编辑：前沿在线 编辑部
今年聊下来，具身智能圈有个共识越来越强： 光靠实验室拍出来的 Demo、参数榜单上的数字，越来越难打动人和钱了。
跑研发的觉得参数卷到瓶颈，落地找不到抓手； 做商务的吐槽工业场景卷成红海，报价越压越低；
看赛道的投资人也越来越谨慎，明星团队加漂亮 Demo 的组合，已经撑不起早先的高估值。
场景方要算投入产出账，不会为炫技买单； 资本要看商业闭环，不能一直为概念烧钱； 连官方选典型，落点也越来越偏向民生落地和产业价值。
技术攻关当然是根基，但落不了地的技术，永远是纸上谈兵。
这次成都 APEC 数智赋能高级别对话上。我们观察到自变量作为深圳乃至广东唯一获邀的具身智能企业代表登了台，创始人王潜也是全场 8 位企业嘉宾中唯一的垂直赛道玩家。
自变量「机器人进家庭」项目入选本次大会的《亚太地区数智赋能案例集》，成为收录的唯一一个具身智能服务民生场景的案例。
这不仅是整个具身智能行业的荣耀。这事放在行业坐标里看，刚好是当下趋势的一个缩影。
在我们看来，这件事更深层的信号是：具身智能的商业竞争，已经从「技术路线的上半场」，进入了「复用效率的下半场」。
前三年拼参数、拼形态、拼 Demo 完成度，比的是谁的技术上限高； 接下来要拼落地成本、场景复用、生态厚度，比的是谁的价值兑现效率高。
具身智能走到今天，从来不是单一路线的独角戏。
不同路径各有节奏，也各有价值，共同推着行业往前走。今天我们就借着这个样本，聊聊赛道切换的底层逻辑。
先把大前提说清楚：这不是某一家企业的胜利，是行业走到这个阶段的必然。
回望国内具身智能的前三年，全行业合力做成了一件事：把这项技术从科幻概念拉进了现实。
硬件端，关节、灵巧手这些核心零部件突破很快，运动控制精度一年上一个台阶； 算法端，大模型和机器人深度融合，多模态协同能力持续刷新。
不管是模块化拼接的快速落地方案，还是端到端统一的硬核路线，所有玩家都在把行业的边界往前推，共同完成了「从 0 到 1」的技术可行性验证。
这个阶段的发布会演示、实验室原型，价值毋庸置疑。 没有技术突破打底，落地就是空中楼阁。
那时候 Demo 就是硬通货，参数亮眼、效果够炸，就能拿到融资、吸引人才，放在所有硬科技赛道看，这都是逃不开的阶段规律。
但技术走到一定成熟度，落地的命题自然会浮上来。
技术验证期拼「能不能做出来」，商业化周期拼「能不能创造价值」，当全行业迈过了「从 0 到 1」的门槛，「从 1 到 N」的落地兑现，就成了所有玩家共同的考题。
对应到一级市场，估值的锚点也在同步切换。
早期投团队、投技术、投赛道想象力，是标准打法； 从去年下半年开始，投资人的标尺明显变了，越来越看重落地规模、复用能力、商业闭环这些实打实的指标。
纯 Demo 型玩家的估值溢价在收窄，资金不再广撒网，开始向有落地成果的头部团队集中，赛道的马太效应越来越明显。 对创业者来说这未必是坏事 —— 潮水退去，真正做实事的团队会慢慢拉开差距。
| 估值锚点切换的本质，就是从「技术参数估值」转向「复用效率估值」。 |
这一点从产业导向也能得到印证。 2023 年印发《人形机器人创新发展指导意见》，明确「创新驱动、场景牵引、生态协同」的发展思路；
近年来相关政策也持续引导产业摆脱同质化 Demo 竞争，向核心技术攻关、真实场景落地、产业生态共建方向升级，推动技术成果真正赋能实体经济与民生需求。
说白了，行业上半场的「百花齐放」是必要的，但进入下半场，政策和市场都会向有真实落地能力、能带动生态的团队倾斜，这是产业走向成熟的必然。
本次高级别对话，风向标意义正在于此。
活动核心围绕两大议题展开：「发展人工智能，增进民生福祉」与「推动数字转型，赋能千行百业」。
不看概念新不新、形态酷不酷，就看能不能解决真实问题，能不能形成可复制、可推广的实践路径。
这不是否定技术研发的重要性，是给全行业递了个明确的信号：技术攻关要继续推进，但落地兑现，已经成了当下更值得关注的发力点。
做产业规划、招商落地的朋友应该也能感受到，接下来的扶持重心，会更多向有真实落地成果、能带动产业生态的团队倾斜。
复用效率的核心支撑，从来不是营销话术，是底层技术范式的差异。自变量敢啃高复杂度场景，底气也正在于此。
做机器人架构的朋友应该都有过纠结：走模块化还是端到端？
圈内人都清楚，传统机器人走的是「模块化拼接」的路子：视觉、语言、动作模块各自独立开发，最后组装到一起。
好处是开发周期短、出 Demo 快，垂直场景里落地稳，是行业早期的主流选择。
但短板也很明显：模块之间信息割裂、损耗严重，感知和动作对齐难，泛化能力有天花板。 换个新场景、换个新物体，就得大量重新调试，本质还是专用机器人的思路，很难支撑长期的通用能力迭代。
这也是整个行业都在头疼的共性难题。
而端到端统一架构，是业内探索通用能力的一条重要路径，自变量是国内较早 all in 这条路线的团队之一。
这条路线不是一蹴而就的，从公开的产品节点看，两年多时间里踩了不少坑，也完成了两次关键迭代，每一步都刚好踩在行业的痛点上。
2024 年推出的 WALL-A 走的是端到端 VLA 路线，VLA本身仍是三个独立模块的拼接：视觉模块负责识别物体，语言模块理解指令，动作模块生成轨迹。
数据在三个模块之间逐级传递，会发生信息损耗和延迟。此外，VLA模型只能模仿训练数据中的轨迹，无法真正理解物理世界的规律。
到今年 4 月的 WALL-B，直接跳出了 VLA 的框架局限，将视觉、语言、触觉、动作、物理预测等能力整合进同一个神经网络，从零开始联合训练、融为一体。
这是全球首个“世界统一模型”架构的具身大模型。
从技术逻辑上看，这一步实现了范式层面的升级 —— 核心不是参数更大了，是机器人首次具备了对物理世界规律的自主理解能力，无需人工逐条预设规则，即可预判物品坠落、物体形变等场景，甚至具备任务失败后自主调整策略的能力。
从商业落地的视角看，世界统一模型WALL-B使得机器人具备了实现“通用智能”、「一套底座适配多类场景」的潜力：前期研发投入重，但跨场景复用成本低，越往后边际效益越高。
| 原生统一架构的优势，本质是把单场景的技术投入，变成了可跨场景复用的底层资产。 |
当然，这不代表模块化路线没有价值。 垂直标准化场景里，它依然是性价比最高的选择。
行业未来大概率不是谁替代谁，是不同路线适配不同场景，慢慢往融合的方向走。
模块化适合做垂直专用产品，而通往通用具身智能的终局，原生统一模型架构是重要的探索方向，慢慢成了圈内默认的方向。
对技术团队来说，不用纠结路线对错，选适合自己场景和节奏的路就好。
技术底座的复用性，终究要落到真实场景里才能兑现价值。 而自变量的落地打法，刚好和这条技术逻辑一脉相承。
路线选了难走的，落地的打法也跟着反常识。 不只盯着好做的工业场景，而是率先就扎进了家庭。
行业普遍的落地顺序是先易后难：先从标准化程度高的工业场景切入，稳妥可控，出成果快，是大多数人的选择。
家庭场景有多难，圈内人心里都有数。 环境高度非结构化，物品种类长尾，任务模糊随机，人和宠物随时会闯进来，根本没法靠写规则穷举。
所以早年多数团队会先绕开，先捡“软柿子”捏。
产业引导也多次提到，各地要坚持错位布局，避免场景类型扎堆。
某种程度上，不只盯着拥挤的工业赛道、先啃家庭这块硬骨头，也是一种差异化的发展思路，刚好契合了政策引导的方向 —— 与其在成熟赛道里内卷价格，不如在空白场景、“终极挑战”里打磨核心能力。
从其整体布局来看，家庭场景的重心从来不在那点家政营收上，这笔账算的是技术迭代的效率。
最难的场景，才是最好的压力测试场。
实验室环境再逼真也是可控的，上千户真实家庭就是上千套完全不同的考卷。 只有在这种环境里跑出来的泛化能力，才是经过真实世界验证的通用能力，不是 Benchmark 里的纸面数据。
前期啃硬骨头的节奏确实慢，踩的坑也多，但一旦跑通了，再去切物流、工业、养老这些相对标准化的场景，适配效率会高得多。
典型的先难后易，短期慢，长期快。
| 先难后易的打法，是用短期的节奏让步，换长期的复用天花板。 |
对做产品和商业化的团队来说，这个思路很值得参考 —— 与其在红海里卷价格，不如找个高难度场景打磨核心能力，再反向切入成熟赛道。
落地的姿势也很务实，没喊什么「替代人类」的空口号，走的是人机协同的路子。
在和 58 到家合作的上门家政服务里，机器人主要承担桌面整理、垃圾收纳、杂物捡拾这些家政劳动。
从已有的公开体验反馈来看，现阶段机器人的执行效率虽然还不及熟练人工，精细操作也偶有失误。
但它的核心价值从来不在当下的效率，而在于能在真实环境里持续运行、持续拿数据，反哺模型迭代，让「场景喂养模型、模型拓展场景」的循环转起来。
简单类比的话，做家务的具身智能机器人就好比过去路上跑的自动驾驶汽车：虽然一开始开得不那么完美、偶尔卡顿迟疑，但伴随技术进步，它们最终能分担人类驾驶者的工作，让科技进步的好处惠及每一个人。
目前深圳、北京两地已覆盖超千户家庭，是行业内最早实现家庭场景规模化服务的案例之一。
除此之外，落地还延伸到了养老、物流、汽车制造几个方向，各自验证不同维度的能力。
先看家庭与养老场景，落地深圳老人颐养院服务重度失能群体，重点验证安全边界与人本交互能力，也是「科技增进民生福祉」最实在的注脚。
再看物流分拣干线，按单计费、按工业 KPI 考核，稳定实现每小时 1200 件分拣效率、3% 以内回流率，验证生产效率与运行稳定性。
最后是汽车制造核心生产环节，验证工业级的精度与可靠性。
几个完全不同的场景，共用同一套具身大脑底座。 这在某种程度上印证了统一模型的复用价值 —— 让「通用具身智能」从纯技术概念，慢慢变成了可被产业验证的现实。
而这种多场景开放验证的思路，也和王潜在本次演讲中提出的「开放场景」倡议高度同频：用真实需求反向驱动技术迭代，远比闭门研发效率高。
这条路径的产业认可度，也能从资本层面得到侧面印证。
公开信息显示，美团、阿里云、字节跳动、小米四家互联网巨头的产业资本先后入局，且投资节奏与场景布局高度对应：美团锚定本地生活场景，阿里云匹配算力云生态，字节对应 AI 技术与流量生态，小米联动硬件终端生态。
产业资本的轮动布局，不是单纯的财务投资，更多是场景资源与技术底座的双向匹配，也侧面说明「统一模型跨场景复用」的商业逻辑，得到了产业端的认可。
而产业资本带来的场景资源，又会反过来加速落地迭代，让正向循环滚得更快。
单点场景的复用是企业的效率账，而把复用能力开放给全行业，就是生态层面的长期布局。
这也刚好对应了演讲里提到的另外两个方向 ——共建生态、共育人才。
如果说场景和技术是当下的核心竞争力，开源与人才培育就是面向未来的生态卡位。
很多人看不懂，创业公司把核心技术开源，图什么？ 只能说，这么想的人还停留在卖产品赚差价的思维里。
这也刚好契合了「生态协同」的产业引导方向。
单靠一家企业闭门研发，既做不完所有场景，也推不动整个行业的效率提升，只有开源共建、人才共育，才能把整个产业的盘子做大。
现在具身智能整个盘子还很小，存量内卷毫无意义，先把蛋糕做大，每个人的空间才会更大。
全栈开源的价值，就是把行业准入门槛打下来，让更多中小团队不用从零造轮子，踩着现成的底座就能做场景创新。
这不是某一家企业的情怀，是赛道发展到这个阶段的必然趋势，越来越多头部玩家都在往这个方向走。
自变量作为具身智能模型的“扛把子”，自然要承担起这个责任。这两个方向也不是会上临时喊的新口号，对应落地动作已经持续推进了两年。
开源方面，WALL-OSS 是国内最开放、最可用的VLA模型之一。
2025 年 9 月首次开放初代模型，是国内较早布局具身基础模型开源的项目之一；
2026 年 5 月迭代至 0.5 版本，实现预训练即可直接部署，无需针对具体任务微调，普通消费级显卡即可运行。
从基础模型到训练优化器，再到动作分词器、数据采集方案，全链条逐步开放，相当于为中小团队降低了基础研发门槛。
| 开源共建，本质是把企业级的复用效率，放大成全行业的复用效率。 |
当越来越多开发者、中小团队基于这套架构做场景创新，它就会慢慢成为行业通用基准的一部分。
这件事的价值，不止于企业自身的品牌口碑，更在于实实在在推高了整个行业的研发效率，让更多团队不用在基础层重复造轮子，可以把精力集中在场景创新上。
人才培育也是同一个逻辑。
具身智能是典型的交叉学科，复合型人才缺口是全行业的共性痛点。行业普遍高薪挖角存量人才，本质是零和博弈，越挖人力成本越高，缺口却没有实质缩小。
从公开动作来看，他们选了做人才增量的路子：联合主办真机操作的具身智能开发者赛事，压缩高校学生的入门周期；与清华大学开展产学研深度合作，在科研实践中培养高端人才。
短期看不到直接商业回报，但长期来看，既为行业输送了新鲜血液，也让更多年轻开发者熟悉了自身的技术体系。对想入行的年轻人来说，真机实践也比纯理论学习的成长速度更快。
赛道发展到这个阶段，头部企业主动参与生态建设、做人才增量，既是行业责任的体现，也是面向未来的正常布局。当技术底座的复用性延伸到全行业，整个赛道的落地效率都会再上一个台阶。
肯定这条路径的阶段性价值，不代表它已经跑通了全程。站在整个产业的维度看，全行业都还在爬坡早期，有三道坎，是所有玩家都躲不开的。
第一道是规模化的商业闭环，对应落地复用的现实考验。
千户家庭、数条产线，放在行业横向对比里确实属于第一梯队，但离真正的大规模普及，还差着好几个数量级。服务标准化、硬件运维体系、单位成本下探，每一项都是硬骨头。
模式跑通是第一步，大规模复制的考验还在后面。这不是某一家企业的问题，是所有具身智能企业都要面对的共同考题。
第二道是通用能力的边界，对应技术范式的上限挑战。
世界统一模型是正确的技术方向，但目前的泛化还属于「有限泛化」。
同场景内适配优秀，不代表跨场景能零成本迁移；能处理简单异常，不代表能应对所有复杂情况。
距离真正的通用具身智能，全行业都还有很长的技术路要走，技术迭代的持久战才刚刚开头。
现在谈「通用能力全面落地」还为时尚早，所有玩家都还在山脚下。
第三道是竞争格局的变数，对应生态卡位的长期不确定性。
赛道远没到定局的时候。互联网大厂有资金与生态优势，传统工业巨头有硬件与场景积累，创业公司有机制灵活度与技术锐气，各有各的长板。
未来技术路线会走向融合，落地场景会交叉重叠，最终拼的一定是综合能力。
先发优势能不能转化成长期护城河，还要看接下来两三年的落地速度、生态厚度和成本控制能力。
但这就是新兴产业的常态。
所有硬科技赛道，都是在不断试错、持续迭代里往前走的 每一条路线的探索，每一家企业的突破，都是在给整个行业铺路。
回头看这次 APEC 框架下的高级别对话，与其说是某家企业的荣誉，不如说是具身智能行业的一个小型里程碑。
它意味着这项曾经只活在科幻和创投圈里的技术，正式进入了亚太公共政策与民生发展的视野，从垂直产业话题，慢慢变成了会影响普通人生活的社会议题。
对大众来说，不用被发布会里无所不能的 Demo 吊高期待，也不用觉得这项技术遥不可及 —— 它正以人机协同的方式，慢慢走进家政、养老、工厂这些真实场景，一点点把科幻变成现实。
对从业者来说，更清晰的信号是：Demo 时代的红利正在过去，靠单点技术、单一故事就能跑通的阶段结束了。
接下来的竞争，是技术、落地、生态的综合比拼，是长期主义者的赛场。政策引导、市场端的价值选择，都在指向同一个方向：务实落地、生态共建，才是下半场的核心命题。
复盘这两年的赛道演进会发现，从拼参数到拼落地，从拼单点技术到拼生态闭环，行业的竞争维度一直在升级。
能踩中每一次节点的团队，未必是起点最高的，但一定是对产业节奏判断最准的。
Demo 时代的红利正在过去。 具身智能的下半场，拼的从来不是谁的 Demo 更炫，是谁能把复用效率做扎实，把价值落到真实场景里。
复用效率的赛场，才刚刚开场。
