具身智能技术发展 - 具身智能技术正以指数级速度进步发展，已站在奇点到来的早期窗口 [2] - 四大技术趋势：机器人本体控制技术成熟、端到端技术扩展至机器人、数据积累发挥Scaling Law、高自由度灵巧手方案出现 [2] - 多模态大模型基础能力持续提升，数据Scaling Law尚未见顶 [8] 技术共识与分歧 - 宏观层面形成共识：数据重要性、端到端部署形态、多模态融合 [18] - 微观层面仍多元化：算法框架、数据来源、硬件形态、场景落地顺序均为开放问题 [12] - 模型架构未收敛，如VLA单帧模型缺乏记忆机制、大小脑模型非终极形态 [14][15] 行业经验复用 - 自动驾驶与机器人技术同宗同源，模型技术和工程能力可高度复用 [21][22] - 物流机器人经验显示：异常闭环设计比数字世界复杂，硬件可靠性决定落地速度 [26][27] - 认知层面复用：AI需定义在时空维度（如BEV技术），物理世界变量对齐提升泛化性 [22][23] 场景落地路径 - 制造业因刚需明确、痛点显著最有望率先规模化落地 [36] - 场景选择遵循"高价值、有规模、有难度"黄金三角逻辑 [34] - 后端工业/物流场景因容错率高、劳动力密集更易实现经济模型闭环 [37][38] 创业逻辑 - 技术信仰与价值务实需辩证统一，阶段商业化验证是关键 [16] - 避免过早固化技术形态，保持泛化性以适配技术发展梯度 [36] - 硬件快速迭代：双足/轮式形态并行，直驱关节与复杂传动方案共存 [19]