物理 AI（physical AI） 直接作用于物理世界的一类 AI 系统——机器人、视觉质检、产线控制、自主物流设备；与只产出 token 的知识工作 AI 相对。Deloitte 调查：58% 企业已在用，两年内预计到 80%。
价值科目 判断一个 AI 场景「价值长在哪个台账上」：知识工作是工时台账，物理 AI 是停机、节拍、良率这类运营台账。用错科目，ROI 必然算错。
物理 AI 正在成为工业运营的默认层，但多数企业还在用知识工作的计算器给它记分。Deloitte 2026 年调查显示，58% 的公司已经在用某种形式的物理 AI，两年内这一比例预计到 80%。这是 AI 采用的重心从屏幕上的 token 转移到车间产线的结构性变化——而 ROI 框架还停在「每人省几小时」。
证据：物理 AI 已经过了试点阶段
Deloitte《State of AI in the Enterprise》2026 版（2025 年 8-9 月访问 3,235 位总监至 C-suite 负责人，覆盖 24 国、6 个行业）给出两个关键数字：58% 的公司已经在用物理 AI；预计两年内升至 80%。采用最强的行业是制造、物流与国防，亚太区增长最快（Deloitte 自述口径）。
同一份调查里，AI 的重心变化还有两个佐证：77% 的公司把「原产地」纳入供应商选择，接近 3/5 的公司主要用本地厂商搭 AI 栈——AI 越来越多地绑定在真实资产与供应链上，而不是绑定在某个云 API 上。物理 AI 不是「新兴技术」了，它是运营层正在默认化的东西。
我们的判断：套错计算器，两个决策都会错
知识工作的 AI ROI 是一道算术：节省的工时 × 时薪 = 回报。这套算法的隐含假设是「价值长在人力台账上」。物理 AI 不成立——它的价值科目是停机时间、节拍（cycle time）、良率/缺陷率、设备利用率、安全事故，一套资本与运营台账。拿工时计算器去记运营台账，结果必然被系统性低估。
低估会连锁造成两个决策错误。第一，预算不足：物理 AI 的试点看起来「不划算」，因为回报科目算错了，于是投入停在手工补丁。第二，误判失败：物理 AI 的投资形状更接近资本开支——产线改造、传感器、系统集成——回本曲线比云上 token 更陡更慢。斯坦福数字经济实验室对 51 个真实部署的复盘给出同一个解释：每 1 美元有形投入对应最高 10 美元的无形投入（流程再造、变革管理、数据地基），低谷期更长；低谷越深，越容易被「三个月没见效就砍」的旧计量法处决。
行动清单：换台账，先测基线，再谈回报
① 换台账
把物理 AI 的 ROI 从「工时 × 时薪」换成「机器小时 × 产出」。价值科目先定对，再谈数字。
② 先测基线
OEE、节拍、一次良率、安全事件——先记录改造前的当前值，AI 前后的对比才是 ROI 的分子分母。
参考来源：Deloitte 新闻稿（2026-01-21 达沃斯，调查 2025-08 至 09 进行，厂商口径）https://www.deloitte.com/us/en/about/press-room/state-of-ai-report-2026.html · Deloitte《State of AI in the Enterprise: The Untapped Edge》报告 https://www.deloitte.com/us/en/what-we-do/capabilities/applied-artificial-intelligence/content/state-of-ai-in-the-enterprise.html · 斯坦福数字经济实验室《The Enterprise AI Playbook》（2026-04，51 个部署）https://digitaleconomy.stanford.edu/app/uploads/2026/03/EnterpriseAIPlaybook_PereiraGraylinBrynjolfsson.pdf
常见问题
物理 AI 为什么不能沿用知识工作的 ROI 算法？+
知识工作的回报等于工时节省乘时薪——劳动替代算术。物理 AI 的价值科目是停机时间、节拍、良率与设备利用率，是一套资本与运营台账。用「每人省几小时」给物理 AI 记分，价值会被系统性低估。
Deloitte 的 58% / 80% 是什么口径？+
Deloitte《State of AI in the Enterprise》2026 版：2025 年 8-9 月访问 3,235 位总监至 C-suite 负责人（24 国、6 个行业），58% 的公司已经在用某种形式的物理 AI，预计两年内升至 80%，制造、物流、国防领跑（Deloitte 自述口径）。
物理 AI 的回报低谷为什么更深？+
物理 AI 的投资形状更接近资本开支——产线改造、传感、集成——不是云上 token。斯坦福对 51 个部署的复盘显示，每 1 美元有形投入对应最多 10 美元无形投入，低谷期更长；低谷越深，越容易被旧计量法误判为失败。
该用什么指标立项和评估物理 AI？+
按运营台账记分：OEE（设备综合效率）、节拍 cycle time、一次良率 first-pass yield、安全事件数。先测改造前基线，再对比 AI 前后——而不是先算「省了几个人的工时」。
OOMeta 怎么判断一个 AI 场景的 ROI？+
先定义价值科目：这个场景的价值到底长在哪个台账上？再谈回报。这条原则对知识工作成立，对物理 AI 是极端情形——用错科目，立项与砍项目两个决策都会错。
