具身模型首次出现可测量的上下文学习，本轮物理AI的核心变量由硬件性能升级转向泛化能力涌现。GEN-1.5可以将3-12秒的单次示范作为“物理提示”，在不更新模型参数的情况下执行新任务；随着预训练持续推进，模型适配新任务所需的专用数据和梯度更新显著减少，下一动作预测误差仍在持续下降。我们认为，这表明大规模物理交互预训练正推动机器人由针对单一任务反复训练转向基于示范快速学习，技能获取方式开始发生根本变化。
世界模型、VLA与底层控制加速协同，机器人智能由单点模型走向分层基础设施。Genie 4由离线视频生成进一步升级为实时、可交互的世界模拟，并结合Gemini推理能力，为任务规划、危险场景推演、长尾数据生成和智能体训练提供新的环境基础。与此同时，行业逐步形成高层任务理解与规划、中层动作策略和底层实时控制相互协同的分层架构：世界模型负责推演环境与行动结果，VLA负责将视觉和语言转化为动作，底层控制模型保证接触、平衡和执行器控制的稳定性。模型不再只是附加在硬件上的识别模块，而开始成为技能获取、环境推演和持续学习的共同基础。
产业评价由单次演示转向有效产出，部署-数据-模型闭环开始形成。智元在创新日提出Worken“有效智能工时”概念，将活跃机器人数量、自主工作时长和产出效能纳入统一评价框架，产业评价重点由“能否完成一次任务”逐步转向“能否持续、稳定地创造价值”。模型端，GO-3 Preview登顶三项行业权威评测榜单，WITA-OMNI已向首批客户开放部署；工程端，智元同步推进真实场景部署、触觉数据采集、后训练、部署后学习及灵渠OS开放。随着机器人进入工业质检、物料搬运和公共服务等场景，部署既验证硬件可靠性和客户投资回报，也持续产生失败、恢复和人工接管数据，有望形成部署扩张-数据回流-模型改善-部署效率提升的正反馈。
量产、人才和资本同步推进，物理AI由技术验证进入连续产业验证窗口。Tesla Optimus已在弗里蒙特启动早期生产；大模型核心人才向Physical AI迁移，星忆智能完成种子轮及种子+轮连续融资，则反映产业竞争正由整机和模型延伸至物理交互数据、世界仿真和训练基础设施。从产业与交易结构看，本轮物理AI具备技术逻辑持续强化、产业容量逐步打开和事件催化接续的特征。