具身智能大模型算力：一位投资人的17条判断

前沿科技·一级市场投资深度解读具身智能·大模型·算力一位投资人的17条判断从"快半步"投资方法论出发，拆解具身智能、AI模型与算力芯片三大赛道底层趋势，辨明概念炒作与真实产业落地的核心标准。启明创投主管合伙人周志峰｜腾讯科技访谈解读目录CONTENTS01引言与背景：AI下沉与"快半步"方法论启明创投的AI投资版图·从技术节点到商业引爆点的介入时点03-0602具身智能：从"炫技"到"实用"的产业化关键市场规模推演·技术收敛·数据瓶颈·中美优势对比·三大算法方向07-2003AI模型：两个超预期与一个低于预期估值回归·智能体崛起·2C应用之困·视频模型跃迁·热钱与年轻创业者21-3204算力与芯片：国产替代与生态博弈全球算力投入·推理需求爆发·国产GPU三路线·CUDA生态与制程差距33-4105结论与展望：一切回归商业本质17条判断全景回顾·三大赛道核心结论·风险提示与投资启示42-44引言·机构背景启明创投：多轮技术浪潮背后的共同投资机构管理资产规模95亿美元美元基金11人民币基金7机构成立2006年聚焦前沿科技，覆盖大模型与机器人全链条过去几年，中国科技创投圈最热的AI、机器人与具身智能关键词，几乎都绕不开启明创投。在大模型赛道，它是最早将智谱置于"中国版OpenAI"语境下的投资机构之一；在机器人方向，从优必选登陆资本市场，到银河通用、因时机器人、它石智航在不同环节的探索，均可见其布局。核心人物：周志峰，启明创投主管合伙人周志峰是不折不扣的AI深度体验者：家中长辈已熟练刷短视频并用AI完成日常查询，他本人也依靠AI工具完成数据拆解与素材梳理。他提出以"快半步"节奏介入技术浪潮——在技术突破点之后、商业引爆点之前进入，其核心方法论贯穿本次17条判断。引言·投资方法论AI下沉为全民工具，"快半步"介入技术浪潮AI早已跨越"实验室—融资通稿"的边界周志峰观察到：家中长辈早已熟练刷短视频平台，也能顺畅用AI完成日常信息查询；自身工作场景里，AI同样深度渗透——日常依靠AI工具完成数据拆解、素材梳理，并持续关注AI生成短视频的内容迭代。投资人的职责：把变化带到现实这些细碎真实的日常片段，印证一个核心趋势：AI真正下沉至普通大众的手机终端，完成从前沿技术到全民日常工具的跨越。而投资人的职责，是在这些变化大规模出现之前，判断出哪些技术方向、产品形态和公司最有可能把这种变化带到现实里。"快半步"投资：智谱案例时间线不是越早越好，也不是等市场形成共识后再追，而是在技术突破点之后、商业引爆点之前进入。2020.05GPT-3发布，启明看到ScalingLaw正被验证，大模型跨过重要技术节点。2021.12启明投资智谱。彼时ChatGPT尚未发布，"AllinAI"还不是行业集体口号。2022.11ChatGPT横空出世，生成式AI被真正推到大众与创投市场面前。关键方法论：在技术突破点之后、商业引爆点之前进入——这是"快半步"投资的精髓。引言·投资纪律越是接近风暴中心，越要回到最朴素的问题"Showmethemoney"周志峰判断：面对火热赛道与热钱涌入，市场大概率会进入"showmethemoney"阶段——只看能不能落地，能不能转化成销售收入和利润率。越是市场喧嚣，企业越要证明自己能把技术变成收入、把想象变成现实。回到三个朴素问题的检验01·真实价值有没有创造真实价值？技术能否解决真实问题，而非停留在概念与demo层面。02·商业逻辑能不能经得起商业逻辑的验证？收入、交付、利润率是衡量长期价值最公平的尺子。03·长期价值越是新的东西，越要警惕短期关注度与长期价值之间的落差；短期热度不能替代规模化商业落地。引言·全景速览17条判断全景速览：三大赛道、三个层次01-06具身智能01赛道体量与三大观察｜02世界模型并非新赛道｜03评测标准缺失｜04数据是核心瓶颈05中国三大优势：数据/场景/硬件｜06操控决定商业价值，而非炫技07-13AI模型07估值回归收入与交付｜08两个超预期一个低预期｜09视频模型阶跃｜10巨头与创业公司分化11热钱涌入的隐患｜12年轻创业者的"谜之热恋"｜13疯狂时代看历史教训14-17算力与芯片14全球AI算力投入创纪录｜15国产GPU三类路线｜16算力预期仍在摇摆17与英伟达差距首先在软件生态PART0101具身智能从"炫技"到"实用"产业化关键：技术收敛、数据规模与商业验证"具身智能，是杀死我脑细胞最多的领域，没有之一。"——周志峰判断01·赛道观察兼具"手机出货规模"与"乘用车单价"的顶级赛道10亿台年出货量（成熟期）3万美元单台均价（约20万元）行业若发展成熟，单看市场规模，这在人类两三百年商业发展史里都是体量顶尖的赛道，没有之一。与大量具身智能公司交流后的三点感受01一二级市场都格外看好兼具智能手机的出货规模与乘用车的单价，是稀缺的"大盘+高价"组合。02抢IPO本质是抢稀缺性红利大赛道前一两家企业率先上市时，标的稀缺，能享受脱离常规逻辑的超级资本红利。03企业同质化严重，越来越难区分中国已有370多家具身智能相关企业，每周还收到两三家新项目；团队背景、技术路线、落地场景越来越相似，且目前没有一个客观标准能真正判断谁的技术更强、落地能力更强。第一章·具身智能08判断01·估值周期稀缺性冲高之后，市场将进入"showmethemoney"验证期上市后的估值演变路径01上市初期：稀缺性溢价前两家上市企业因标的稀缺，股价与市值可能冲到脱离常规逻辑的高位。02半年至一年后：价值回归市场只看落地、销售收入与利润率；一旦落地不及预期，市值可能跌到小几百亿区间。估值倒挂的连锁反应一二级市场估值倒挂：一级市场原有估值撑不住，企业后续再融资难度大幅提升。一级市场融资趋冷：即便成功上市，无法兑现商业化，再融资渠道也会被收窄。关键还是技术：路线收敛才谈得上规模化落地若机器人技术路线无法收敛，只能做"可有可无的demo项目"，商业化规模起不来。第一章·具身智能09判断02·技术路线世界模型不是全新赛道，VLA与之一体两面50%未来VLA与世界模型融合概率周志峰判断融合概率超过50%世界模型更像一条技术路径，只是在一级市场被炒成了热门概念。近期新冒出的约30余家世界模型初创企业，对比之前的VLA技术路线公司，在商业化落地上没有本质差别。VLA与世界模型：本质一致，方向趋同VLA·视觉-语言-动作直接建立"观察—语言指令—动作输出"的端到端映射，是当前具身智能的主流训练范式，落地以工业、物流、商业服务场景为主。世界模型·WorldModel通过预测未来状态来理解物理世界，可赋能视频生成与具身操作；行业共识是"融合而非取代"，并催生WorldActionModel等新架构。行业共识：融合而非取代世界模型正成为VLA体系内的数据引擎、预训练任务与安全校验器，两者共同构成下一代"具身大脑"——判断的核心是识别概念溢价，而非技术上的分道扬镳。第一章·具身智能10判断03·评测体系行业缺一把"公秤"：评测标准缺失，只能从底层逻辑推演现状：没有一个公认的评测标准跟纯软件AI行业不同——大模型领域有ImageNet、MMLU、GPT-4这样相对公认的评测基准；具身智能连"怎么判断谁的技术更强"都缺乏公认方式，企业宣传只能依赖各家自述与演示视频。带来的直接后果同质化的公司更难被区分，企业难以建立可验证的护城河；投资人无法用统一口径横向比较项目，只能回到技术、数据与团队的基本面作判断。替代方案：从底层逻辑推演四个维度01基础模型能力底座的感知、推理与泛化上限，决定天花板高度。02数据规模与质量真实物理世界数据的规模与有效占比，决定学习样本。03算法迭代效率训练—仿真—真机验证闭环的周转速度，决定进步斜率。04落地场景的工程化能力能否把技术放到真实场景稳定运行，是最终的分水岭。第一章·具身智能11判断04·数据瓶颈核心瓶颈是数据：未来一两年将快速改观瓶颈的本质：发展思路的分歧，而非"数据很重要"具身智能训练中"数据从哪来、怎么获取、怎么标注"存在根本性分歧，因此数据规模与质量都无法标准化。行业掀起的"Stack数据"风潮，核心是先把能拿到的数据尽量整理、收集、沉淀下来。三类数据源的分层价值合成/仿真数据——规模化生产，覆盖长尾分布遥操作数据——精准标注，适配精细任务真实场景泛化数据——质量最高，决定落地泛化上限数据获取的三种路径A真机遥操作采集精度高但成本贵、规模受限，适合精细操作任务。B仿真环境生成规模化、低成本，但存在sim-to-real迁移鸿沟。C互联网视频/世界模型生成借助海量视频与生成式世界模型补充数据，是重要增量。预判：数据问题的规模化解决将在未来一到两年内快速改观，并直接带动具身智能技术的大规模改观。第一章·具身智能12判断05·中美对比中国三大优势：数据、场景、硬件配套中国的人形机器人已走进真实的工业产线：从"实验室炫技"走向"产线上岗"，硬件配套与场景验证的产业链优势正在释放。中国制造与物流场景正成为具身智能最大的练兵场中美对比中的中国优势01数据：全球最丰富的真实场景工厂、物流、家庭、商超等复杂应用生态，为模型训练提供海量真实世界样本。02场景：制造、物流、养老的规模化入口全球最大制造业与物流网络，让机器人先在工业场景验证商业价值，再向服务业扩散。03硬件配套：完整供应链闭环电机、减速器、传感器、整机代工等产业链完整，能够把设计快速转化为规模化产能。叠加全球最大的一级市场投资热情，中国有望在具身智能的产业落地速度上领先。第一章·具身智能13判断06·技术方向"炫技"与"实用"：操控决定商业价值具身智能的三大技术方向Manipulation精细操控。与生产、生活直接相关，是真正能转化为商业价值的核心方向。Navigation自主导航。决定移动能力，但单独来看商业化空间有限，更多是基础能力。Locomotion运动控制。实验室里的"能走能跳"是炫技，开放环境的稳定性不等于商业落地。商业终局的产品形态判断未来真正成为商业终局的产品，是"轮式底盘+单臂或双臂+视觉"的形态——而非人形机器人在开放环境里跑、跳。人形形态的价值更多体现在泛化与通用性上，但就"当下能规模化销售的产品"而言，轮式底盘加机械臂更具工程与成本优势。投资偏好：更偏好"炫技"少一点、"实用"多一点的公司——技术必须服务于规模化落地。第一章·具身智能14延伸·市场数据全球人形机器人市场进入指数增长通道230亿2026年全球市场规模（元）2776亿2030年全球市场规模（元）86.4%2026-2030年复合增速CAGR38万台2030年中国预计出货量中国市场：2026年出货3.8-6.25万台，规模34-150亿元IDC预测2030年全球市场规模可达770亿美元。人形机器人正处在从"工程样机"走向"规模量产"的临界点。注：2026/2030为行业机构预测口径，展示中长期增长趋势第一章·具身智能15延伸·产业链具身智能产业链图谱：从零部件到规模场景上游·核心零部件传感器·电机·减速器六维力传感器、灵巧手、伺服电机、谐波减速器等构成硬件基础；中国在这一环节具备完整供应链与成本优势，是判断05"硬件配套优势"的具体承载。中游·本体与大脑本体集成·具身大脑人形/轮式本体+VLA大模型+世界模型构成"身体与大脑"；技术路线仍未收敛（判断02），数据与评测是当前最大的行业分水岭。下游·规模场景工业·物流·服务·家庭工业制造与物流仓储先行验证商业价值，商业服务与家庭养老接力放量；判断06强调"操控/实用"优先，正是对下游落地节奏的判断。产业链的价值，正在从"硬件组装"向上游零部件与下游场景两端延伸第一章·具身智能16PART0202AI模型估值回归与阶跃增长估值回归收入·视频模型阶跃·热钱与年轻创业者"越是疯狂的时候，越要回到最朴素的商业问题。"判断07·估值逻辑模型公司估值，回到收入、交付与可复制三把尺子估值正回归商业本质周志峰判断：无论公司规模多大、背景多强，模型的估值最终都会回到"收入、交付能力、可规模化复制"这三个维度。融资叙事与模型参数，都无法替代真实的商业化验证。这也是"showmethemoney"纪律在模型赛道的直接延伸。三把尺子如何检验一家模型公司01收入真实营收是估值的锚：API调用、订阅、私有化部署等能否转化为稳定收入。02交付能力能否稳定、按时地交付产品与方案，兑现对客户的技术承诺。03可规模化复制解决方案能否复制到更多客户与行业，而非依赖一两个标杆项目。三者缺一不可，共同决定估值的长期合理性。第二章·AI模型18判断08·行业扫描过去一年的行业：两个超预期，一个低于预期超预期01·算力投入的持续强度算力大厂的资本开支强度再次突破想象——大模型军备竞赛驱动算力成为确定性最高的基础设施投资。详见第三章：全球AI算力投入数据超预期02·模型能力迭代速度推理能力、多模态理解与代码生成能力的迭代速度超预期，几乎每个季度都能看到能力边界的显著抬升。低于预期·2C应用的爆发速度面向消费者的应用（2C）爆发速度和商业化进程低于预期——用户增长与付费转化之间的鸿沟依然存在，这是全行业尚未解开的难题。启示：算力与模型技术确定性高，2C商业化仍是最大的不确定项——投资机会应聚焦确定性一端。第二章·AI模型19判断09·视频模型视频生成模型：正在经历"阶跃式"增长从"生成几秒"到"接近影视级"视频生成模型在时长、分辨率、语义一致性与物理真实感上持续跃升，正从"图生视频"走向"文生视频+可控编辑"，并开始进入广告、影视、游戏素材等真实生产流程。代表产品快速迭代Seedance（字节）·可灵（快手）·Veo3（谷歌）全球视频生成市场规模已快速放大（行业估算约77亿美元级别），技术迭代与商业落地互为催化，产业链上下游都在被重新塑造。视频生成已进入专业制作流程：从影棚到成片的时间被大幅压缩第二章·AI模型20判断10·竞争格局视频模型三巨头vs创业公司：分化已经开始三巨头的核心优势：算力规模+数据Seedance·字节MoE架构、支持4K，引爆全球；面向C端，依托流量与算力。估计年度经常性收入已达数十亿美元量级可灵·快手（分拆）｜主打B端创业公司仍存在机会技术尚未完全收敛，创业公司在人才、技术探索迭代速度上不输大厂；股权激励与集中资源发力，是创业公司永远的底层优势。可灵选择分拆，也有利于持续留住顶尖人才。生数科技、爱诗科技、VideoRebirth等布局玩家语言模型的清晰分化：差异化定位成型ChatGPT·OpenAI对话体验全球领先，用户体量最大，大量优化围绕对话场景。Gemini·谷歌接入海量线上数据，优势集中在信息检索与整理。Anthropic从第一性原理出发，代码Coding与智能体能力具备先天优势。第二章·AI模型21判断11·市场警示AI共识形成后，大量热钱正在冲击市场热钱的传导路径二级市场

纯正AI标的稀缺热钱流向

一级半与一级市场估值抬升50%

至一倍追投超额资金带来的三大无序内卷01算力成本水涨船高原价300万元的英伟达服务器被炒到上千万，全行业算力成本被动抬高。02人才恶性争抢行业薪资飙升，顶尖人才供给被价格信号扭曲，加大内耗。0303·客户层面无序竞争各家都没有成熟落地的商业场景，只能扎堆抢夺大客户，单纯比拼营收规模，长期损害行业发展。警示数据：近十家估值超200亿元的具身智能企业、十余家百亿估值公司，成立都仅两三年第二章·AI模型22判断12·团队评估对年轻AI创业者的"谜之热恋"：主观判断，立不住现象：市场把"年轻"当成了投资主依据周志峰观察到：当下大量投资人迷信年轻团队，天使轮项目由95后、00后创始人主导，估值动辄20亿、30亿元，从业多年从未见过如此火热的行情。三种成因交织01机构急于"补枪"错过的上车机会大部分机构当年未建立AI共识，今年急于追投新模型公司。02"越年轻越聪明"的刻板印象DeepSeek核心团队为在读博士，强化"无历史包袱即成功"的印象。美国前沿实验室的示范效应海外三家头部企业核心人员年薪已达千万美元；优秀的年轻研究员无财务后顾之忧，独立创办新模型公司，也带动国内年轻人下场尝试。周志峰的判断把年轻当作主要投资判断依据非常主观、立不住。落地判断看的是：技术路线是否颠覆性、能否做到十倍级提升，并多方搜集佐证、综合验证团队真实硬实力。启明也投非常年轻的团队，但从不因"年轻"本身而出手，评估框架始终一致。第二章·AI模型23判断13·历史镜鉴越是疯狂的时代，越要看历史的教训"越是噪音比较多的时代，哲学思维越重要，要把这个事想通、想透。给刚成立两三年的年轻公司，我的建议是，多看历史。"历史一再重演：规模越来越夸张互联网、移动互联网时代都发生过类似狂热。90年代末，一个人就能融到钱、两年内完成上市；但最终"尘归尘、土归土"，没有真正创造价值的公司，哪怕再受资本市场宠爱，最终也可能失败。投资本质：规模化+资本化退出投资本质是投资一家企业未来能够实现规模化，再通过IPO等形式实现退出回报。规模化的可能性，决定资本回报的放大器是否存在。麦当劳vs米其林三星餐厅：规模化与资本化之别麦当劳：标准化、可复制、可资本化

——值得投资米其林三星：再赚钱也难资本化

——没有IPO放大器，无法退出第二章·AI模型24延伸·智能体智能体：撬动算力需求的"正循环"引擎正向循环已经形成代码能力跃升智能体能力成熟算力消耗剧增三个关键事实01代码能力成为大模型最核心竞争力，也是智能体的能力底座。02智能体产业价值远高于对话类产品，单次任务Token消耗是对话的10-100倍甚至1000倍。032026年3月全球日均Token调用约140万亿，较2024年初增长1000多倍——这是算力赛道增长全面超预期的底层解释。智能体正从对话走向执行：自主规划、调用工具、完成任务，产业价值与算力消耗同步放大。第二章·AI模型25延伸·2C应用2C应用为何"打开方式"与预期不同预期vs现实2025年判断

AI应用元年开启≠现实打开方式

增量集中在AICoding与智能体两个案例说明：流量逻辑在AI时代2C行不通AI玩具部分企业卖出几十万台，但90%的用户不会长期启用AI交互功能。公司坦言这反而是好事——若几十万用户全部高频对话、持续消耗token，成本根本扛不住。说明：单纯追求活跃与流量，反而会放大成本结构压力。AI短剧AI内容占比提升很快，却很难跑出真正爆款。短剧行业靠规模化体量打底、变现依赖爆款；文艺创作中人的艺术表达与构思占比很重，不是单纯靠AI生成精致画面就能支撑优质内容。说明：内容供给爆发≠爆款供给，创作壁垒依然在人。第二章·AI模型26PART0303算力与芯片确定性最强的最大需求比机器人领域确定性更强、落地周期更近"如果一年后智能体没有起来，算力需求也会被重新审视。"CHAPTERCONTENTS14全球AI算力投入创纪录15国产GPU的三类路线16算力需求的预期仍在摇摆17与英伟达的差距：软件生态先行判断14·算力投入全球AI算力投入创纪录：确定性最强的巨大需求8000亿美元/年·美国几大科技巨头AI算力投入（从7000亿上调）英伟达等四大巨头资本开支约7250亿美元量级1000亿美元/年·中国AI算力投入规模为美国投入的约八分之一量级周志峰强调：这是目前人类商业社会上能看到的、比机器人领域确定性更强、落地周期更近的最大需求。市场各类火热行情——一级市场新一代AI芯片企业、二级市场HBM内存与光通信炒作，本质都是巨大算力需求在牵引。机构预测交叉印证：投入仍在加码高盛：2026-2031全球AI算力7.6万亿美元集邦咨询：九大CSP资本开支8867亿美元国内科技大厂：算力预算翻6倍6x第三章·算力与芯片28判断14·需求结构推理需求接棒训练：百万张卡级别的真实需求算力需求结构正在切换前几年

训练为主1:1如今

推理占比持续走高字节等科技大厂的训练与推理需求已从1:1慢慢变为推理更多；两三年后，头部大厂每年的推理算力需求都会达到百万张卡级别。这是一个非常落地、真实的需求。GPU公司的机会：1%份额就是千亿市值GPU企业在大市场里哪怕只分到1%份额，一年就能实现百亿规模营收，对应市值轻松到千亿。市场先分散、再收敛中国会容纳很多GPU公司，但五年、十年后一定会收敛，头部化是必然趋势。投资启示：在需求确定、格局未定阶段，寻找具备产能、生态与工程化壁垒的头部候选。第三章·算力与芯片29判断15·国产GPU国产GPU的三类路线：谁能笑到最后市场格局正在改写英伟达在高端AI训练芯片受限后，国内份额从绝对主导跌破50%。华为昇腾等国产芯片份额快速提升，约30%-44%。三类技术路线并存01推理卡路线面向推理场景做专用卡，先立足推理这一放量最快的需求，再逐步向训练拓展。02兼容CUDA路线兼容英伟达CUDA生态，降低用户迁移成本，先做"平替"，再寻求差异化。03自建生态路线不依赖CUDA，自建软硬件生态，瞄准长期技术领先与国产自主可控。代表厂商：壁仞、沐曦、摩尔线程、昆仑芯、寒武纪等。三条路线各有取舍，最终胜出者取决于生态、产能与工程化能力的综合积累。第三章·算力与芯片30判断16·预期摇摆算力需求的预期，仍在两极之间摇摆市场对算力需求的预期依然波动很大，容易走向两极：既可能在新的训练/推理需求下被不断推高，也可能因核心假设被证伪而大幅下修。向上修正的力量智能体、AICoding等场景带来远超对话的Token消耗；推理需求接棒训练，头部大厂两三年内达百万张卡级；巨头资本开支一路从7000亿上调至8000亿美元以上。向下修正的风险若未来模型的算力需求假设被证伪——例如模型效率大幅提升、无需更大算力——所有预期的千亿、万亿需求都会重估；"如果一年后智能体没有起来，算力需求也会被重新审视"。判断：未来一到两年，算力需求的确定性依然很强，但更长期假设需持续验证。第三章·算力与芯片31判断17·生态差距与英伟达的差距，首先在软件生态而非硬件英伟达护城河：不止硬件英伟达的竞争壁垒不只是芯片本身，而是过去25年积累的CUDA软件生态——几乎所有AI框架、工具链、算子库都围绕它构建，形成了全行业几乎无例外的依赖。25年CUDA生态积累

是比单颗芯片更深的护城河国产芯片的现实差距国产GPU与英伟达在AI训练能力上的差距依然明显，而软件生态的差距比硬件更值得关注——算力再强，跑不起来的生态同样是短板。硬件差距之外

软件生态与工程化的追赶更难周志峰的判断短期内，不太可能用新的架构去挑战CUDA生态；国产替代的现实路径，是从推理场景+兼容生态切入，一边承接确定性的需求，一边积累软件栈与生态，再逐步向训练与自主架构延伸。第三章·算力与芯片32延伸·产业链算力产业链：从芯片到数据中心的传导五大核心环节AI芯片/GPU»服务器/整机»数据中心/IDC»云服务/算力围绕五大环节，还衍生出HBM内存、光模块与光通信、液冷散热、电力供给等高景气配套赛道。2026年一二级市场的HBM、光通信行情，本质都是巨大算力需求沿产业链传导的结果。数据中心：算力需求落地的最直接载体投资视角沿"芯片-服务器-数据中心-算力服务"主线布局，关注各环节产能、客户与生态壁垒。第三章·算力与芯片33PART0404总结与展望三条主线交汇具身智能是长坡厚雪，AI模型是价值底座，算力与芯片是最确定的商业需求。ONEMAINLINE判断确定性由低到高：具身智能→AI模型→算力芯片THREEDRIVERS模型能力推动具身智能与智能体落地，智能体放大算力消耗，算力与数据反哺模型迭代——三者构成正向飞轮。INVESTORLENS投资回到本质：看技术路线是否颠覆、能否规模化、能否资本化退出，而非被市场情绪裹挟。总结·全景回顾17条判断全景回顾（一）：具身智能01赛道观察2025年是具身智能投资元年；这是长期赛道，考验信仰、认知与耐心，很难"按快进键"。02估值周期一级市场估值曾快速泡沫化，如今已回到合理区间，是更健康的投资环境。03世界模型大模型与具身智能加速融合，世界模型带来跨本体通用性，是产业想象空间所在。04评测体系当前最大挑战是缺乏统一、标准化的评测体系，建立评测标准非常关键。05数据瓶颈高质量真实数据比算力更稀缺，构成具身智能发展的关键瓶颈。第四章·总结与展望35总结·全景回顾17条判断全景回顾（二）：跨章节要点06操控决定商业价值具身智能单台产值取决于操控能力，而非外观；中国供应链完整、工程化能力强，具备成为优势产业的潜力。07模型的S曲线阶段大模型进入S曲线中间阶段，不是简单持续上升；难有公司敢断言比OpenAI强，同行都在"一起摸索"。08三类需求背离算力超预期、2C应用低于预期、智能体超预期。智能体Token消耗远超对话产品，为算力需求提供底层支撑。09视频模型的时刻视频模型能力提升显著，行业规模快速扩大，被称为其"ChatGPT时刻"；Seedance等产品带动应用生态。回顾主线：具身智能重"操控与数据"，模型层看"分化与验证"，需求端"智能体成为放大器"。第四章·总结与展望36总结·全景回顾17条判断全景回顾（三）：AI模型后半程10巨头分化各家落地场景与商业化路径差异大，模型企业表现已明显分化，须具体看待。11热钱隐患大量资金涌入AICoding类创业公司，估值高企，应警惕泡沫风险。12年轻创业者把"年轻"当投资依据很主观；关键看技术路线是否颠覆、能否做到十倍级提升，并综合验证团队实力。