核心观点 2026年世界机器人大会(WRC)是中国具身智能产业全球地位转折点，中国角色从制造与量产优势转向参与模型与技术路线定义，海外开始正视中国具身智能的全球地位[2][7][8] 中国具身智能产业地位变化 - 中国不再只是追赶者，开始提供可被全球比较的新样本，多个环节出现超过海外产品或不同技术路线[8][9] - 2024年是重要分水岭，大模型开始介入机器人感知、决策与控制，机器人被看作智能进入物理世界的载体[13] - 海外企业从整机舞台主角变成零部件供应商、合作伙伴和论坛嘉宾，2026年大面积核心展位由中国整机、具身模型企业占据[14] - 海外媒体开始报道评论称中国可能主导Physical AI，感叹“中国正在成为人形机器人技术中心”[14] - 第二届世界人形机器人运动会紧随WRC2026举办，中国机器人在百米、400米、跳高等项目打破纪录引发海外关注[15][16] 世界模型与RSI - 几乎每一家头部具身公司都在谈世界模型，但技术路线尚未收敛，包括视频生成、动作与动力学建模、仿真与真机迁移、世界动作模型等方向[19] - 锦秋基金被投企业章鱼动力展示SYNWorld，莫刻机器人围绕Physical AGI世界模型展示互动，极佳视界展示GigaWorld-1，大晓展示Kairos 3.1[19] - 锦秋基金于2023年投资生数科技，生数从视频生成Vidu出发，五级路线图从L1“生成世界”推演到L5“世界组织者”[22] - 生数科技创始人朱军认为迈向L4和L5需突破六项关键挑战，包括建立联合评测体系、学习真实物理规律、形成持久记忆、实现在线学习、高效闭环部署、强化安全可控[26][27] - 头部公司开始追问RSI，宇树科技展示“物理AI机器人自进化V1.0”预研框架，由AI大模型驱动自动搜索论文、编写控制代码、仿真验证、真机测试并闭环迭代[29] - 宇树科技王兴兴在WRC2025提出世界模型生成式路线值得关注，WRC2026再次提出要关注物理AI的RSI[30] 数据卡点与数据采集 - 有效数据scaling是当前具身智能最难绕开卡点，行业反复讨论“缺数据”[32] - 当前具身智能最大瓶颈不在算法而在数据，如何规模化获取高质量真实世界数据[33][34] - 自动驾驶用千万级clips才做到L3，具身智能环境多样性、任务复杂度高出数个量级，数据量预计需数千万甚至上亿小时[34] - 数据生产系统先定义任务再选择采集方式，完成治理、训练与评测后部署机器人，运行数据回流下一轮[34] - 章鱼动力同时展示第一视角头环、肌电手环和触觉手套，分别记录环境、动作、发力与接触信息[34] - 星海图、自变量、基元机器人、奥比中光、他山科技与千觉机器人也展示相应产品[35] - 鹿明机器人把NexCore定位为技能生产工具，接入真实、仿真和视频数据完成训练与评测后部署机器人[35] - 行业未形成公认数据配方，预训练押注human data，后训练弥合仿真与真实物理gap依赖真机数据[36] - 客户标准不断变化、数据价格下降、外部数据经常无法直接使用，供应商必须能理解客户模型和训练目标[37] - 章鱼动力发布“脑-手-数据”全栈产品，OctoSense数采方案肌电手环仅80克重，通过SynEMG肌电大模型恢复手部姿态与发力状态[39] - 章鱼动力实现全球首次肌电跨个体零样本泛化，肌电不再“一模一人”[39][41] - 肌电补上数采“力”的维度，2026年ForceBand论文报告腕带式sEMG力预测误差降低超过50%[40] 灵巧手与触觉 - 灵巧手比较维度已不只是自由度、速度和负载，更关键问题是能否稳定接收模型输出、采回触觉与力觉、进入同一套训练评测流程[42] - 高自由度灵巧手仍是类人操作重要形态，直驱、腱绳、连杆与混合驱动存在工程取舍，触觉仍在视触觉、压阻、电容、压电等路线寻找量产解[45] - 章鱼动力把OctoH-Hand、OctoSense与SYNWorld放在同一套产品组合中，他山科技把触觉采集、视触训练、指套、芯片和仿真工具一起展示[45] 生产型机器人去完整人形化 - 一些有价值场景往往只需要有限任务集，围绕任务重新设计采集方式、数据集和本体，先让模型在小闭环稳定运行可能更快形成商业结果[46] - WRC现场轮式双臂、轮式半人形、固定式双臂和半人马构型集中出现，星尘T1、鹿明MOS2、无界动力K15、优理奇Panther、自变量量子系列和星海图R1形态不同[46] - 星尘智能T1有23个自由度（不含末端），单臂负载5公斤，末端最高速度超过10m/s，起售价8.99万元[46] - 未来市场可能分两类：服务研究、技能迁移和开放环境的完整人形平台；为具体岗位优化、保留类人操作空间的生产机器人[47] - 对生产型机器人而言，“更像人”不是目标，用更少结构稳定完成更多工作才是目标[48] 仿生脸与情感交互 - 对于陪伴、导览、文娱与康养场景，目光、唇形、头部运动与对话节奏决定用户是否愿意继续互动[49] - 锦秋基金于2025年投资首形科技，相关团队研究于2026年1月发表于《Science Robotics》并登上封面[49] - 首形科技展示“精灵·璇 2.0”，通过视觉和语音感知周围环境，观众移动时调整头部与目光并完成实时对话[49] - 首形科技创始人胡宇航认为人类与机器人关系最终需通过面孔、声音与在场感建立[49] - 更多团队如北京通用人工智能研究院Imago通像、优必选U1开始在仿生脸上投入更多精力[50] - 表演和交互是具身智能第一阶段落地重要场景，厂商在“仿生人脸”投入还会加强[50] 乒乓球机器人涌现 - 今年现场不止一家公司展示自主乒乓球对打，机器人需在不到一秒内完成“看见—预测—决策—移动—击球—恢复”[51] - 多家公司同一年走到乒乓球背后有公开研究与工程平台推动，包括SpikePingpong、HITTER、HOPE、SMASH等[51] - 乒乓球能证明快速感知、预测和全身控制形成闭环，但下一步要看陌生对手与旋转球适应、连续运行时长、失败恢复等[51] - 自2024年起模仿学习引导结合强化学习训练范式成为主流路径，人形机器人全身控制能力实现质的飞跃[52] - 机器人跳舞、武术、打乒乓球、打网球都是强化学习带来运动控制技术飞跃的体现[52]

以下文章来源于硬氪 ，作者邱晓芬 文 ｜ 邱晓芬 编辑 ｜ 袁斯来 来源｜ 硬氪（ID： south_36kr ） 封面来源 ｜ 企业供图 直到现在，未来不远的创始人张翼还会偶尔想起5年前地中海海边，那群发呆的海鸥。 他刚经历了普通人难以想象的大起大落。2021年6月，张翼创办的"掌门教育"登陆纽交所。上市首日，公司的市值一度冲破30亿美金。春风得意之时，这家 在线教育公司在全国有十万名员工、六七万名老师，服务超过100万个家庭。 当时的张翼只有31岁。 转折点发生在48天后。"双减"靴子落地，中国在线教育行业几乎一夜归零。三个月内，"掌门教育"一口气裁掉了10万名员工。一年内，公司又启动了退市程 序。 "当时非常depress（低落），不知道自己还能干嘛"。他在全世界漫无目的地"流浪"，直到来到了地中海某个城市。 他每天待在酒店里看海景，不远处海滩，一群海鸥也总在看海景。忽然有一天，张翼看着海鸥，心里有些恐慌："如果这样无所事事生活，我和地中海的海 鸥有什么区别？" 硬氪 . 专注硬件、硬科技、全球化报道。36氪旗下官方账号。 张翼立刻买机票飞去了硅谷。 当时，GPT-3已经出现，ChatGPT尚未发布，在 ...

核心观点 - 蔚来智能驾驶负责人任少卿已创立物理AI基础模型和具身智能独立公司，蔚来将进行战略投资并合作，此举是车企通过投资方式保持与AI、顶级人才连接的行业趋势体现 [3][2] 蔚来与任少卿新公司的关系 - 2025年8月24日，蔚来CEO李斌在智驾全员会上宣布，任少卿已创立物理AI基础模型和具身智能独立公司，蔚来将战略投资并与之合作 [3] - 会议简短，未提及组织架构变动，李斌和任少卿明确表示任少卿将继续担任蔚来智能驾驶业务负责人 [3] - 新公司已完成注册，估值达到独角兽级别 [4] - 蔚来长期关注AI前沿技术，以自主研发与开放合作并重的方式进行产业布局，通过战略合作、产业协同等方式围绕具身智能、算法模型、智能硬件、新能源与算力基础设施等方向支持创新企业发展 [6] 任少卿在蔚来的贡献 - 2020年加入蔚来后，任少卿推动蔚来高阶智驾的量产自研，经历了智驾算法从传统模块化方案向端到端、世界模型等新架构演进 [6] - 参与推动了蔚来自研智驾芯片神玑NX9031的量产落地，芯片硬件平台从4颗英伟达Orin芯片切换到1颗自研神玑芯片 [6] - 蔚来从2023年启动世界模型研发，2024年发布应用于智能辅助驾驶的世界模型，2025年开始量产推送 [6] - 2025年6月，蔚来完成世界模型新版本推送，覆盖超过70万用户，新版本将技术框架升级为“世界模型+监督微调+闭环强化学习”，外采芯片和自研芯片平台同步发版 [6] 任少卿的学术背景 - 2025年9月，任少卿加入中国科学技术大学，担任讲席教授、博士生导师和通用人工智能研究所所长，研究方向包括人工智能、世界模型、具身智能、深度学习和AI for Science等 [7] 行业趋势与人才流动 - 智能驾驶是AI在物理世界中最成熟的大规模落地场景之一，与具身智能在感知、预测、规划、控制、世界模型和强化学习等底层能力上存在连续性 [7] - 过去两年，越来越多自动驾驶和智能驾驶人才流向机器人行业，与技术迁移有关 [7] - 技术骨干们越来越选择在车企之外创业，车企需要保持与AI技术与人才的链接 [7] - 理想战略投资了第二产品线总裁张骁、AI首席科学家陈伟创立的具身公司斜跃智能 [7] - 小鹏孵化的机器人公司于今日宣布完成首轮超9亿美元融资，投后估值超63亿美元（即430亿元） [7]

行业与公司 * **行业**：人工智能（AI）领域，具体聚焦于“世界模型”（World Model）赛道，涉及具身智能、自动驾驶、工业智能等实体应用场景[1][2] * **公司**：纪要中提及的具体公司包括中国的世界模型独角兽企业“极佳世界”（Gen-World）[14]，以及进入摩根士丹利“Humanoid 100”产业图谱的中国企业，如百度、亿纬锂能、宁德时代、比亚迪、阿里、广汽、腾讯、小米、美的、小鹏汽车等[15] * **其他实体**：涉及阿联酋的G42、MGX（资产管理规模目标突破1,000亿美元，已募集约400多亿美元）[11]，沙特的HUMANE（其Recharge campus项目计划到2026年第二季度承载能力超过100兆瓦）[11]，以及美国的“创世纪计划”（Genesis Mission）和“星际之门”项目[8] 核心观点与论据 1. 世界模型的战略定位与范式转移 * **战略定位**：世界模型是AI竞争的新高地，标志着竞争重心从通用大模型转向物理AI，并成为主权AI竞争的制高点[2] * **范式转移**：世界模型实现了AI从“会说”向“会做”的革命性范式转移，其核心是让AI具备对物理世界进行建模、预测与规划的能力，从而实现智能体与现实环境的精准交互[1][2] * **技术角色**：在技术链条中，世界模型是连接感知与行动的关键桥梁，通过预演未来实现主动规划，解决了传统AI依赖即时反馈的局限性[3] 2. 世界模型的功能与演进 * **核心机制**：世界模型通过接收环境观测数据和智能体待执行动作，进行内部动态推演，输出对未来环境状态的预测，从而赋予AI预测能力[3] * **关键作用**：体现在两方面，一是行动前推演，在机器人执行或自动驾驶决策前进行全场景模拟与风险预判；二是合成数据生成，能大规模、低成本地生成高保真度虚拟训练数据[4] * **演进节点**：包括建立对外部世界基础认知的隐性表征、基于模型进行逻辑判断与行动规划的决策推理、以及预测物理未来、构建可互动虚拟环境的生成交互[4] 3. 全球竞争格局与差异化策略 * **中美竞争**：中美竞争进入白热化阶段，美国私营部门AI投资规模达中国的23倍[1][8]；中国采取非对称策略，Token消耗量全球占比从4.5%飙升至超60%，位居世界第一[1][15] * **美国策略**：美国致力于定义AI技术与能力的上限，通过“创世纪计划”和“星际之门”项目大力发展本国能力，同时通过“可信赖伙伴”机制有选择性地分享技术[6][8] * **欧盟策略**：欧盟侧重开源与合规，通过《AI法案》进行监管，并高度重视开源模型以维护数据主权与产业安全[6][9][10] * **海湾国家策略**：海湾国家利用能源优势打造算力枢纽，阿联酋通过G42、MGX构建产业闭环，沙特以HUMANE为核心进行全栈式布局，意图避免成为“数据殖民地”[6][11] * **中等强国策略**：日本以“人本导向”和“渐进式布局”为原则，依托国家级超算平台（算力约6.2）构建AI生态[12]；韩国采取“军令状式”模式，由总统领导，设定到2030年的明确目标[12]；印度聚焦“普惠基建”与“数据主权”，已构建本土多语言模型[12] * **中国策略**：中国聚焦全栈自主化与场景落地，采取低成本、快迭代、强落地的差异化竞争路线[1][6][15] 4. 中国产业进展与成果 * **模型性能**：在知名模型数量上，美国拥有59个，中国以35个位居全球第二[15]；中美模型性能差距已缩小至2.7%[15] * **Token消耗**：根据OpenRouter数据，中国大模型在全球Token消耗量中的占比已从2025年初的约4.5%飙升至超过60%，超越美国（35.5%）成为全球第一[15] * **数据资源**：根据国家数据局数据，中国已建成的高质量数据集总量达12万个[16] * **城市策略**：北京从仿真平台视角切入[14]；上海推动算力基建、高质量语料库、AI实训场及行业模型应用的生态闭环[14]；深圳加速产业化落地与硬件协同[14]；江苏利用制造业优势，从工业语料和制造腹地维度推动发展[14] 5. 产业链核心环节 * **算力层**：涉及智算中心集群建设、国产AI芯片开发及软硬件适配优化[15][17] * **数据层**：关键在于高质量物理语料的采集、清洗、治理和合规管控[15][17] * **平台层**：需要打造高精度仿真平台与物理引擎，推动工业软件的AI化改造[17] * **场景层**：主要赋能人形机器人、自动驾驶、工业智能等领域，推动规模化商业落地[17] 6. 未来趋势与政策建议 * **政策趋势**：未来2-3年，“世界模型”将进入国家级政策文件[1][16]；政策支持重点将从单一模型研发转向“数据-仿真-终端”的闭环生态[18]；区域分工将清晰化，一线城市聚焦算法与平台，制造业强省深耕工业数据与场景落地[18]；企业竞争核心转向生态整合能力[18] * **政策建议**：建立国家级算力共享池[19]；开放公共领域高价值物理语料[19]；支持国产物理引擎与工业软件AI化[20]；构建国家级世界模型能力验证场[20] 其他重要但可能被忽略的内容 * **主权AI核心构成**：主权AI由六大支柱构成，包括算力基建、监管治理、技术研发、人才与硬件、计算服务商以及基础大模型[7][8] * **全球共识**：各国普遍将AI定位提升至国家级基础设施高度，认为算力和数据已成为新一代国家战略资源，且模型治理必须嵌入国家治理框架[13] * **资本投入差距**：美国2025年在AI领域的私营资本年投资额约为2,800多亿美元，而中国约为124亿美元[16] * **发展风险**：世界模型面临四大风险，包括高质量物理交互数据稀缺性风险[21]、仿真与现实间的“动态幻觉”风险[21]、算力与能耗的双重约束风险[21]、以及统一测评体系缺失风险[22]

物理AI行业电话会议纪要关键要点总结 一、涉及的行业与公司 * **行业**：物理AI行业，涵盖世界模型、机器人、自动驾驶及空间智能等方向[2] * **海外公司**：英伟达、特斯拉、Figure AI、Physical Intelligence[9][10] * **国内公司**：银河通用、宇树科技、51WORLD、群核科技[10][11] 二、核心观点与论据 1 物理AI的定义与发展阶段 * 物理AI是继大语言模型和多模态模型后AI产业的下一个重要趋势，核心是将大模型能力从数字世界拓展至真实物理世界[2] * 物理AI需具备感知、理解、任务规划和执行四个层次的核心能力[3] * 预计2026年至2028-2030年将成为爆发期，目前处于大规模商业化前期和小批量验证阶段[2][13] * 物理AI对GPU及AI服务器的需求量级可能超过生成式AI[9] 2 技术演进路径 * 技术路径从VLA模型向世界模型跨越[7] * VLA模型解决从感知到动作生成的问题，例如谷歌DeepMind的RT-2模型将互联网语义知识迁移到机器人动作控制中[6][7] * 世界模型在VLA基础上解决理解物理世界并预测动作后果的问题，价值体现在三方面：提升物理世界理解能力、执行前进行结果推演和风险评估、生成仿真合成数据降低训练成本[7] 3 数据瓶颈与壁垒 * 当前世界模型发展的主要瓶颈在于数据，数据是未来物理AI产业竞争的重要壁垒[9] * 机器人领域数据短缺问题更严重，因需要3D数据且采集方式有限[9] * 数据来源包括：互联网视频提取数据（数据量最大）、世界模型生成的仿真数据、高质量但成本高的真实数据（如真实机器人部署数据和遥操数据）[9] * 未来随着机器人部署数量增加，采集到的真实数据会越来越多，形成数据飞轮[9] 4 海外公司布局路径 * **英伟达**：侧重布局基础设施，通过Cosmos平台构建全流程开发生态，涵盖算力层、Omniverse和Isaac Sim仿真层、GR00T世界模型层[8][9] * **特斯拉**：以工厂场景和真实数据驱动，Optimus基于自动驾驶积累的视觉感知和神经网络训练能力，早期商业化验证在工厂等结构化环境中实现[9][10] * **Figure AI和Physical Intelligence**：新势力更看重定义机器人软件栈，围绕VLA、真实数据闭环和机器人模型展开，推动产业从硬件工程向软件模型驱动转变[10] 5 国内公司布局路径 * **银河通用**：仿真合成数据代表，重点围绕机器人基础模型、仿真训练平台及机器人操作能力，通过大规模合成数据与真实数据融合训练[10] * **宇树科技**：产品布局全面，注重产品矩阵建设和工程化能力提升[10] * **51WORLD**：从数字孪生切入构建仿真训练平台，技术路径与英伟达Omniverse和GR00T平台相似，已应用于高仿真环境下的自动驾驶训练与测试[10][11] * **群核科技**：空间智能代表，通过“酷家乐”积累大量室内家装3D空间数据，推出空间理解与生成的“空间大模型”，核心特点是拥有高质量真实室内空间数据[11] 三、其他重要但可能被忽略的内容 * 物理AI、空间智能、具身智能和世界模型共同构成物理AI框架：物理AI是概括性目标，空间智能是认知基础，具身智能是载体，世界模型是前沿技术方向[5] * 物理AI与传统机器人不同，更强调基于模型的推理、任务分解以及失败后的恢复调整能力[4] * 物理AI的发展是系统工程，不仅依赖算法突破，还受数据、训练平台、本体控制能力等多重因素影响[4] * 当前阶段重点是进行技术梳理并跟踪行业内软件技术栈的变化[13] * 群核科技的空间理解模型能为影视、电商广告等行业提供3D空间构建服务[11]

核心观点 - 工业具身智能正处于从任务闭环向工程交付过渡的早期商业化阶段，少数场景已形成稳定闭环并开始复制，但距离大规模跨场景复制和持续运营仍有明显距离 [30] - 行业主要矛盾是技术能力提升快于复制能力，产品供给完整度高于商业成熟度 [31] - 判断框架为短期看闭环、中期看复制、长期看运营 [33] 工业面临的难题 - 制造业正从大批量固定流程生产走向多品种、小批量、快换型生产，产线换型适应成本越来越高 [2] - 2025年中国总人口降至14.04亿，较上年减少339万，出生人口仅792万，出生率降至5.63‰，60岁及以上人口占比已达23%，老龄化导致技能工紧缺、用工成本上升 [3] 工业具身智能定义与核心 - 工业具身智能是智能系统在真实工业场景中，围绕具体任务目标，在工艺、质量、节拍和安全约束下，形成感知、理解、决策、执行、验证的任务闭环，并通过数据回流持续优化能力 [5] - 工业具身智能对任务的结果负责，载体长成什么样并不重要 [6] - 判断标准包括：是否在真实工业现场持续运行、是否以任务结果为导向、是否能形成闭环、是否会越干越好 [8][12] - 大模型并非工业具身智能的必要前提，当前工业场景中很多任务仍以规则、流程编排、传统控制和专用模型为主 [12] 系统架构与载体分类 - 系统包含两个闭环：在线运行闭环（任务输入、感知与状态理解、任务理解与规划、策略与控制、执行与结果验证、异常处理）和离线迭代闭环（数据采集、数据治理、仿真与训练、评测与发布、部署回流） [9] - 两个闭环靠数据回流连接，判断系统价值依据是能否积累经验、越跑越稳 [10] - 按任务闭环划分载体分为五类：固定操作型（协作机械臂、双臂工作站）、厂内物流型（无人叉车、配送AMR）、移动感知型（四足、轮式巡检机器人）、产线流转型（智能磁驱、柔性输送）、移动操作型（复合机器人、人形机器人） [13] - 核心难点包括：高质量任务数据供给不足、长时间运行后成功率与稳定性下降、不同工厂差异巨大导致规模复制难 [15][18] 产业链与商业模式 - 产业链是围绕任务结果组织的网络：上游为执行底座与能力模块，中游为载体平台、场景方案与集成交付，下游为工业客户与真实任务场景 [16] - 中游玩家高度重叠，本体厂商、集成商、方案商都在争系统定义权、运行主控权和持续运营能力 [17] - 当前盈利模式以项目制、方案制和组合收费为主，中长期利润池将从硬件和项目收入后移至平台软件、任务编排、仿真训练、数据闭环和持续运营 [17] 市场信号与战略窗口 - 2026年6月Agility Robotics以25亿美元估值通过SPAC上市，募资超过6亿美元，其机器人Digit已在丰田、舍弗勒等客户侧商业运行 [18] - 2025年2月Apptronik完成3.5亿美元A轮融资 [26] - Figure AI的Figure 02进入宝马工厂测试 [26] - Google DeepMind发布Gemini Robotics，英伟达发布GR00T N1及Halos for Robotics安全套件 [26] - 供给端加速入场、需求端开始形成真实牵引、技术底座进入可工程化阶段，领先者优势尚未固化 [19] 场景商业化进展 - 成熟场景（物流流转、固定工位作业）：任务边界清晰、ROI好算，已进入复制阶段 [23][24] - 海康机器人与纬创合作中，AMR从昆山工厂复制到成都、重庆等地，累计投入百余台，运营成本下降26% [27] - 库卡与哈雷工厂合作中，AMR覆盖全流程，配送准确率99%，生产效率提升100% [27] - 优傲与Toolcraft合作中，吞吐量提升43%、生产成本下降23%，ROI约12个月 [27] - 优傲与Midgard合作中，ROI约500个运行小时，单件成本节省约30%，废品率从10%降到1%-2% [27] - ABB的YuMi装配单元导入后，单机8小时产量从5000套提升到6000套，回收期约2年 [27] - 过渡场景（感知识别、产线流转、半结构化作业）：价值已验证，但复制条件不成熟 [25][28] - 优傲ActiNav在舍弗勒实现无序抓取、满足12秒节拍、投资回收期低于1年 [28] - 远期场景（复杂装配、异常处置、通用多任务作业）：想象力最大，人形机器人集中亮相 [29] - Figure AI的Figure 02在宝马斯帕坦堡工厂累计完成1250+小时真实产线部署、搬运90000+个零件 [29] - 奔驰与Apptronik合作，在柏林和匈牙利工厂测试Apollo执行搬运和质检 [36] - 宝马莱比锡工厂与Hexagon合作，用AEON机器人参与高压电池组装 [36] - 工业人形已从演示视频走进真实产线，但尚未证明可低成本、低接管率地规模复制 [29] 未来路径 - 扩张路径为单点任务跑通、同任务簇复制、单工厂多点、多工厂推广 [32] - 工厂决策者应为运行指标买单，关注成功率、节拍、接管率、连续运行时长、二次部署成本、回本周期 [34] - 供给者应把项目经验沉淀为任务模板、交付标准、运维体系和数据闭环 [34] - 观察者应关注真实订单、客户验收、连续运行、复购扩点和二次部署成本 [34]

核心观点 - 具身智能的“大脑”能力并非停滞，而是已进入快速演进阶段，未来半年世界模型与具身智能逻辑将迎来显著突破[3][4] - 行业拉开差距的关键在于正确的研发范式与场景规模化落地双线竞赛[13] 大脑能力演进 - 数据采集已从传统实验室真机转向真实生产生活场景，量级积累正带动模型智能跃升[3][4] - 未来半年左右，世界模型与具身智能的实际逻辑将迎来显著突破，伴随长期产业化进程同步发生[4] 世界模型技术路线 - 未来三年两大关键方向：谁能率先拿到具备泛化能力的有效模型，谁就能占据先发优势；模型架构本身的创新将决定最终性能[5] - 大晓机器人提出“理解-生成-预测”一体化框架：理解指对物理世界的认知能力，生成是对未来世界演变状态的预测，三者结合才能实现具身智能的自我反思与自我规划[5] - 该模型结构处理效率比Cosmos快七十多倍，而许多方案仅基于开源视频生成模型加上控制模块，并非原生设计[5] - “理解-生成-预测”一体化正逐渐成为行业共识[5] - 通用具身智能理想状态：三种能力深度融合，模型像人一样对物理世界拥有直觉理解力，能自主规划、执行、反思，架构足够高效适应现实环境[6] 具身智能ChatGPT时刻 - 具身智能出现智能涌现需两个前提：第一是数据量，大晓目标到明年年底达到千万小时量级（去年行业整体约10万小时量级）[7] - 第二是模型，要通过世界模型从海量数据中真正学到物理规律和因果逻辑[7] - ChatGPT时刻只是新起点，大语言模型从2022年出现到产生较高生产力价值经历了三到四年持续演进，具身智能同样如此[7] 技术路线与场景选择 - VLA针对特定任务学习，偏模仿学习范式，对相对静态场景有一定应对能力[8] - 世界模型最大特点是能持续生成和预测未来状态，判断采取动作策略后几秒钟可能发生什么[8] - 家庭场景想象空间和市场空间最大，但环境不受控，对安全性和可靠性要求极高，近距离接触老人和孩子任何失误都可能带来伤害[9] - 隐私问题使远程监管难以在家庭中适用[10] - 大晓路径是先To B、后To C，先在可控的生产和服务场景持续验证，等软硬件成熟度、安全性和可靠性建立足够信心后，再逐步进入家庭[10] 落地场景选择特点 - 第一是可复制性：只有可复制才有机会规模化，把硬件成本摊薄，如即时零售运营方半年到一年左右能回本[11] - 第二是业务方向的上限：即时零售看似具体，里面却有几十项任务、不同难度等级，随着机器人能完成任务增多，可解锁业务范围不断扩大[11] - 第三是场景里的信息密度和智能密度：场景过于单一难以支撑通用泛化能力，即时零售和酒店任务种类丰富，且与未来家庭场景有较强关联[11] - 大晓重点推进零售、酒店、仓储、物流及部分工业场景，在这些可复制场景中验证技术和商业闭环[11] 开源策略 - 世界模型需要部署到机器人端侧且当前主要面向To B，完全闭源会使接触和使用的人较少，难以从社区获得足够反馈[12] - 大晓开源不只是开放模型参数，还会提供一整套让开源模型部署到机器人端侧GPU并接入运控的能力[12] - 有了较好基础模型，再叠加以人为中心的环境式素材和模型能力，面对新硬件型号或新任务时，后训练只需采集少量真机数据即可学习新任务[12] 行业竞争格局 - 具身智能的ChatGPT时刻尚未真正到来，谁能找到正确的研发范式、在快速迭代中率先实现智能涌现至关重要[13] - 去年很多具身智能公司对真实场景落地还比较谨慎，今天市场期待越来越聚焦于规模化和真实场景落地[13] - 谁能在模型能力提升和场景规模化铺开两个方向同时建立优势，谁就会有更大机会[13] - 物理AI核心在于把空间智能、物理属性、物体属性、空间记忆等物理智能，与大模型已具备的认知和推理能力结合[13] - 未来半年左右，当世界模型开始出现比较明显的智能涌现时，机器人执行过程中会看到更多“惊喜”，一些没有专门教过的东西也能通过基础能力和对世界的理解去完成[13] - 到明年，希望看到更强的场景泛化、新的技能涌现，同时可能有几千台机器人在即时零售、酒店等场景常态化运营[13]