定义
物理AI产品管理，是把作用于物理世界的人工智能——机器人、自主机器、工业感知系统、联网车辆、能源硬件——从可运行的原型，带到人们可以购买、操作并依赖的产品的专业领域。它与传统AI产品管理有一处决定性差别：出错的代价是物理性的，且很少能廉价撤销。因此决策由安全性、合规性、现场可维护性与单位经济性来把关，而不仅仅由交付速度决定。
演示不是产品。在受控环境中可用的系统，与客户能够运行、维护并认证的系统之间存在距离，项目可能就卡在这段距离里。物理AI产品管理，就是有意识地弥合这段距离，而不是等到很晚才发现它。
软件产品管理假定产品在交付后仍可低成本、持续地修改。机器人与系统工程假定需求已经给定，任务是满足它。物理AI处在两者之间：由于行为是习得的而非规定的，需求确实不确定；由于是物理部署，落地确实昂贵。两个母学科都未能完整提供决策框架，因此团队往往临时拼凑一个——有时是在试点已经停滞之后。
这三种角色在组织架构中很容易被混为一谈。它们优化的目标不同，失败的方式也不同。
| 学科 | 负责范围 | 优化目标 | 典型失败 |
|---|---|---|---|
| 传统AI／软件产品管理 | 功能范围、路线图、发布节奏 | 迭代速度与使用指标 | 把能力很强的模型交付到既无法运行、也无法维护它的环境中 |
| 机器人与系统工程 | 架构、集成、对照规格的验证 | 针对既定需求的技术性能 | 精确地造出规格所写的东西，而该用途在商业上从未成立 |
| 物理AI产品管理 | 从原型到可维护、合规、可销售产品的路径 | 系统在真实现场、操作者与监管方面前存活下来的概率 | 过度看重成熟度，拖慢了本已具备交付条件的项目 |
阶段名称是熟悉的。改变的是每个阶段必须回答的问题。
应当存在什么，为谁而存在？
愿景必须指明物理环境。“仓库”不是环境；地面状况、照明、网络覆盖、班次节奏，以及现场还有谁，才是环境。
在哪里参与竞争，如何取胜？
护城河很少来自模型本身，而是来自现场采集的数据、集成的深度，以及竞争对手难以快速复制的合规证据。
问题是否真实，方案是否被需要？
探索必须包含操作者与维护技师，而不只是采购方。操作者不信任的系统会被关掉，无论其准确率多高。
我们能否可靠地把它造出来？
可靠性以工作循环衡量，而非以测试集衡量。99%的成功率意味着大约每一百个循环出现一次失败——而机器一个班次可能运行数千次。
客户是否真的能够采用它？
上市就绪包括安装、调试、备件、操作培训，以及监管方、审计方或保险公司会索取的证据文件。
第二次部署是否比第一次便宜？
如果每个现场都需要定制调校，那就不存在产品——只存在一门附带机器人的咨询生意。
每道关口都是一个具有可证伪答案的问题。它们是诊断性的，并非穷尽性的。无法回答其中之一的项目，是找到了下一项工作——而在安全或合规上，未通过的关口是停下来的理由，不是往后排的理由。
它在开发环境之外还能运行吗？
→ 在团队未曾准备的现场运行，由并非建造者的人操作。
在实际运行节奏下，整整一个班次，反复运行，它撑得住吗？
→ 衡量每千次循环的故障数，而不是基准测试上的准确率。
没有参与建造的人能让它持续运行吗？
→ 让技师仅凭文档，诊断并排除一个预先植入的故障。
我们是否清楚哪些义务适用，并且能够出示证据？
→ 指明适用法规，并展示针对每一项所汇集的证据——在合规评估有此要求处，附上有资质的专业意见。
利润率能否经受安装、支持与物流？
→ 核算第二次部署的成本，而不是第一次。
本页定义的是一种实践，而非一项标准。“物理AI”是尚无公认行业定义的新兴术语，它与相邻领域——机器人、嵌入式系统、工业自动化、信息物理系统——之间的边界存在争议，并将继续变动。五道关口是工作框架，不是认证体系。本页内容均不构成法律或监管建议；凡涉及法规之处，请查阅原始文本并咨询有资质的专业人士。