Physical Token经济学：下一项能力更便宜，机器人才能真正规模化

8 月 19 日，WRC 2026 期间，由跨维智能主办的「物理 AI 引领者论坛」在北京举行。

通用物理智能的理想状态，是机器人进入陌生场景、面对新的物体和任务时，能够复用已有知识，只需少量适配，甚至不经额外训练就能完成任务。行业所说的 Generalist 和 Zero-shot，指向的都是这一方向。

Physical Token 不是简单的动作 Token，也不意味着机器人未来一定要按照 Token 收费。

从获取新能力的边际成本出发，重新审视机器人技术栈，会发现数据、预训练、仿真、后训练和真实部署并不是彼此孤立的环节。它们共同解决的是一个问题：怎样让机器人获得下一项能力时，投入更少的数据、算力和人工。

让一次学习成为可复用的能力资产

用少量真实数据撬动更多训练经验

把通用能力转化为可靠技能

让每一次部署降低下一次能力的成本

WRC 2026 现场，跨维展示了手机装机质检、商超自主扫码，以及冰淇淋与爆米花连续操作三类任务。

谈到通用机器人，行业往往期待一次决定性的模型突破：某一天，一个足够强大的基础模型出现，机器人不再需要针对不同任务反复采数、训练和调试，直接进入 Zero-shot 阶段。

【开源免费】Browser-use 是一个用户AI代理直接可以控制浏览器的工具。它能够让AI 自动执行浏览器中的各种任务，如比较价格、添加购物车、回复各种社交媒体等。

项目地址：https://github.com/browser-use/browser-use

【开源免费】AutoGPT是一个允许用户创建和运行智能体的（AI Agents）项目。用户创建的智能体能够自动执行各种任务，从而让AI有步骤的去解决实际问题。

项目地址：https://github.com/Significant-Gravitas/AutoGPT

项目地址：https://github.com/geekan/MetaGPT/blob/main/docs/README_CN.md