Unity中国业务潜在出售评估 - 彭博社报道称Unity正在评估其中国业务的各种可能性，包括潜在出售，并可能寻求超过10亿美元的估值 [1] - 针对此报道，Unity中国回应称“内部目前无法分享过多信息” [2] Unity在中国市场的发展与本地化 - Unity于2012年进入中国，其引擎技术广泛应用于《王者荣耀》《原神》等国民级手游及新能源汽车的3D智能座舱 [2] - 2022年8月，Unity在中国成立合资企业“Unity中国”，阿里巴巴、中国移动、字节跳动、米哈游等本土巨头参与投资 [2] - 为更好适配本地需求，Unity中国推出了以本土研发为核心的“团结引擎”，深度集成微信及抖音小游戏生态，并原生支持鸿蒙OpenHarmony平台系统 [2] 团结引擎面临的挑战与竞争环境 - 团结引擎自推出以来伴随争议，被部分观点认为是Unity 6的“阉割版”，功能模块与插件数量不及国际版，并存在可能影响全球化开发效率、不兼容及版本迭代问题 [3] - 国内游戏开发生态竞争激烈，Epic Games旗下虚幻引擎凭借图形表现与源码开放策略占据3A大作开发高地，而Cocos等本土引擎依托成本和生态适配优势在小游戏领域迅速扩张 [3] Unity公司整体经营与财务表现 - 2025年全年，Unity营收为18.5亿美元，同比微增2.04%，归母净亏损由2024年的6.64亿美元收窄至4.03亿美元 [5] - 2025年第四季度，公司实现总营收5.03亿美元，高于市场预期的4.8895亿美元，调整后每股收益（EPS）为0.24美元，高于市场预期的0.21美元，归母净亏损由2024年同期的1.23亿美元收窄至8996万美元 [7] - 尽管Q4业绩超预期，但公司发布的2026年Q1业绩指引为4.8亿至4.9亿美元，低于分析师普遍预期的4.918亿美元，导致财报发布当日股价重挫逾25% [8] Unity股价波动与市场环境因素 - 截至2025年12月31日，Unity股价报收44.17美元/股，而到2025年2月23日，其盘中最低已跌至16.78美元 [9] - 股价下跌部分归因于市场对AI重塑软件格局的担忧，特别是谷歌DeepMind推出的Project Genie（精灵计划）这类世界模型，被认为可能颠覆传统3D引擎和游戏开发模式，引发游戏产业及Unity股价震荡 [11] - 在潜在出售中国业务的消息传出后，Unity股价于2月25日收涨1.59%，报18.58美元/股 [12] Unity公司近年面临的内部挑战 - 2023年，Unity推出“按游戏下载量向开发者收费”的政策，遭到行业广泛反对，随后公司被迫修改政策，原CEO辞职，高管团队经历“大换血”，引发了严重的行业信任危机 [4] - 一系列事件传导至公司层面，导致财报表现承压、股价震荡，并伴随多轮内部裁员和业务重组 [4]

核心观点 - 联合研究团队推出了基于虚幻引擎的高保真具身智能仿真平台UnrealZoo，旨在解决现有模拟器场景单一、真实性不足的问题，为复杂开放世界中的AI训练提供支持 [2] - 该平台包含超过100个高质量3D场景和66个可自定义操控的实体，提供优化的编程接口和工具链，显著提升了仿真效率与易用性 [5][7][15] - 实验证明环境多样性对智能体泛化能力至关重要，同时揭示了当前基于强化学习和大模型的智能体在复杂3D空间推理中的局限性 [50][55][58] 平台概述与定位 - UnrealZoo是一个基于虚幻引擎UE5开发的高保真虚拟环境集合，包含100余个场景地图和66个可自定义操控的具身实体 [5] - 平台被ICCV 2025接收并入选Highlight Award，本届共有280篇论文入选，占录用论文总数的10% [2] - 旨在弥补现有模拟器如Habitat、AI-Thor和Carla等在场景多样性和开放性方面的短板，推动具身智能体在多变环境中的适应能力发展 [8] 场景与实体多样性 - 平台收录100多个高质量3D场景，涵盖住宅、超市、火车站、工厂、城市、乡村、寺庙及自然景观等多种风格，最大场景达16平方公里 [13][16] - 提供人类、动物、汽车、摩托车、无人机、移动机器人和飞行相机等七种类型共66个实体，各具不同的动作空间和视点 [24] - 与主流虚拟环境相比，UnrealZoo在场景类别、规模、风格和实体多样性方面具有显著优势，支持古代、现代、科幻等多种风格 [12] 技术特性与系统功能 - 运动系统基于Smart Locomotion，支持智能体在复杂三维空间中进行跑步、跳跃、攀爬等基础移动能力 [31] - 内置基于NavMesh的自主导航系统，支持智能路径规划和避障；交互系统支持物体拿放、碰撞、上下车、开关门等丰富物理交互 [33][34][36][38][40] - 支持多智能体之间的合作与对抗交互，为研究社会智能行为如合作、竞争与沟通提供平台 [41] 软件接口与性能优化 - 提供一套易用的Python API和工具（UnrealCV+），包括环境增强、演示收集和分布式训练/测试功能 [15][42] - UnrealCV+优化了渲染管道和通信协议，帧率（FPS）显著提升：物体级分割图性能提升120%，深度图提升86%，多智能体交互（N=10）提升100% [45][46] - 开发基于Gym接口的高级Python API，简化环境交互，使初学者也能轻松使用和定制环境 [44][46] 实验验证与应用潜力 - 视觉导航实验中，在线RL智能体在需要立体空间感知的复杂环境中表现优于GPT-4o，但与人类玩家存在显著差距 [47][50] - 主动视觉跟踪实验表明，随着训练环境数量从1个增加到8个，智能体的泛化能力显著提升，尤其在野外环境中成功率提高明显 [55][58] - 在动态干扰测试中，RL方法在0D、4D、10D干扰设置下均保持较高成功率（0.76/0.68/0.56），显著优于PID、GPT-4o和OpenVLA等方法 [60][61] - 控制频率实验显示，当感知-控制循环频率低于10 FPS时性能显著下降，30 FPS时成功率可达0.92，凸显高效模型的重要性 [62]