行业发展趋势与共识 - AI技术本身没有泡沫，是下一次技术革命最可能的驱动力，当前担忧源于技术实际水平与资本热度、公众期待不匹配 [3] - 2025年下半年以来AI技术发展加速，新技术突破及多模态技术呈现井喷态势，但公众感知滞后源于技术产品化有周期及缺乏现象级国产模型产品 [4] - 资本市场已用行动证明各方对具身智能的未来达成共识，技术、产业处于螺旋式上升阶段 [1] 具身智能发展路径与策略 - 具身智能发展应先用专用模型在特定场景落地，形成数据闭环，再逐步向通用化发展，而非一开始就追求“万能具身” [1][5] - 机器人时代可能遵循AI 1.0发展路径，先用小的专用具身智能模型进行场景化落地，使产业跑起来，让公司活下来 [5] - 创业公司应聚焦真实用户需求与场景，将单个场景打磨到稳定可用，实现机器人长时间工作不出意外，避免初期追求“万能具身”的高风险做法 [7] - 行业最大确定性是未来两三年机器人不会进入消费级家庭场景，产品需从“可用”进化到“好用”，关键是通过真实需求驱动的规模化量产实现硬件迭代与良性循环 [9] 技术研发与产业分工 - 智源研究院作为新型研究机构，定位为向创业公司提供“安卓操作系统”式的基础模型，承担前期探索风险，让企业专注硬件和具体问题 [1][7] - 智源研究院致力于研发高泛化性、能解决复杂任务的基座模型，并与企业合作，在不涉隐私基础上共享数据以迭代优化模型 [6] - 创业公司离用户真实订单、场景和需求更近，专注解决“最后一公里”的落地问题，如让机器人做分拣、搬运、装配 [6] - 实现具身智能从遥控到自主的核心是解决数据和模型泛化问题，遥控演示常是为特定任务采集高质量示范数据的过程 [5] 关键成功要素 - 高质量规模化数据重要，但形成真正的数据飞轮更有价值，这需要将数据、模型和场景深度绑定 [6] - 具身智能是交叉领域，需要从业者具备长期信念和共识，并能坚持探索，同时需要高密度、软硬件结合、多学科融合的团队进行快速迭代 [8] - 产业发展需要高校、企业及新型研发机构各司其职，共同构建创新生态，资金和机制也很重要 [8] - 特定场景或任务需做到99%以上的准确度，并能长时间运行机器不发热、硬件不损坏，以形成数据闭环 [5]