第二层，模型。
SYNWorld要解决的不是单纯"看见世界"，而是理解状态变化。
杯子从桌上被拿起之后会发生什么？
布料被拉动时会如何变形？
双手同时操作一个物体时，下一状态如何预测？
语言模型学习的是Token之间的统计关系，世界模型则必须越来越接近物理世界的状态迁移规律。
第三层，硬件。
OctoH-Hand则试图把"知道该怎么做"真正变成"做得到"。
报告显示，灵巧手和末端执行器已经成为肢体层中最重要的技术前沿之一。原因也很直白：
机器人最终要赚钱，不能永远只靠走路。
真正产生经济价值的，是操作。
制造、仓储、家庭、医疗、实验室--大量高价值劳动最终都发生在手上。
因此：
数据让机器经历世界，
模型让机器理解世界，
双手让机器改变世界。
Data gives AI experience.
Models give AI understanding.
Hands give AI impact.
如果这三层真正形成飞轮，才有可能从机器人产品公司升级成Physical AI基础设施公司。当然，"可能"两个字非常重要。因为技术路线成立，不等于商业模式已经成立。
四、资本看具身，2026年以后不能再只看Demo和估值
具身智能可能是这一轮AI中最容易让投资人兴奋，也最容易让投资人付出昂贵学费的赛道。
因为它同时具备三个特征：
故事足够大、技术足够难、花钱足够快。
一个软件产品失败，可以重新发布版本。
机器人失败，会产生库存、供应链、返修、售后、折旧和真实的现金流压力。
所以，从投资角度，我未来会越来越关注五件事。
第一，数据有没有复利。
不是"我们收集了多少TB数据"，而是每一次真实运行，能否让模型下一次表现更好。
没有训练闭环的数据，只是成本，不是资产。
