具身智能与机器人发展路径 - 公司目标是实现通用AI与通用机器人的结合，使其能在工厂或家庭中完成各种任务 [9] - 机器人发展的ChatGPT时刻定义为：能在陌生环境中根据自然语言指令完成任务 [10] - 技术路线图分为四个阶段：固定动作演示（已实现）、实时生成任意动作（预计2024年底/2025年初实现）、陌生场景执行任务（预计2025年底实现）、高成功率精细操作（需数年，目标成功率99.9%） [11] 机器人硬件与芯片挑战 - 行业目前可能低估了芯片对机器人的重要性 [15] - 通信协议优化是减少线缆的关键，工业机器人60-70%的故障源于线缆问题 [16] - 机器人硬件面临空间限制，高算力芯片难以安装，同时存在电池容量和散热难题 [20] - 具身智能设备峰值功耗需控制在100W以内，平均功耗20-30W，手机芯片在机器人应用上具有想象空间 [21][22] 行业协作与开源策略 - 行业处于黎明前夜，因技术路线差异大导致整体进展缓慢 [23] - 在模型尚无法直接部署的阶段，倡导开放态度，公司已开源其世界模型，包括权重、数据集及训练代码 [23][25] - 在AI领域需保持谦卑和学习态度，避免被过往经验限制创新 [28] 端侧AI与Agent发展 - Agent形态正从云端向端云协同演进，端侧模型具备“永远在线”、响应快和隐私保护优势 [31][32] - 端侧模型将成为Agent系统的核心编排者，负责感知用户需求并与云端模型协同 [34] - 端侧模型需持续提升知识密度，目标每三个月提升一倍，与芯片、终端深度协同至关重要 [35][36][38] Agent的服务本质与生态整合 - Agent的核心竞争力在于其提供服务的能力，选择Agent如同选择操作系统，取决于其服务生态 [42][43] - AI基于对话的自然交互模式有望打破PC、手机等终端的生态孤岛，成为统一交互模态 [41] 行业标准与基础设施共建 - 当前AI应用碎片化严重，缺乏跨终端的统一AI OS或Agent Framework [44] - 未来可能形成以Cloud OS为核心、终端Agent协同的新时代操作系统架构 [45] - 行业需通过产业共建推动基础设施发展，例如通过联合实验室优化混合AI方案 [46][47]