问题：人工智能在具身智能领域遇到一个难题——汽车、无人机、机器人等不同形态的智能体，因为物理特性和任务需求不同，很难用统一的技术方案。传统做法是把大量任务数据混在一起训练，结果模型适应性差，换个领域就得重新来过，成本很高。
从"各干各的"到"以空间认知为共同底座"，反映出具身技术从实验室走向城市和产业的必然趋势；开源带来创新机遇，也对安全治理、评测体系和工程规范提出更高要求。只有在开放合作与安全底线之间找到平衡，通用空间智能底座才能更稳健地应用到真实世界。
问题：人工智能在具身智能领域遇到一个难题——汽车、无人机、机器人等不同形态的智能体，因为物理特性和任务需求不同，很难用统一的技术方案。传统做法是把大量任务数据混在一起训练，结果模型适应性差，换个领域就得重新来过，成本很高。
从"各干各的"到"以空间认知为共同底座"，反映出具身技术从实验室走向城市和产业的必然趋势；开源带来创新机遇，也对安全治理、评测体系和工程规范提出更高要求。只有在开放合作与安全底线之间找到平衡，通用空间智能底座才能更稳健地应用到真实世界。