如果一家工厂需要的是每天完成一万次搬运，它为什么必须先买下一台机器人？
如果一个家庭需要的是每周几小时的家务服务，它为什么必须承担整台机器的价格、维修和闲置？
在 CES 2027 到来之前，我更想追问这两个问题。
机器人能做什么，决定技术的边界。客户能怎样购买它完成的工作，决定市场的边界。
Physical AI 的下一场竞争，可能发生在报价单上：从卖机器人，走向卖可验收的工作。
一个行业怎样换掉账单上的分母
我们已经习惯购买千瓦时、云计算用量和模型 Token，而不必为每一次使用都自建电站、机房或模型集群。
这些单位并不完全相同。千瓦时计量能源，云计算用量计量资源，模型 Token 计量模型处理的离散内容单元。它们都不直接保证客户获得了多少经济价值。
但它们共同降低了一个门槛：客户可以按需要获取能力，资产的配置与运维由专业服务商承担。
机器人也在探索这种模式。GXO 与 Agility Robotics 在 2024 年宣布的多年合作采用 Robotics-as-a-Service。但服务化只是起点：长期租赁、按小时使用与按合格任务结算，仍然是不同的合同。合作公告
对客户而言，机器人运行了一小时，和它在这一小时完成了约定工作，之间还有一张验收单的距离。
从数字、比特、Token，到 Proken
我希望用这条线索理解下一步：
数字让数量可以表达，比特让信息可以编码，Token 让模型能够处理内容；Proken 则尝试让物理工作可以被记录、核验和结算。
这是一条把数量表达、信息编码、模型处理与任务交易联系起来的叙事线索，并非严格的技术代际或科学分类。数字是一种抽象表达，比特是二进制信息单位，模型 Token 是分词或其他编码方案产生的单元。它们处于不同层次，并且会继续共存。
Proken，是我为这个讨论提出的名称：Productivity Token。
它目前是一个设计提案，不是已经通行的行业标准。名字里的 Productivity 表达方向；严格地说，它首先计量的是合格工作量。只有把质量可比的产出与相应投入比较，我们才能讨论生产率：例如每人工小时的合格产出；若同时考虑资本、能源等投入，则还需要一致的核算方法。
先把“一件工作”说清楚
一度电可以用于不同设备，但“一次搬运”并不是天然标准化的产品。
把轻箱子移动两米，与把易碎品搬上楼，不能因为都叫搬运就记成同一种工作。任务对象、路线、负载、时限、安全和损坏标准，都必须事先约定。
因此，Proken 应从具体场景的任务目录开始，而不是一开始就宣称统一所有劳动。
例如，在同一仓库的一条固定线路上，双方约定：指定重量范围内的箱子，在时限内从 A 点送到 B 点，位置正确、包装无损，并满足安全要求，才算一个合格任务。
机器人执行了 100 次，其中 92 次验收通过。若该类任务约定为每次 2 Proken，本次记录就是 184 Proken。
这组数字只是示例。关键在于：先定义验收，再计算工作量。
失败的 8 次不进入这份合格工作量账，但它们消耗的电力、时间、维修和人工接管，必须进入成本账。失败是否收费、客户原因怎样处理、是否支付保底服务费，则由合同决定。
初步可以把计量方法写得很简单：
合格工作量 = 各类已验收任务数量 × 各自约定的参考权重，再求和。
权重可以参考标准人工工时，也可以参考行业已有的件数、面积、吨公里等单位。人工工时是一种比较基准，不能机械地变成市场价格。如果标准工时已经反映任务难度，就不应再随意叠加一个“复杂度系数”，重复放大工作量。
同一任务规格下，人形、轮式机械臂或其他兼容设备，应能按同样的验收规则交付。客户由此获得选择设备的自由。
跨场景折算则需要更多条件。清洁与搬运可以出现在同一账单上，但把它们相加，并不意味着两种服务在任何地方都可以互换。
碎片化订阅：把购买门槛从一台机器降到一份需求
“碎片化订阅”指向的，是一种更细的购买方式。
客户可以订阅每天两小时的服务窗口，也可以购买每周五百次合格搬运，或者把需求提交给一个兼容设备组成的机队，由运营商调度交付。
这不要求每位客户拥有一台完整的机器人。对小企业而言，它可能意味着不用先承担整台设备的资本开支，就能试用自动化能力；对运营商而言，它意味着需要把多个客户的需求组织成足以养活机队的订单。
共享的边界同样明确。
机器人必须在现场完成现场工作。一个园区内的错峰订单，有机会提高利用率；相距很远的家庭订单，则可能被运输、重新配置和等待成本吞掉收益。
软件可以并行服务很多用户，一台机器人在同一时刻通常只能占用一个物理位置、执行有限任务。把入口做成云服务，并不会消除这个约束。
所以，碎片化订阅最值得先验证的地方，可能是同一仓库、工厂、园区或社区中的重复需求：任务相近、距离较短、能够错峰，且验收标准清晰。
资产共有则是另一项设计。购买服务额度，与持有机器人资产并分享收益，代表不同权利，应当分开说明。
让每一份工作经得起成本核算
卖出一台机器人，厂商获得一次设备收入。持有一组机器人并持续交付，运营商需要先支付设备与部署成本，再逐步收回资金。
收入更持续，现金压力也可能更大。
一份有说服力的商业报表，至少应回答五个问题：
- 可服务时间里，有多少真正转化为合格工作？ 把等待、维护和切换都算进去。
- 每单位合格工作的完整交付成本是多少？ 包括人工支持、失败重试、能耗、维护和设备折旧。
- 客户为什么续订？ 因为持续节省成本、提高质量或获得以前买不起的能力。
- 谁承担闲置与故障风险？ 设备商、融资方、运营商与客户之间需要明确分配。
- 前期投入何时能由现金流收回？ 会计毛利与可用于偿还投资的现金不能混为一谈。
按结果收费有机会使双方利益更一致，但也会出现新问题：运营商是否只挑简单任务？验收方是否拖延确认？客户临时改变环境，损失由谁承担？
标准任务目录、异常处理、抽检和争议机制，应当和机器人一起交付。
CES 2027，我想寻找怎样的信号
我会关注舞台之外的四件事：
- 企业能否拿出明确的任务规格与验收标准。
- 连续运行的数据里，是否披露人工接管、失败和停机。
- 订单能否覆盖包含维护与融资在内的真实成本。
- 客户能否购买适合自己的任务额度，而不必承担整台设备。
如果这些问题开始有清晰答案，Physical AI 就会多一种增长方式：客户不需要先相信一个遥远的机器人未来，只需要相信下一份任务能够按约定完成。
Proken 可以先是一套工作量记录方法。它是否进一步成为跨平台结算工具，甚至一种加密资产，是下一篇要讨论的问题。
先让工作的结果可信，再让购买工作的方式普及。
你所在的行业，有哪一项工作已经足够清晰，可以按验收结果购买？