今年再去北京亦庄看世界机器人大会，走出展馆的时候我在门口站了很久，脑子里反复回放一个细节，今年第一次设立了采购日，专业买家不是来看热闹的，他们带着需求清单进场，直接和展商谈供需对接，现场销售额累计突破2亿元。这个数字本身不算惊人，但它的性质和往年完全不同，往年展会上大家比的是谁的后空翻更帅，谁的机械臂叠得更花，今年买家掏钱买的是能在真实场景里稳定干活的机器，约6万平方米的展馆内，上千台形态各异的机器人忙着做菜打球递咖啡分拣快递，甚至还有专门铲猫砂处理猫毛的机械铲屎官，从工厂到家庭，从生产到生活，每一个细分场景都有硅基生命体在卖力展示解决现实问题的能力。

做了这么多年工业设计，我对展会这种形式太熟悉了，展会历来是秀肌肉的地方，是概念产品和炫技原型的主场，但今年的采购日把这个惯例打破了，当专业买家带着采购预算进场，展会的性质就从秀场变成了商场，这个变化背后是整个具身智能产业的叙事焦点在迁移，从表演特技加速转向实景作业。表演逻辑和作业逻辑对设计的要求完全不同，表演要的是瞬时冲击力，作业要的是持续可靠性，这两者之间隔着一条很深的鸿沟。

工信部副部长辛国斌在开幕式上说，智能机器人作为人工智能从数字世界走向物理世界的重要载体，正在以前所未有的速度赋能千行百业。这句话概括了当下最大的产业背景，黄仁勋所描绘的物理AI世界正在快速到来，AI跨出屏幕边界，通过各式各样的物理身体，直接参与并改变人类生活。但作为设计从业者，我更关注的是这句话的另一面，AI有了身体之后，这个身体长什么样，好不好用，可不可信，就成了工业设计必须回答的问题。

展会上的热闹掩盖不了现实的骨感，机器人大规模落地仍然要跨越重重难关。大模型可以在数字层面理解文本与图像，却受限于交互数据的匮乏，在物理世界仍未真正形成闭环，跨环境跨任务的泛化能力不足，制约着稳定批量的生产与交付，灵巧手等关键零部件则面临高成本难量产低良率的困境，供应链难以通过规模化实现降本。这三个难关里，前两个是软件和数据问题，第三个是纯粹的硬件工程问题，但三个问题最终都会传导到设计端，为什么泛化能力不足，很大程度是产品定义阶段对场景理解不够，为什么灵巧手难量产，很大程度是结构复杂度和装配工艺的天生矛盾，这些都不是纯技术能解决的，需要设计在前期就深度介入。

有意思的是，在机器人还在跨越量产门槛的时候，另一个物种已经悄悄具备了率先实现人机深度协作的条件，就是AI汽车。新能源车经过上半场动力竞赛的充分洗礼，已经具备成为物理AI入口的成熟条件，车内端侧算力跃迁推动主流智驾芯片整体突破500TOPS，算力成本持续下降，大模型通过压缩蒸馏，以10亿级参数规模高效上车，用户的交互体验正在被持续革新。在2026世界机器人大会火山引擎具身智能技术与应用论坛上，AIVA总裁产品经理李博给出了一个判断，物理AI这条赛道，最终比拼的或许不只是模型有多强大硬件有多灵巧，而是它能否与人之间构建起一段真实可感的信任关系。

这个判断我从设计角度深有共鸣。汽车具备多数AI终端难以比拟的先天条件，李博总结了三点，第一是充足的能源底座，汽车拥有的几十到上百度移动电站，足以支撑本地大模型的实时部署，实现低时延响应，同时大量数据可在本地处理，更好地守护隐私安全，第二是完整的感知与执行体系，车内摄像头麦克风雷达等传感器，与座椅空调灯光底盘等执行部件，共同构成AI的眼睛耳朵与手脚，实现融合感知输入与物理执行的无缝衔接，第三是不可替代的长期共处场景，通勤路上接送家人周末出游，人们总要置身车内与车辆共度一段时光，以数年的使用周期来看，汽车能够与人形成高频周期性多场景的深度陪伴。

这三点用设计语言翻译一下就是，一栋自带发电厂的房子，一套完整的感觉器官和运动器官，一段以年为单位的朝夕相处。这三个条件叠在一起，意味着汽车上跑的AI有机会真正了解一个人，而了解是信任的前提。AIVA的造车理念概括成一句话，AI定义汽车，先有AI再有车。传统车企转型AI，往往是在既定硬件上叠加智能功能，两者协同难尽其效，而AIVA决心重构造车逻辑，先要想明白AI该如何理解人陪伴人构建信任，再让整车从这份对人的理解之中生长出来。竞争的主战场由此从工厂里的硬件制造，前移到了AI对人的理解深度上。

这个前移对工业设计行业的影响是结构性的。过去几十年，我们评价一台车的设计，看的是造型比例姿态，是曲面质量与光影流动，是内饰材质与色彩肌理，这些维度建立在一个默认前提上，车是工具，是被人驾驶的机器，设计要解决的是人与机器之间的审美与操作问题。当AI定义汽车成为现实，设计要解决的就变成了人与智能体之间的认知与情感问题，评价维度必须扩容，可靠不可靠，可信不可信，懂不懂你，这三个维度的权重会越来越重，甚至超过传统审美维度的权重。

研发过程中一个争议激烈的例子特别能说明问题。团队曾围绕一个问题展开讨论，原本车灯的位置要不要装一块屏幕，有人认为这是不务正业，大灯就是为了照明而存在，也有人认为这是一项非必要的支出，但讨论到最后，李博及研发团队坚持了这个设计，并把它命名为灵动光眸。原因很简单，一台车的眼睛天然就在大灯的位置上，这双眼睛的每个表情，就应该是AI对感知到的信息的自然回应，它不能是依靠预设程序去表演，而应是真正看见理解当下场景之后做出的反馈。李博在演讲中说，我们要打造的是一个生命体，生命体需要表达和交互，就像人与人沟通的时候，往往都是先看眼睛，这双眼睛并不是为了博眼球刻意设计，而是从生命体交互的角度，它本就该存在。

这个案例是产品语义学的经典实践。形态传递含义，是设计学科的老命题，德国设计理论家布斯在八十年代就系统阐述过产品语言的问题，机器应该在形态上告诉用户它能做什么怎么用，好设计让人一眼看懂。但灵动光眸把这个问题推进了一层，传统产品语义是静态的，灯就是灯的样子，屏幕就是屏幕的样子，而灵动光眸的语义是动态的，它的大灯形态不再是照明功能的单一表达，而是一个会随场景变化的交互界面，车灯亮起的不再是光，是表情，是情绪，是回应。这种从静态语义到动态语义的跨越，正是物理AI给工业设计带来的新课题，机器有了智能之后，它的形态语言必须跟着活过来。

另一面，温度调节的例子同样值得琢磨。李博曾用温度来阐释这种理解，同样是22度，穿T恤的夏天和穿毛衣的冬天，体感天差地别，AIVA通过长期学习用户的习惯，无需任何手动设置，就能在不同情境下自动匹配最适宜的温控方案。这个功能听起来不复杂，但它背后的设计思维完全变了，传统空调设计逻辑是用户设温度，机器执行温度，交互界面围绕这个逻辑设计，旋钮按键屏幕都是温度数字的输入输出工具，而AI逻辑是用户不设温度，机器根据情境判断该给什么温度，交互消失了，或者更准确地说，交互前置了，从显性的手动操作变成隐性的习惯学习。设计对象从界面变成了行为模型，这对设计师的能力结构提出了全新要求，你得懂场景，懂情境变量，懂人的行为规律，而不是只会画界面排布控件。

支撑这些新能力的是工具链的全面重构。AIVA与火山引擎在合作初期便达成共识，以AI原生理念打造一款新车型，产品定义阶段双方就坐在一起，共同讨论AI硬件选型评审产品需求推敲设计方案，将AI原生从理念拆解为每一个可落地的技术决策。具体到设计团队，HMI设计团队借助ArkClaw搭建了专属设计助手，输入一份PRD文档，系统便能自动拆解用户旅程，直接生成视频Demo，过去需要耗费数天的工作，如今几分钟即可完成，研发团队则使用Trae来做coding，重构自动化测试链路，整体效率大幅提升。李博把这个过程比作淘金的升级，过去是产品经理边挖矿边淘金，现在是AI在前面挖矿，人在后面淘金，AI负责完成繁重的基础挖掘工作，人便可以把释放出来的精力投入到更需要创造力和深度思考的环节。

这个分工变化我把它看作设计师角色的二次进化。第一次进化是从造型师到系统思考者，工业设计从给机器画壳子扩展到统筹产品定义，这一次是从执行者到判断者，当AI能把用户旅程拆解和Demo生成这类工作几分钟做完，设计师的价值就必须往上游和深处走，往定义问题的地方走，往AI给不了判断标准的地方走。什么该自动什么该人工，什么要效率什么要温度，这些取舍本身就是设计决策。

火山引擎副总裁杨立伟曾将智能交互演进概括为三个阶段，从指令驱动到任务自主，再到物理融合。人机信任的建立也同技术演进的脉络高度呼应，具身智能稳定可靠地完成任务是建立信任的基线，在此基础上AI能够理解人的情绪意图和习惯，机器将从执行命令进化到感知状态，最后AI如果具备持续学习主动适应可解释决策的能力，人与机器将形成深度互动共同成长的状态。当前物理AI正处于功能信任向情感信任过渡的阶段，多数具身智能产品能在特定场景下自主完成任务，但面对开放复杂环境仍需要人类兜底。

从设计视角看，这个三阶段模型给出的是清晰的评价坐标。基线层的稳定可靠，考验的是设计冗余和容错，中间层的情绪理解，考验的是情境建模能力，最高层的共同成长，考验的是产品的可持续关系设计。李博说得透彻，信任是在一次次真实交互中层层累积出来的，AI真切看见你记住你，并在你真正需要的时候提供帮助，每一次反馈都贴合场景恰到好处，久而久之信任自然会建立。一旦这款车建立了伙伴式的信任，它将定义人与机器相处的模式，这份信任的确立也将比任何硬件参数更具有护城河的意义，毕竟模型参数技术发展可以复制和追赶，但人与机器之间的信任难以迁移。

我们做工业设计的人应该从这届大会读出一个信号，设计的价值坐标在变。过去我们谈设计的价值，谈的是好看，是差异化，是货架上的辨识度，未来谈设计价值，要谈的是信任建立，是场景理解，是长期关系的运营。创品千乘四力五维方法论在这方面的主张是一贯的，好看维解决的是第一眼的吸引力，但后面还有专利维合规维成本维量产维四个维度层层把关，这个评估框架放在物理AI产品上依然成立，而且权重结构在变，合规维在AI产品上对应数据合规与功能安全，成本维对应算力与供应链的持续投入，量产维对应跨过从Demo到批量的死亡之谷，这些维度的综合得分，才决定一台物理AI产品能不能真正走进人的生活。AI定义汽车的新范式，最终还是要回到设计对人的深度理解上，谁能用设计把信任做进产品里，谁就能在物理AI时代占据先机。

南京这边的情况我也想说两句，长三角的制造业企业这两年对具身智能和AI汽车的关注度明显升温，很多企业的决策者在观望，机器人和AI车到底哪条线值得投入。我的建议是，与其纠结追哪条赛道，不如先把场景理解这个基本功补上，物理AI的竞争本质是对人理解深度的竞争，这个判断放在企业侧同样成立，谁先把自己的场景吃透，把用户的行为规律摸清，谁就握住了下一阶段竞争的入场券。AIVA ME7将于2026年年内亮相，它作为为AI而生的全新物种，会为汽车产业的下一阶段竞争提供新坐标，我们不妨持续观察，当技术创新不再追求参数突破而是回归人类福祉，服务与满足人的真实需求，人机信任就能真正扎根，我们迎来的也不只是一款更好的车，而是一个机器学会看见人类人类也学会信任机器的新纪元，作为设计行业的老兵，我对这个新纪元充满期待，也深知这条路要一步一步用扎实的工程设计铺出来。