问题——具身智能走向规模化应用后，核心瓶颈正从“有没有模型”转向“有没有可持续的数据和稳定的泛化能力”。近年来，具身智能被认为是人工智能进入物理世界的关键路径，但在落地时普遍卡在三类问题：其一，仿真训练容易产生“仿真到现实”偏差，现实中的材质、光照、摩擦等差异显著抬高模型迁移成本；其二，面向开放场景的通用性不足，模型往往在少数任务上表现突出，但跨任务迁移能力弱；其三，端到端训练高度依赖数据，而真机采集成本高、风险大，且数据口径不统一，拖慢规模化迭代。
具身智能的竞争——表面是模型能力之争——实质是数据组织方式与产业协同效率之争；谁能以更低成本、更高质量、更可复制的方式把真实世界纳入训练体系，谁就更可能在新一轮技术迭代中掌握主动权。以第一视角数据为代表的新范式，正在推动行业从“能做动作”走向“能理解并决策”，也将为我国智能产业链的自主可控与应用落地带来更高要求与新的窗口期。