一句话总结两家公司的隔空对话：
宇树把焦点放在「通用大模型的临界点何时到来」，而智元已经在用「本体-数据-模型-场景」飞轮抢先落地商业订单；谁能先把80%未知场景的通用成功率做出来，“谁就是具身智能界的ChatGPT之父”。
──────────────────
一张图看懂双雄路线差异
| | 宇树科技 | 智元机器人 |
|----------------|------------------------------------|-----------------------------------|
|最新目标 |等待具身智能ChatGPT时刻 |把80%通用成功率拆成可落地的商业闭环|
|核心瓶颈 |模型结构+高质量数据采集方法论 |(已跨过) → 现瓶颈=规模化生产成本 |
|数据策略 |强调先想清楚再采 |(已开源) AgiBot World百万条真机数据|
|已交付产品 |春晚扭秧歌H1 |精灵G2获数亿元订单 |
|商业模式 |等待通用模型突破后放量 |(已跑通) RaaS租赁 + B端批量销售 |
|公开预判 |明年若能80%陌生任务成功=全球领先 |(已实现)GO-1 + GE-1世界模型商用 |
──────────────────
给关注赛道的你三点即时行动
1️⃣ VC/PE：别再只看Demo跳舞视频——直接问创始人「测试集里有多少条80% unseen task的成功率曲线」，答不出来的一律降估值30%。
2️⃣ 创业者：立刻复刻智元的「对抗采集+自主进化」数据策略开源脚本（AgiBot GitHub已放），缺GPU可先用Azure NDv5 spot实例跑通MVP再谈融资故事线。
3️⃣ 高校/科研机构：把智元的GO-1基座模型下载下来做微调实验——论文引用＋比赛名次两不误；同时关注宇树即将公开的全身运控数据集（预计Q1发布），抢先写benchmark文章。
───────────────
终局判断
如果一年内宇树把80%陌生任务成功率跑到≥75%，则行业会回到「通用大一统模型」路线；反之若智元的精灵G2先在物流/制造赚到规模化利润并反哺数据迭代，“具身智能的分水岭就被提前写死了”。
