身体 / 整机工程能力
不看跑跳和展示动作，重点看真实客户现场长期稳定、低故障、可维护地完成工作。
02 / Technical Bottlenecks
技术瓶颈与 Physical AI 成熟度
核心问题不是有没有机器人，而是能否长期稳定干活、完成有价值物理任务，并以安全、可维护、正 ROI 的方式规模部署。
身体工程
灵巧操作
Physical AI
数据闭环
Core Thesis
真正拐点来自长期稳定、低接管、可复制和数据回流
身体能力决定能否稳定干活，灵巧操作决定能否完成高价值任务，Physical AI 决定泛化和失败恢复，部署系统与运维决定商业化是否成立。
Framework
技术成熟度判断框架
| 层级 | 内容 | 性质 | 主要控制点 |
|---|---|---|---|
| 第一层 | 身体 / 整机工程能力 | 内生核心技术瓶颈 | K1 / K3 |
| 第一层 | 灵巧操作 | 内生核心技术瓶颈 | K1 / K2 / K3 |
| 第一层 | Physical AI / 大脑 | 内生核心技术瓶颈 | K2 |
| 第二层 | 数据闭环 | K2 成熟度支撑条件 | K2 / K4 |
| 第三层 | 安全可靠、成本 ROI、部署系统与运维 | 工程化与商业化阶段门 | K1 / K3 / K4 |
Bottlenecks
三类内生瓶颈
灵巧操作
从标准搬运走向高价值任务时，抓取、力控、触觉、工具使用和末端可靠性成为关键断点。
Physical AI / 大脑
决定任务理解、动作规划、泛化和失败恢复能力，不能用普通大模型或交互能力替代。
Stage Gates
工程化与商业化阶段门
- 安全可靠 需要长期运行、异常恢复、安全冗余、故障率和维修频率证据，视频展示不能替代。
- 成本 ROI 客户是否愿意持续付费，取决于效率、稳定性、维护成本和替代方案比较。
- 部署运维 多机调度、远程接管、工单闭环、客户系统接口和数据回流决定规模复制。
- 数据闭环 真实任务日志、失败样本、接管数据、复训和重新部署效果，是 K2 成熟度支撑条件。
Priority
不同问题下的瓶颈排序
技术上限
Physical AI / 大脑和灵巧操作决定长期通用化上限。
近期部署
身体工程、安全可靠、部署运维和简单任务能力优先。
规模商业化
成本 ROI、维护体系、质量一致性和 Fleet 平台决定复制性。
产业链外溢
K3 核心部件和 K4 运维平台更容易形成可验证的供应链机会。