跨维智能提出Physical Token经济学 聚焦降低新能力边际成本
这篇用成本视角解释具身智能规模化，核心是看新技能获取的边际成本是否递减。
跨维智能在WRC论坛提出Physical Token经济学，将机器人智能生产能力转化为可核算的单位，主张用“获取新能力的边际成本”衡量规模化前景，并分享DexVerse仿真引擎等降本路径。
正文摘录
.jpg) 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。 跨维智能创始人兼 CEO、香港中文大学（深圳）教授贾奎，智象未来创始人兼 CEO、加拿大工程院外籍院士梅涛，大晓机器人董事长、商汤科技联合创始人王晓刚，清华大学计算机系副研究员苏航，香港中文大学（深圳）— 深圳河套学院双聘助理教授刘桂良，以及来自地瓜机器人、临界点、智在无界等公司的算法和技术负责人齐聚现场。 从生成式世界模型、具身数据和基础模型，到跨本体学习、仿真训练和真实场景部署，论坛将物理 AI 领域的多条技术路线放在了同一个议程中。路线虽然不同，指向的问题却高度一致：物理 AI 如何从「理解世界」走向「完成任务」，又如何从少数成功的 Demo 走向可持续的规模化落地。 论坛现场，贾奎发表 Physical Token 经济学 主题演讲，从一笔「能力成本账」切入，系统阐释了 Physical Token 概念，以及如何衡量可靠物理智能的生产成本。  6 月底，跨维智能宣布 完成 10 亿元 B 轮融资，投后估值超过百亿元 ，加速物理 AI 赛道头部竞争。