【導讀】英偉達的GTC大會，把重心從“賣GPU”推向“賣AI工廠”，標志著全球AI產業正式從數字交互階段全面向實體場景滲透。資本端同樣在重定價：FieldAI在沒有一臺自研機器人的情況下將估值推至百億美元量級。行業不缺本體，缺的是讓本體在真實場景里開箱即用的能力層。
港交所“智能物種第一股”量化派（02685.HK）錨定的正是這層能力。它不造機器人硬件，做的是跨場景、跨本體的開放物理世界基礎模型，其天花板不在硬件產能，也不在項目交付能力，而是取決于模型本身的泛化能力。
一、物理AI的終局之爭：量化派選擇做跨場景的物理世界基礎模型
作為人工智能的終極戰場，物理AI賽道玩家被分為三類：賣硬件、賣解決方案、賣能力。前兩者是項目制的線性生意，有著明顯的天花板；后者是“一次訓練、多場景復用”的基座邏輯，邊際成本趨近于零。
量化派選擇的是第三條路。量化派的技術路徑是軟硬件分層，物理世界基礎模型不綁定任何一款硬件，同一套基模能力可以在不同硬件平臺上運行。檢驗標準是：同一套基模能力，能否在不同任務、不同物料、不同擾動之間完成遷移。
二、真實場景試煉：量化派選擇在餐廳后廚工況完成多輪機器人技術閉環驗證
量化派（02685.HK）做為港交所主板上市公司少有的物理AI概念股，近日發布了多個具身智能在餐飲后廚的解決方案Demo展示，這些Demo經過多輪技術驗證，全部落地在后廚的真實動態工況中。從26年年中量化派發布的用機器人實現三明治柔性制作Demo、購物袋分揀Demo、牛排調味Demo、奶茶協同Demo，到近期發布的四個具身智能餐飲后廚解決方案Demo，展示了量化派的具身智能解決方案能力正式從柔性操作邁向復合物料進階，向物理AI大模型的實現更近了一步。量化派用機器人實現的手打檸檬茶能力檢驗的是單點精細操作的閉環能力。左手穩杯、右手連續搗碎，雙臂“一動一穩”的配合背后，是RSI自進化閉環在真實出餐中持續記錄軌跡、識別偏差、迭代節奏。
（DEMO截圖：餐飲后廚?手打檸檬茶實景測試）
量化派用機器人實現制作手抓餅的能力把難度推向了長程任務的狀態保持。22個連續動作要求機器人記住“做到了哪一步、下一步用什么工具”，System 2負責全局規劃與異常調度，System 1執行實時動作,驗證的是Agent在非標環境中的工序記憶與跨工具協同。
（DEMO截圖：餐飲后廚?手抓餅實景測試）
量化派用機器人實現制作清炒土豆絲的能力引入的是中式熱炒的動態變量。濕滑土豆絲轉運易滑落，鍋內食材位置持續變化，雙臂協同出鍋要求一手控鍋、一手持鏟的毫秒級配合。步數雖短，但物理交互的擾動密度極高。
（DEMO截圖：餐飲后廚?清炒土豆絲實景測試）
量化派用機器人實現制作蛋烘糕的能力則把考驗上升到復合物料的泛化層面。高粘度面糊需要預判流體走向，不規則花生碎要求小范圍定點撒料，松軟糕體的折疊對接觸力動態調節提出極高精度，檢驗的是基模面對對象切換時的技能遷移能力。
（DEMO截圖：餐飲后廚?蛋烘糕實景測試）
驗證跑通之后，下一步就是在跨場景復用，把復用路徑從餐飲延伸到更廣闊的硬件空間。
三、量化派在物理AI領域“賣能力”的壁壘在龐大的用戶數據，不在參數
物理AI與語言模型的關鍵分野在于，語言數據可以從互聯網上無限汲取，物理交互數據只能從真實世界的運行中長出來。量化派把試驗場放在餐飲后廚而非實驗室，恰恰是因為工況復雜、非結構化變量密集的后廚，是仿真環境無法完整復現的。而每一次的實景驗證，都在加厚同一層壁壘：一個只有用時間才能換來的真實物理交互數據集。
而量化派的消費電商基本盤為這層壁壘提供了“時間成本”的對價。2025年營收10.35億元、凈利潤1.95億元，羊小咩平臺GMV突破百億。7月配售募資中，30%投向物理AI基座模型研發，40%投向智能硬件商業化。
據沙利文預測，物理AI正以47.2%的年復合增速高速成長，2040年全球關聯產業規模有望達3.25萬億美元。真正決定誰能在其中占據“賣鏟人”位置的，不是誰先喊出口號，而是誰先用足夠密度的真實場景數據，把跨場景復用變成一個可以被人調用的事實。
近期隨著量化派股價的筑底，估值水平基本在市盈率19x-20x區間企穩，市銷率PS也僅在2倍左右，應該說市場還遠未給予其物理AI企業的估值。市場上還有多少有待進一步發掘的新增長故事和標的公司，隨著物理AI賽道企業自身的加速發展，一定會越來越多涌現出新的投資機會和盈利空間。
關于量化派（02685.HK）
量化派是港交所主板上市的人工智能科技企業，市場譽為港股 “智能物種第一股”，定位為物理AI世界基礎模型提供商。公司采用 “電商AI解決方案+物理AI”雙輪驅動的業務模式：以成熟的電商AI解決方案業務持續貢獻穩定現金流，反哺前沿技術研發；同時深耕物理 AI核心能力，推動人工智能從數字世界延伸至餐飲、零售門店、汽車展廳等多元真實商業場景。2025年，公司實現營業收入10.35億元人民幣，凈利潤1.95億元人民幣，凈利潤同比增長32.6%。
結論
物理 AI 的競爭，已經慢慢從樣機演示、單點解決方案，轉向基座模型和真實場景數據的長期比拼。和項目制交付模式不同，跨場景物理基模的價值在于一套能力可以遷移到不同硬件、不同工況，具備規?；瘡陀玫臐摿Α? 量化派選擇先用餐飲后廚這個高復雜度、強非結構化的場景完成技術閉環，再向外拓展場景，同時依托電商業務帶來穩定現金流持續反哺研發。放眼整個賽道，物理 AI 長期增長空間可觀，但最終能跑出來的玩家，一定是持續沉淀高密度真實交互數據、真正實現跨場景泛化的能力層廠商。
