股价涨了 50%，瓶颈还是那三个：判断「物理 AI 到没到拐点」的三张自核表
一个板块涨 50%，可以只用情绪解释；一个产业到拐点，必须有三个能被外部核到的数。这篇给的是一张表：三个指标、各自的观测口径、以及「看到什么才叫变了」。
- 事实：2026 年 11 月 8 日 09:29，澎湃新闻发文指出，物理 AI 正成为具身智能板块新引擎，宇树科技股价自 10 月中旬以来累计上涨超过 50%；但产业界主流判断仍是「早期爬坡」。
- 三个瓶颈（广州华睿智普创始人兼 CEO 蔡镇辉受访表述）：模型能力、真实场景高质量数据、端侧算力。其中数据「仍然稀缺且获取成本高」。
- 一个结构性判断（具身行业分析师受访）：当前数据投入与大脑模型融资之间存在结构性错配——缺少数据闭环，算法投入难以转化为泛化能力。
- 口径参考：中国信通院人工智能研究所、清华大学电子工程系、具身智能测试实验室联合发布的《具身智能发展报告（2026 年）》认为，具身智能与物理 AI 的核心内涵正在趋同——前者强调智能如何通过身体实现，后者强调 AI 如何进入并作用于物理世界。
- 判断：股价是「预期贴现」，不是「进度条」。要看拐点，得看三张能自己去核的表：数据小时单价、同工位连续运行小时数、端侧每瓦可完成任务数。
- 判断：这三张表里，第一张最容易核，也最容易被忽略——因为它不在任何发布会 PPT 上。
wang-xingxing-2027-inflection-last-millimeters-two-80），那篇处理的是他的预测内容；本篇处理的是如何验证预测，方法层不同，不重复其论证。核查与限制：① 「股价累计上涨超过 50%」为澎湃表述，未给出起止交易日与复权口径，本文不细化；② 三个瓶颈为蔡镇辉个人受访观点，属单一信源，本文把它当「行业共识的一种表述」引用，不当作结论；③ 「结构性错配」为一位匿名分析师观点，未具名，可信度按匿名信源打折；④ 信通院报告原文作者未取得，只引用澎湃对其结论的转述；⑤ 本文给出的三张自核表为作者方法，不是任何机构的评测框架，各项阈值均为经验区间，需按具体场景调整。文中判断均以「判断：」开头，版权与免责声明由模板自动附加。先把两件事分开。
一件事是股价。宇树科技自 10 月中旬以来累计涨超 50%，这是市场对「物理 AI」这个词的定价。
另一件事是产业。同一篇报道里，从业者和分析师给出的判断是：模型、真实场景数据、端侧算力，三个瓶颈都在；数据「仍然稀缺且获取成本高」；数据投入与大脑模型融资之间「结构性错配」。
这两件事不矛盾。股价可以因为预期而涨，产业可以因为瓶颈而慢。麻烦的是，大部分讨论把这两件事混在一起——用股价证明产业在加速，或者用瓶颈证明股价是泡沫。
判断：要判断拐点，不能用股价，也不能用发布会。得用三个能被外部核到的数。下面这张表是本篇的核心。
| 指标 | 观测口径 | 去哪看 | 「变了」的信号 |
|---|---|---|---|
| 数据小时单价 | 一小时可用真机数据（含标注）的成交价 | 数据服务商报价单、公开招标、二手撮合 | 连续两个季度下行且交付周期缩短 |
| 同工位连续运行 | 同一工位、同一任务、无人工干预的最长连续小时数 | 客户侧验收报告、可靠性认证、保险条款 | 从「小时级」进入「班次级（8h）→ 日级」 |
| 端侧每瓦任务数 | 单位功耗下可稳定执行的任务种类数 | 整机规格书、第三方功耗实测 | 同等功耗下任务种类翻倍，或同任务功耗减半 |
为什么是这三项，而不是「模型参数量」「榜单排名」「演示视频」？
因为前三项都能被买方独立核实，后三项都不能。参数可以改口径，榜单可以选题，视频可以剪。判断：凡不能被买方独立核实的指标，都不适合用来判断拐点——它们适合用来判断「这家公司有没有在做事」，不适合判断「这个行业有没有到拐点」。
报道里蔡镇辉说得很直白：数据「仍然稀缺且获取成本高」，这类数据的供给需要实质性突破，才能支持模型训练进一步迭代。
这句话可以变成一个可观测的量：一小时真机操作数据卖多少钱。
这个价格过去两年的走势，比任何模型发布都更能说明产业进度。逻辑很简单：数据贵，说明采集还靠人；数据便宜，说明采集已经靠设备与流程。而采集从「靠人」变成「靠流程」，是这类产业真正跨过门槛的标志。
判断：三个瓶颈里，模型这一段已经不是最紧的了。报道里引用的从业者观点也是这个方向——模型迭代快，真正卡住的是数据与端侧。这意味着过去两年「谁的模型强」的竞争，正在转向「谁的数据便宜、谁的端侧跑得动」。
这里要点出那处「结构性错配」。分析师的原话是：数据投入与大脑模型融资之间存在结构性错配；缺少数据闭环，算法投入难以转化为泛化能力。
翻译成人话：钱都进了做模型的公司，但模型缺的是数据，而数据不在做模型的公司手里。融资结构（偏向模型）和瓶颈位置（偏向数据）对不上。
判断：这个错配如果持续，会出现一个可预期的结果——做模型的公司开始自己下场采数据，或者用股权/长约把数据源锁住。这两种动作在未来半年会变多，而它们恰恰是「拐点还没到」的证据，不是「拐点到了」的证据。
报道里没有直接给这个数，但它是这类产业最硬的验收口径。
一台机器人在演示里成功 95%，和在工位上连续跑 8 小时不掉线，是两件完全不同的事。前者的分母是「尝试次数」，后者的分母是「时间」。而客户付钱买的是时间。
怎么看这张表？三个层级：
小时级——演示与媒体场。这是 2024–2025 年的主流状态。
班次级（8 小时）——进入真实产线的门槛。能跑一个班次，说明热管理、故障恢复、任务重规划都过了基本线。
日级（24 小时 × 多日）——进入「可以按产能卖」的状态。到这一步，机器人才从「设备」变成「产能」。
这条对做租赁和场景交付的团队尤其重要。客户问「能不能干」，正确答案不是成功率，是「这个工位我们能承诺连续作业 X 小时，超出部分按停机时长赔付」。能写出这句话，才算能接单。
第三个瓶颈是端侧算力。报道里给的原因是成本过高——这句话背后是一个更具体的结构问题：机器人要随身带着算力，而算力要耗电，电要占重量，重量要占负载。
所以真正该看的不是「多少 TOPS」，是每一瓦功耗能换来多少种可稳定执行的任务。
为什么用「任务种类」而不是「推理次数」？因为客户买的不是帧率，是「这台机器会干几样活」。一台会干三样活的机器，和一台会干一样活但快三倍的机器，在采购决策里不是同一个东西。
判断：端侧这一格的进展，会比模型慢，因为它受物理约束（功耗、散热、重量），不受算法约束。模型可以一年迭代三代，电池和散热不行。这也是为什么「端侧部署」这四个字，在合同里的价值高于在发布会上的价值——它承诺的是断网可用，而断网可用是市政、园区、地下空间这些场景的硬需求。
报道给的定性判断是「早期爬坡阶段」。用三张表去对，这个判断站得住：
数据单价还在高位，且供给没出现实质性突破；连续运行小时数刚进入班次级的少数案例，尚未规模化；端侧算力受功耗约束，进步速度慢于模型。
三项里有两项半没变，一项（模型）变得很快。判断：这就是「叙事热、产业温」的典型形态。它既不是泡沫，也不是拐点——它是拐点前那段最难受的路：技术已经能演示，成本还不允许规模化。
最后回到报道里那句最有分量的话：判断技术突破的时间节点，需要观察数据供给是否出现实质性变化，而不只是关注模型发布。
这句话可以当成一条纪律用。以后每看到一个「物理 AI 突破」的新闻，先问三句：数据便宜了吗？连续跑多久了？端侧功耗降了吗？三个都没动，那是一次能力展示；动了两个，那是一个进展；三个都动了，那才是拐点。
股价会先动，这是它的工作。产业会后动，这是它的规律。把两者搞混的人，通常在两件事上都会判断错。