文章核心观点 - 具身智能（机器人）是AI发展的必然方向，当前（2025年初）正迎来关键的产业拐点，其标志是硬件供应链的成熟与算法能力的突破使得两者“拼图”开始对齐，行业从学术讨论走向产业共识[4][6] - 在具身智能的研发中，算法能力是先行和驱动因素，遵循“模型解锁场景，场景定义硬件”的逻辑，硬件能力的提升是算法突破后的结果[11][13][14] - 公司（原力灵机）选择了一条聚焦多模态感知、高质量真机数据和建立行业评测标准的务实技术路线，旨在构建可验证、可复现且能长期积累的算法能力体系[16][17][23] AI落地历程与当前拐点 - 过去十年AI主要完成了在“看”（感知）和“判断”（决策）领域的产业化落地，但智能仍停留在系统内，很少真正介入物理世界[2][3] - 2024年，由于大模型能力外溢、真机效果提升及头部厂商入场，具身智能首次从学术讨论走向产业共识，成为AI领域最受关注的新热点之一[6] - 2025年初，硬件与算法两块长期错位的拼图开始对齐：硬件侧，机器人关键零部件（如关节）国产化率明显提升，供应链在性能、稳定性和交付上逐步可用，使成本控制和快速迭代的不确定性大幅下降[7][8]；算法侧，Diffusion、Transformer等模型进入机器人动作生成与控制领域，使机器人能通过数据学习复杂行为，具备了系统性提升能力的基础[9] 具身智能研发的核心逻辑 - 在具身智能的早期研发中，算法先行是普遍逻辑，即便是硬件能力见长的公司，其关键突破也往往来自算法层面（如运动控制算法）[13] - 算法能力的突破会解锁新的动作能力，从而驱动硬件形态发生变化，即“模型解锁场景，场景定义硬件”[14] - 硬件研发有其客观周期，无法被简单压缩，而算法能力的迭代效率是决定整体进展速度的关键因素，具身智能是一场长期竞争[15] 公司的技术路线与策略 - 公司坚持多模态感知路线，在模型训练中不仅依赖视觉，还引入深度信息、力觉、触觉及声音信号，因为这些感知维度是机器人稳定、安全完成任务所不可或缺的[18] - 在数据策略上，公司强调“质量优先”，重点采集高质量的真机遥操数据，将数据采集作为一项严谨的工程来设计，以确保算法能力在真实场景中的稳定复现[19][20] - 公司认为行业缺乏统一、可信的评测体系，因此早期即投入精力联合Hugging Face推出真机评测平台RoboChallenge及相关开源工具（如VLA工具箱Dexbotic、开源硬件DOS-W1），旨在建立行业标准，便于技术比较和共识形成[21][23]