问题：智能终端为何需要从“会算”走向“能做” 近年来，大模型能力快速提升，语音、文本、图像等交互日趋成熟，但大量应用仍停留在屏幕内的“建议与生成”，难以直接完成现实世界的操作闭环；对消费者而言，智能体验常被“能问不能办”“能说不能做”所限制；对制造业与交通出行而言，提升效率、降低事故率、应对劳动力结构变化，更需要具备感知、决策与执行能力一体化的系统。如何让智能真正进入生产生活关键环节，成为产业普遍面临的新课题。 原因：从技术路线到产业要素，“物理智能”成为新抓手 在此次发布中，小米将技术路线明确指向“虚拟智能”与“物理智能”的协同：前者偏重算法与算力形成的认知能力，后者强调在真实环境中完成动作、控制与任务执行的能力。企业披露的研发投入规划，反映出其意图在模型、架构与硬件系统上形成联动，推动智能从“云端大脑”延伸到“终端身体”。 其一，端侧与自研模型能力被视作支撑。发布信息显示，小米集中展示了多款自研大模型，并引用第三方评测数据说明综合排名表现。业内人士指出，端侧模型与云端协同，有助于在时延、隐私、可靠性和成本之间取得平衡，尤其在车载与家居等强实时场景中，端侧能力越强，对网络依赖越低，体验越稳定。 其二，在智能驾驶领域，企业强调以认知架构提升泛化能力。传统方案在一定程度上依赖高精地图或规则库，面对天气、光照、道路施工等变化场景，容易出现“只会按题库作答”的问题。通过更强调理解与推理的架构设计，目标是让系统在不同道路条件下具备举一反三能力，从而提升安全性与舒适性，并降低对静态先验数据的依赖。 其三，工业机器人“进厂”折射出物理智能的落地路径。企业披露其工业机器人已在自家产线工位进行连续自主运行测试，并给出成功率等指标。制造业是物理智能的典型应用场景：任务明确、流程可拆解、回报周期可测量，便于技术迭代与规模化部署，也有利于反向推动传感、控制与可靠性工程能力提升。 影响：从出行到家居，终端有望由“设备”向“数字化劳动力”迁移 一是对消费端，智能终端形态与角色可能发生变化。手机不再局限于信息入口，更可能成为多终端协同的调度中枢；汽车在“移动空间”属性之外，向更高阶的智能体演进，覆盖行程规划、驾驶辅助、能耗管理等；家电与传感器网络协同后，可实现环境调节、能耗优化与风险预警等功能。用户对智能的评价标准也可能从“回答得多聪明”转向“完成了多少任务、节省了多少时间”。 二是对产业端，竞争焦点将从单点参数走向系统能力。物理智能涉及模型、芯片、传感器、控制系统、操作系统、安全冗余与供应链协同，是典型的系统工程。未来竞争不只在“模型规模”，还在工程化落地能力、成本控制与规模制造能力。 三是对社会层面，劳动分工与技能结构或将出现调整。可重复、危险、强体力或长周期值守的岗位，存在被自动化与智能化替代或重构的趋势；同时也会带来新的岗位需求，如数据标注与治理、机器人运维、场景工程、安全合规与人机协作设计等。如何实现技术进步与就业结构平稳转型，将成为需要提前应对的议题。 对策：推动产业健康发展需守住安全、标准与治理底线 业内普遍认为，物理智能走向规模应用，必须同步完善制度与技术治理： 第一，强化安全底座与责任边界。智能驾驶、家庭自动化等场景与人身安全密切对应的，应建立覆盖研发、测试、部署、运维的全生命周期安全机制，明确功能边界与告知义务，推动事故追溯与责任认定更加清晰。 第二，加快标准体系与互联互通。多终端协同离不开统一接口与协议，建议在行业层面推动数据格式、通信协议、安全认证、可解释与可审计要求，减少“生态壁垒”造成的重复建设与资源浪费。 第三，重视数据合规与隐私保护。家居、车辆与可穿戴设备涉及大量敏感数据，应坚持最小化采集、分级授权与本地优先处理原则，推动隐私计算与端侧推理能力应用，降低数据泄露风险。 第四，提升制造业应用的可复制性。工业场景应以“可量化收益”为导向，从单工位试点走向产线级、工厂级推广，形成可复用的软硬件模块与运维体系，避免“演示型智能”与“规模化落地”脱节。 前景：三到五年或进入“物理智能”密集落地期 综合产业节奏判断，未来三到五年，物理智能可能在三类场景率先加速：一是制造业与仓储物流等结构化环境，二是汽车与出行服务等高频刚需场景，三是家庭能源管理与安防等具备明确价值的场景。随着端侧算力提升、传感器成本下降、模型压缩与推理优化成熟，智能体将更频繁地以“执行任务”的方式进入日常生活与企业流程。同时，行业也将经历对安全、可靠性与成本的再平衡，优胜劣汰加速，系统工程能力与规模交付能力将成为决定性因素。
当清晨的咖啡由智能家居系统精准调制，当通勤路线由汽车自主规划优化，这些细节背后是一场生产力的跃升。数字技术从虚拟世界向物理世界的跨越，不仅重新定义人机关系，更在深层次推动生产要素的价值重构。在这场变革中，中国企业显示出的系统化创新能力，或将成为全球产业升级的重要变量。未来的竞争考验，是如何在技术伦理与效率提升之间找到平衡点，这将成为所有参与者的终极命题。