银河通用技术路线 - 公司技术路线高度统一，分为三个阶段：第一阶段通过大规模物理真实的仿真合成数据实现具身智能大模型冷启动；第二阶段采集少量真实、高质的真实世界数据，实现通用知识与真实场景应用需求的对接；第三阶段将业务真实数据回流反哺大模型，形成模型增长与业务增长的双向闭环，推动模型持续提升 [2][6] - 硬件层面的核心目标是与大模型最高程度耦合，以支撑大模型量产及在真实业务需求中规模化落地应用，公司目前已在多个行业实现规模化量产和应用 [2][6] - 公司高度重视VLA（视觉语言动作模型）的感知和持续学习能力，感知层面重点关注其泛化性及对泛化动作的支撑能力，确保在真实业务中落地，同时依托第三阶段的数据回流机制，实现业务增长对模型成长的反哺 [2][6] 对行业技术趋势的看法 - 认为因果导向的世界模型已不是未来趋势，而是当下提升具身智能模型智能化水平的工具，世界模型学习动作背后的环境动态变化，与具身智能的策略学习、操作技能学习相辅相成，需务实探索其应用价值，避免盲目堆砌 [3][7] - 在商业化判断上，不赞同“机器人商业化还有20年”的观点，认为具身智能承载广泛需求，无需在开放环境中运行，只要能在特定场景胜任一类任务即可实现商业化，这一特点决定了前沿技术会“沿途下蛋”，循序渐进渗透各行业 [3][7][8] - 强调通用模型无需达到100分即可落地，在不同阶段可满足不同场景需求，具身智能的落地不是遥远的未来之事，而是此时此刻已发生的事情，只是会率先体现在部分行业和任务中 [3][8] 公司发展展望与行业预测 - 公司判断具身智能规模化应用将会在2026年开始，全面落地则需要5-10年 [3][8] - 展望未来，公司表示5年后将在高难度典型场景实现规模化应用，成为全栈发展的领跑企业，并以链主公司形态带动行业繁荣，扶持细分领域有特点、有专长的企业发展，为市场提供更全面的价值 [3][4][8]

专题：2025科技风云榜 张直政强调，银河通用高度重视VLA的感知和持续学习能力。感知层面，重点关注其泛化性及对泛化 动作的支撑能力，确保能在真实业务中落地运行；同时依托技术路线第三阶段的数据回流机制，实现业 务增长对模型成长的反哺。 对于因果导向的世界模型，张直政认为其已不是未来趋势，而是当下提升具身智能模型智能化水平的工 具，世界模型学习动作背后的环境动态变化，与具身智能的策略学习、操作技能学习相辅相成，需务实 探索其应用价值，避免盲目堆砌。 在具身智能商业化判断上，张直政明确表示，不赞同"AI教母"、美国三院院士李飞飞"机器人商业化还 有20年"的观点。他解释，具身智能承载的是不同场景、不同任务的广泛需求，无需像自动驾驶那样在 开放环境中运行，只要能在特定场景胜任一类任务即可实现商业化。这一特点决定了具身智能前沿技术 会"沿途下蛋"，循序渐进渗透各行业。 他强调，通用模型无需达到100分即可落地，在不同阶段可满足不同场景需求，"具身智能的落地不是遥 远的未来之事，而是此时此刻已发生的事情，只是会率先体现在部分行业和任务中。" 张直政称，银河通用一直坚持和追求的长期主义目标。他判断，具身智能规模化应用将会 ...