AI 一伸手碰實物，考的是最差那一次

機械手要把滾進沙發底下的球取回來，這個日常動作被拆成六層。托卡馬克裝置（用磁場關住高溫電漿的核融合裝置）的控制系統，得在萬分之一秒內調整磁場。今天三篇 WAIC 觀察筆記有一條共同的線：AI 的輸出從文字變成動作之後，評分方式整個換了。

一、物理智能分六層，AI 缺的是付過代價的經驗

發生了什麼：916 用「機器人取回滾進沙發底下的球」拆出物理智能六層。第一層是知道球沒有憑空消失（物體恆存），第二層掌握它在哪、多大、被什麼擋住，第三層預判碰它之後會往哪滾。第四層知道這顆球對自己的用途，第五層分辨「現在」與「想要」的差距並主動行動，第六層是動作分寸，例如伸進去的角度與握力大小。這條階梯的重點在於，語言模型能背出「杯子掉地上會碎」，卻從沒接住過杯子，也沒為打破杯子付出過代價。

原理：人類的物理常識是三歲前摔杯子、跌跤、被燙到累積出來的，文字習得的知識缺的是承擔後果的那一半。

怎麼用：驗收一項能力能不能交付，就問它有沒有付過代價，只讀過文件的人和線上出過事故的人，對同一份 SOP 的理解是兩回事。看到被籠統描述成「一件事」的能力，也先拆層，每一層都可能是獨立的切入點。

何時不成立：任務沒有物理後果時，例如整理文件摘要，「能講清楚」本身就接近交付，不必追問有沒有付過代價。

二、物理世界看最差表現，95% 與 99.9% 是兩條賽道

發生了什麼：916 歸納 AI 落地實體場景要過四關：理解世界、極致可靠、綜合成本、治理適配。可靠性的例子最極端，托卡馬克要用磁場關住上億度的電漿，目前 AI 對大破裂（電漿失控的事故）的預測準確率約 95%，仍要往 99.9% 衝。成本關是水表電表的問題，AI 進物理世界要面對能耗、水耗與硬體的真實帳單。治理關把國家 AI 能力拆成「發展能力」與「治理能力」兩軸，並提醒不能用免費服務的用戶規模高估實際價值。

原理：從 95% 推到 99.9%，通常不是原方法再加把勁，而是要換方法、加冗餘、加人類覆核。

怎麼用：看到「已經 95%，再努力一下就好」的路線圖，先追問剩下那段差距的成本結構。低風險場景可以優化期望值，高風險場景要優化最差的那一次。

何時不成立：後果可以重來的場景不成立，例如聊天框裡答錯了重問一次，這時平均表現就夠用。

三、五個落地案例：避險比省錢更好賣

發生了什麼：915 走訪的五個案例都在國企與公共服務單位的冷門位置。補銷機器人 20 分鐘完成幾十米高塔的作業，巡檢機器狗能走 60 度斜坡，斷網時還能自組通訊。氣象預警做到 1 公里精度，某次颱風提前 108 小時預測登陸點，誤差 50 公里。遠洋定位在衛星受干擾時 5 秒算出船位，誤差 2 海里內。電子病歷用一個模型生成、一個模型校驗來壓制幻覺（模型編造內容的現象），語料平台則整理醫院、銀行、工廠、政府那些從不上網的非公開資料。歸納出的兩種壁壘是資料很深（藏在行業日誌與老師傅經驗裡）和入口很實（通用模型進不去鐵塔、船舶與醫院系統）。同一集的兩份摘要，對中遠海運定位系統的人機邊界寫法不一致，一份說最終航行決策仍由船長做出，另一份說船員無需掌握複雜的傳統技能，這點尚未回原文確認。

原理：省錢的價值連續、可比價，隨時能被更便宜的方案取代，避險的價值離散且不對稱，一次沒避開就全賠，所以付費意願更強。

怎麼用：做方案時，把敘事從「幫你省多少」換成「幫你不會發生什麼」。切分人機權責時，容錯時間長的環節（如預測）多交給 AI，不可逆的環節（如即時操作）讓 AI 只出建議，判準是錯了還來不來得及改。

何時不成立：損失很小的場景，客戶仍會先比價格，此時省錢的敘事照樣有效。

四、固定四題的流水席，意外拼出具身智能產業鏈

發生了什麼：914 記的是 WAIC 首日，1100 多家參展、10 萬平方米。直播間只有一張桌子、一個 10 分鐘沙漏和一疊邀請卡。每人 10 分鐘，統一回答四題：做什麼產品、做到什麼程度、AI 帶來什麼行業變化、未來 1 到 3 年最期待 AI 做成什麼。原本各說各話的展示，被拼成完整的產業鏈：四足整機、通用大腦、工業運維智能體、靈巧手、微型減速器、虛擬訓練平台等。其中靈巧手砍掉 95% 花俏功能只做抓握，最低售價 3500 元人民幣，減速器價格降到日本同類的 1/4。作者提醒現在仍非常早期，個人與企業還有 2 到 3 年的窗口期。

原理：壓縮時間、固定問題，比充裕時間加自由格式更能問出真實資訊，因為前者沒有鋪陳與敘事策略的空間。

怎麼用：整理任何領域的碎片資訊前，先統一提問結構，再談彙整。對一群人做訪談時，縮短時間、固定題目，並讓每個人回答同樣的問題。

何時不成立：要探索尚未成形的新問題時不成立，固定題目會框死答案，這時需要留出開放的時間。

今天的主線

過去兩年評價 AI 靠跑分，衡量的是最好那一次的表現。AI 的輸出變成動作之後，物理世界衡量的是最差那一次的後果。這帶來三個位移：能力從「知道」走向「做得到」，壁壘從模型多強轉向資料多深、入口多實，商業邏輯從省錢轉向避險。

本文數據引自所列來源之解讀內容，未逐一回查原始報告。

來源

• 〈916｜WAIC觀察筆記：當AI離開聊天框，聰明已經不是唯一考核標準〉，得到 App
• 〈915｜WAIC觀察筆記：五個真實行業案例，看AI落地的縱深處〉，得到 App
• 〈914｜WAIC觀察筆記：一場熱氣騰騰的流水席，三層關於機器人的新感受〉，得到 App