11月10日，国金证券发表研究报告称，OpenAI向物理世界延伸，O链需求开始具象化。从机械手操作研究、参与1倍融资，到整合io硬件团队、征询消费设备及机器人制造伙伴，OpenAI的布局已连接模型能力、机器人部件与消费终端。在Anthropic推进上市的比较框架下，物理AI有望成为OpenAI在Coding之外的新叙事。

数据Scale-up推动具身能力进步，数据工程成为关键环节。网络与人类视频提供规模，仿真数据扩充场景，真机数据提供与实际执行贴近的监督信号。随着训练规模扩大，竞争从采集时长延伸至多模态对齐、清洗标注、质量评测和模型回灌；整数智能、光轮智能及仙工智能的布局，体现出数据供给正在从单点服务走向覆盖训练全流程的平台能力。

上下文学习与世界模型共同改变机器人研发方式。GEN-1.5可将短时示范作为“物理提示”，在不更新参数的情况下执行新任务，预训练扩张也降低了新任务适配所需的数据和梯度更新。Genie4将世界模型推进至实时交互模拟，为任务规划、异常场景推演和智能体训练提供环境；高层规划、中层动作策略与底层实时控制的分层协同，则推动这些模型能力向真实机器人迁移。

部署后的有效产出和数据回流，成为产业竞争的新尺度。智元以Worken衡量活跃本体、自主工作时长和产出效能，同时推进GO-3Preview、WITA-OMNI、触觉数据采集、灵渠OS及工业和公共服务场景部署。连续作业既检验可靠性与客户价值，也积累失败、恢复和人工接管数据，推动“部署扩张—数据回流—模型改善—效率提升”的循环。

量产、人才与资本投入使验证节点持续增加。特斯拉Optimus进入早期生产，苹果以HALO验证仿真训练向真实环境迁移，Meta与傅利叶迭代家庭机器人原型；大模型人才创业及具身数据企业融资，进一步将竞争延伸至数据和训练基础设施。后续观察重点将落在复杂任务成功率、模型开源后的第三方验证、产能爬坡与客户交付。