大模型行业竞争格局 - 大模型技术迭代周期缩短至三个月，基准测试领先优势难以持续保持，呈现交替上升的竞争态势 [3] - 行业处于从"可用"向"好用"进化阶段，尚未跨越"标志性应用"门槛，成本下降曲线推动技术竞速 [3] - AI+内容领域被视为最可能诞生超级AI应用的赛道，生成式AI或颠覆传统互联网连接模式 [3] 具身智能发展现状与挑战 - 国内具身智能创业热潮持续，新成立公司超100家，创业者普遍基于情感驱动而非纯商业考量 [3] - 商业化面临核心瓶颈：动作速率（节拍）低于人类，高扭矩关节电机存在工程难度和成本问题 [4] - 数据短板制约泛化能力，家庭场景存在恐怖谷效应，安全性及性价比尚未达到普及标准 [4][5] - 规模化部署将优先落地于拣选/搬运/组装等工业场景，通过第一视角数据构建"模型-本体-场景"闭环飞轮 [5] 超级AI应用发展条件 - 技术土壤已成熟：模型推理成本快速下降（如DeepSeek、谷歌新模型），能力从可用进阶到好用 [7] - 关键突破点需满足：AI成为刚需场景、容纳亿级日活、重构用户与平台交互边界 [7] - 当前尚未出现具体企业承载超级应用，但逻辑上具备可行性 [6][7] 投资方法论与需求判断 - 区分"喊出来"与"长出来"的产品，真需求需具备可验证的收入数据（如过亿收入案例） [7] - Agent类产品需实现高频任务的结果导向交付，而非仅包装API调用能力 [8] - 关注AI for Science、AI安全等冷门小模态模型，可能在未来3-5年形成爆点 [8] - 投资决策需过滤噪声，聚焦技术商业化转折点与团队基因匹配度 [8]