大模型发展了好几年，AI在手机上能聊天、能画图、能写代码，但走进车间这件事，始终比所有人预想的要慢。为什么？
阶跃星辰董事长印奇在2026世界人工智能大会上说了一句话：智能体能做什么，不只取决于模型有多聪明，也取决于操作系统为它打开了多大的能力边界。再聪明的大脑，没有手，也干不了活。车间里的AI需要一个能调用工具、连接设备、执行任务的“身体”——智能体操作系统。更麻烦的是，未来可能有上万个智能体同时工作，它们如何协作？不同公司的系统能否互相兼容？行业急需统一标准，让智能体真正协同起来，而不是各自为战的工具集合。
第二个难点在于知识的聚合。视频告诉AI世界长什么样，物理方程告诉AI世界为什么会这样运转，机器人不断提供新的实验数据——只有把这些不同来源的知识聚合进同一个模型，互相校准补盲，AI才有可能真正理解现实世界。复旦大学浩清特聘教授苏昊说，聚合这件事不是一家企业能独立完成的，是整个行业乃至全社会的通力协作。共建数据，共立标准，共享仿真、评测等基础设施。车间里的AI要真正干活，需要跨领域知识的融合——材料学、流体力学、控制理论、工艺经验——这些信息散落在不同的地方，标准不一、格式各异。目前没有统一的行业标准来规约这些数据如何被采集、标注、存储和共享。
第三个难点，是关于责任。当智能体真的走进车间，安全问题就变得无可回避。智能体可以代表谁行动？行动产生的后果由谁负责？当它连接数据、设备和真实环境，怎样确保身份可信、权限可控、行为可追溯？ 上海人工智能实验室主任周伯文说了一句话：AI可以代表人行动，但不能代替人负责。让渡代理权的速度，不应超过我们验证它的能力。
车间里的AI，到底还有多远？答案可能比很多人想象的要近。有业内人士认为，物理AI未必要先实现全面通用，而是可以先在仓储、物流等相对固定的场景中实现稳定工作。2026年被视为具身智能量产元年，中国在具身智能领域已形成显著的产业优势，预计未来三年内成为全球最大的具身智能机器人市场。 这些难题不会一夜解决。但物理智能或许会像当年的电气化一样——先点亮工厂和仓库，再走进商店和医院，最后才走进千家万户。车间里的AI，正在来的路上。
