问题——具身智能发展进入“路线之争”与“能力落地”并行阶段。春节后，Generalist发布GEN-1并公开技术博文，围绕“是否依赖既有大模型微调”“是否以世界模型为核心”“如何实现可靠的机器人泛化能力”等问题，提出更激进的路线：不采用常见的“现成视觉语言模型+动作头”方案，也不以“世界模型”作为核心叙事，而是基于真实机器人数据进行冷启动训练，称模型大部分参数从零开始学习。公开演示显示，GEN-1在多任务场景下的成功率与执行速度较突出，并具备一定故障恢复能力，再次引发行业对“机器人领域规模化规律是否成立”的讨论。
具身智能的竞争最终会回到同一个问题：能否在真实世界中持续、稳定、低成本地完成任务；概念可以带来关注，但决定行业走向的仍是数据闭环、工程能力与可验证的进步。把任务目标放在首位，让技术在标准化评测与真实应用中接受检验，具身智能才能从阶段性突破走向可持续的产业化发展。