机器人泛化瓶颈

谷歌DeepMind研究员Keerthana指出，当前机器人智能仅相当于GPT-2水平，运动能力已非主要障碍，跨本体泛化才是核心瓶颈【背景】。这一判断与中银国际研报及宇树科技创始人王兴兴的观点一致：固定场景成功率近100%，但环境微变即导致任务失败，真实物理交互数据匮乏是主因。

为突破此瓶颈，产业界正通过不同路径尝试：Striding AI和X Square Robot侧重全栈系统与数据飞轮；Figure AI则宣称其Helix 2.5模型通过Index数据集预训练，在30个陌生家庭中实现56%的零样本任务成功率，较无预训练提升六倍。

然而，估值锚点存在分歧。市场情绪曾推动宇树科技市值冲高，但其收入仍高度依赖科研教育（占比73.6%），工业落地受制于“最后几厘米”的精度偏差。若无法在非结构化场景中稳定复现高成功率，激进的商业化时间表将难以兑现。