就是福报。

这才是 AI 的终局。

让那些高危、高能耗、高成本的环节，把人解放出来。 To B 虽苦，还要搞定数据孤岛，还要搞定老板的脸色，但那是真正的饭碗。To C 虽爽，流量而已，但那可能是泡沫。

散会后，我在外面等车站了一会，耳朵虽然隐隐作痛，但脑子很清醒。

2025 年，其实是 AI 祛魅的一年。 我们终于从把 AI 当作「神学」来膜拜，回归到了把它当作「工学」来使用。

对于我们普通人来说，这是好消息。那个能写出漂亮文案的 AI，替代不了你；因为它不懂得在客户皱眉的时候递上一杯热茶，不懂得在这个复杂的物理世界里，如何体面地处理一地鸡毛。

对于创业者，我也有一句不中听的建议：如果你还在做「套壳」应用，还在做那种「没有现金流」的流量生意，赶紧收手。

那是草台班子。去工厂，去车间，去那些满身油污的地方。 只有在那里，AI 才能从「拿键盘的」变成「拿扳手的」。

这世界变化太快，唯一的解药，就是保持清醒，或者，实在不行，咱就多攒点养老金吧。