大模型已經(jīng)能寫(xiě)代碼、畫(huà)設計稿、替代初級程序員，數字世界的生產(chǎn)力工具革命轟轟烈烈。但如果你在工廠(chǎng)里待過(guò)，就會(huì )知道：車(chē)間里的機器還是那臺機器，產(chǎn)線(xiàn)上的人還是那些人，AI的浪潮仿佛在玻璃門(mén)外，熱鬧是它的，工廠(chǎng)沒(méi)有什么。

這不是工廠(chǎng)的問(wèn)題，而是AI還沒(méi)有真正學(xué)會(huì )"在物理世界干活"。

7 月，2026世界人工智能大會(huì )（WAIC 2026）在上海舉行。艾利特機器人受邀出席“智能趨勢論壇：邁向自主化工業(yè)AI落地的真實(shí)挑戰與解法”，董事長(cháng)兼CEO曹宇男博士以《光聯(lián)智能：物理AI的戰略前哨》為題發(fā)表演講。

曹宇男在演講開(kāi)篇中拋出一個(gè)犀利的判斷：我們正置身物理AI的“斯大林格勒時(shí)刻”——物理AI的入口，正是通往AGI的必爭前哨。

當前AI已完成L1使命——替代程序員編程，但這仍屬于“看得見(jiàn)摸不著(zhù)”的數字世界。真正的戰役在L2剛打響：讓AI進(jìn)入物理世界，成為真實(shí)生產(chǎn)力。

從L1到L2，跨越的是整個(gè)物理維度的鴻溝，面臨兩大根本挑戰：多維物理數據的采集極度困難，行業(yè)尚缺方法論與基礎設施；同時(shí)需傳感器融合與具身智能雙重突破，將物理信號轉化為AI可訓練的“認知燃料”。

L2之上是L3——讓智能機器人以公共服務(wù)平臺進(jìn)入家庭康養、電車(chē)維保等生活場(chǎng)景。但艾利特機器人坦誠：當前技術(shù)僅達L2，連L3門(mén)檻未及。從實(shí)驗室到產(chǎn)線(xiàn)，再到家庭，每一級跨越都是場(chǎng)景復雜度的指數級躍升。

演講中曹宇男直接點(diǎn)出了當前物理AI落地面臨的四重瓶頸：

更棘手的是，這四個(gè)瓶頸不是獨立的，而是相互咬合、構成死循環(huán)：數據不夠，模型泛化就差；模型不夠好，客戶(hù)不敢用；客戶(hù)不用，數據就更難積累。這個(gè)循環(huán)，不是靠堆資源就能打破的。

曹宇男分享了一個(gè)樸素卻扎實(shí)的邏輯：先把能干活的東西做出來(lái)，讓客戶(hù)用起來(lái)，讓真實(shí)的生產(chǎn)數據自然回流，再反過(guò)來(lái)驅動(dòng)AI進(jìn)化。三個(gè)維度必須同時(shí)運轉，缺一不可。

但前提只有一個(gè)——產(chǎn)品得足夠可靠。這是艾利特過(guò)去數年埋首深耕的“沉默長(cháng)征”：把硬件打磨到極致，直到成為行業(yè)內為數不多同時(shí)通過(guò)MTBF 10萬(wàn)小時(shí)認證、IP68防塵防水、ISO 13849功能安全認證等“全棧硬核玩家”。底座穩了，數據才有資格談，模型才有資格建。

有了規?；渴饚?lái)的真實(shí)生產(chǎn)數據，一個(gè)正向飛輪才能轉起來(lái)：客戶(hù)使用價(jià)值→高質(zhì)量數據→模型迭代→硬件升級→更完善的體系指標→更多的規?；芰Α鄶祿?/span>。這個(gè)鏈條上的每一環(huán)，都必須經(jīng)得起真實(shí)產(chǎn)線(xiàn)的檢驗，而不是靠"講故事"撐著(zhù)。

艾利特將客戶(hù)清晰地劃分為三大戰略板塊：AI For Terminal（智能終端制造）、AI For Science（科學(xué)智能）、AI for Infra（算力基礎設施）。為什么是光通信？光通信處在A(yíng)I基礎設施的最上游，其制造精度與一致性要求，恰好構成了檢驗物理AI能力的“極限測試場(chǎng)”。

艾利特率先在此實(shí)現規?；渴?，與多家行業(yè)巨頭并肩作戰，成為蘇州光通信具身智能機器人的核心代表。蘇州超級工廠(chǎng)預計于2026年底竣工投產(chǎn)，進(jìn)一步夯實(shí)產(chǎn)能布局。

曹宇男表示：“光通信只是艾利特的"現在"，不是突然冒出來(lái)的孤注一擲?！睆倪^(guò)去到現在，艾利特在每一個(gè)時(shí)代都站在核心賽道上：汽車(chē)、3C 電子、半導體、新能源……每一次都不是跟風(fēng)，而是在真實(shí)的工業(yè)需求中磨出來(lái)的。

正是因為有這些場(chǎng)景的持續深耕，艾利特才積累起了別人難以復制的數據底座：百萬(wàn)級機器人操作軌跡、百萬(wàn)小時(shí)實(shí)景操作數據、億級力觸覺(jué)傳感器采樣數據，構筑起工業(yè)制造領(lǐng)域的核心數據壁壘。

還有一道行業(yè)公認的“靈魂拷問(wèn)”，艾利特也在本次演講中給出了極具戰略縱深的解法。模型要進(jìn)化，需要持續的數據喂養；而數據關(guān)乎客戶(hù)核心機密?！澳Ｐ湍芰M(jìn)階”與“客戶(hù)數據主權”，聽(tīng)起來(lái)是一對無(wú)解的矛盾。

艾利特的解法是：以“元啟Primo”破局。實(shí)驗室預訓練通用智能，現場(chǎng)僅需極少量樣本冷啟動(dòng)；客戶(hù)只回傳工藝需求，敏感數據永久駐留本地，并通過(guò)聯(lián)邦智能持續進(jìn)化，主權絕不外流。

戰略上奉行“一腦多型”，不執著(zhù)人形，聚焦自研“腦”，以快速部署、柔性編程和免示教為目標，最終實(shí)現零樣本泛化——讓機器人在陌生場(chǎng)景中仍能精準決策執行。

曹宇男在演講最后拋出一個(gè)更具穿透力的判斷：機器人不僅是AI的應用，更是AI進(jìn)化的核心驅動(dòng)力。

以人形機器人為例，它覆蓋三個(gè)戰略方向：作為數據采集的物理載體、作為模型驗證的實(shí)體平臺、作為場(chǎng)景落地的最終終端。機器人與AI之間的關(guān)系，正在從“被賦能者”翻轉成為“賦能者”——每一次真實(shí)產(chǎn)線(xiàn)上的動(dòng)作，都是對物理世界的一次“采樣”；每一次采樣，都在喂養AI對現實(shí)的理解。曹宇男提到：“誰(shuí)擁有最多的真實(shí)物理交互數據，誰(shuí)就握住了AGI進(jìn)化的方向盤(pán)?！?/span>

戰場(chǎng)在工廠(chǎng)的每一寸土地上，在每一條真實(shí)脈動(dòng)的產(chǎn)線(xiàn)上，在每一個(gè)被機器人以微米級精度完成的動(dòng)作里。

這不僅是技術(shù)的角力，更是對“何謂智能”的重新定義——真正的智能，不是在真空的符號系統中推導完美，而是在充滿(mǎn)摩擦與噪點(diǎn)的現實(shí)世界中，依然能做出有界理性的最優(yōu)決策。