空间智能与具身智能交汇：AI迈向物理世界

执行摘要：当前AI产业正从纯数字空间走向物理世界，空间智能（三维视觉、世界模型）成为核心技术主线。ECCV 2026显示三维感知与生成领域研究密集，世界模型被视为连接感知与决策的桥梁。IROS 2026则表明具身智能载体从地面机器人向空中扩展，搭载机械臂的无人机开启高空作业新场景。本报告梳理空间智能技术脉络、具身智能产业链上下游、代表企业竞争格局，并对两者融合带来的空中操作机器人、工业自动化等新兴市场进行趋势判断。

产业现状：从数字AI到物理AI

从语言到空间：AI能力边界的扩展

过去数年，AI产业的主导叙事由大语言模型驱动。以文本、代码和图像生成能力为核心的数字AI，已经在内容生产、办公协同、信息检索等场景实现大规模商业化。然而，语言模型的能力边界停留在数字空间内部：它们可以描述世界，却无法直接感知和作用于世界。

2024年以来，产业界与学术界呈现出一条日益清晰的主线——AI正在从数字世界向物理世界延伸。这一进程的直接动因包括：数字端数据的边际收益递减，头部模型厂商面临高质量语料枯竭的压力；而物理世界蕴含的视觉、空间、交互数据规模远超互联网文本，被视为下一阶段的训练资源与商业化场景。

物理AI的核心挑战在于，机器需要理解三维空间的结构、物体的物理属性与动态变化规律，并在真实环境中完成感知、决策与操作。这要求AI具备当前语言模型所不具备的空间智能与具身能力。

空间智能：学界与产业界的共同主线

空间智能（Spatial Intelligence）正在成为学界与产业界的共同交汇点。以计算机视觉三大顶会为代表的学术会议显示，三维视觉、场景重建、世界模型等方向的研究热度显著上升。学界关注的重点从传统的二维图像识别，转向对三维场景的完整理解：包括几何重建、动态场景建模、物体级的空间推理，以及面向机器人任务的具身视觉。

产业界的投入方向与学术热点高度重合。多家头部科技企业与创业公司进入空间智能赛道，布局方向包括：面向AR/VR设备的三维场景理解、面向自动驾驶与机器人的环境感知系统，以及作为通用底层能力的世界模型。

世界模型（World Model）是这一主线中的关键概念。其目标是让模型学习物理世界的运行规律——物体如何运动、重力如何作用、动作会带来什么后果——从而具备对未来的预测能力和对动作后果的推演能力。对机器人产业而言，世界模型被视为降低真实世界训练成本的关键：机器人可以首先在模型内部进行大量虚拟演练，再将策略迁移到物理实体上，大幅压缩昂贵的真机试错周期。

从近年的研究趋势看，世界模型与三维视觉的融合在加速。神经辐射场、三维高斯泼溅等场景表示技术提供了对物理环境的高保真数字化手段，而生成式模型的引入使动态场景的建模与预测成为可能。学界与产业界在这一方向上的共识度较高：对三维世界的建模能力，是从“看懂”走向“会做”的必经环节。

具身智能：操作形态的多样化

在空间智能提供“理解”能力的同时，具身智能承担“执行”的角色。值得注意的产业信号是，具身智能的载体正在从地面人形机器人、轮式机器人扩展到空中平台。

以机器人领域代表性会议的近期进展为例，学术界与产业界开始探索给无人机加装机械臂的方案，使飞行平台具备空中操作能力。这类系统面向的是空中装配、设施检修、高危环境作业等场景——例如在难以架设地面机器人或需要高空作业的环境中完成“拧螺栓”式的精细操作。这一方向反映出具身智能产业逻辑的演进：与其在结构高度类人的形态上追求通用性，不如针对特定作业空间设计专用形态，先在垂直场景中跑通商业闭环。

具身智能的产业化整体仍处于早期。当前制约因素包括：真实世界数据的稀缺与采集成本高昂、硬件本体与AI算法的协同优化难度大、跨场景泛化能力不足。这使得具身智能的商业化路径普遍呈现“先垂直、后通用”的特征——先在高结构化场景（仓储、巡检、产线）落地，再逐步向开放场景扩展。

从数字AI到物理AI的进程

综合学界与产业界的动向，AI向物理世界的延伸可以概括为一条递进的路径：数字AI积累的语言与推理能力构成认知基座，空间智能解决对三维世界的感知与建模，世界模型提供对物理规律的预测与推演，最终由具身智能载体在真实环境中完成操作闭环。

当前产业所处阶段，大致位于这一链条的中段：空间智能与世界模型的研究热度与资本关注度同步上升，具身智能在垂直场景中开始形成早期商业化案例，但距离物理AI的规模化普及仍有明显距离。学界会议的热点分布与产业界的投入方向呈现较高一致性，这通常意味着该领域正处在从基础研究向工程化转化过渡的关键窗口期。

下一阶段值得关注的产业变量包括：世界模型在真实机器人任务中的迁移效果、三维视觉数据基础设施的建设进度，以及具身智能载体在垂直场景中的商业验证速度。这些变量将共同决定AI从数字世界走向物理世界的实际节奏。

技术格局：三维视觉与世界模型

引言：从像素到物理的一条主线

ECCV 2026 的议题分布呈现出一个清晰信号：三维视觉正在从“感知问题”演变为“理解与预测问题”。三维重建、神经渲染、场景理解三条技术线的演进殊途同归——它们最终都服务于同一目标，即让 AI 在内部构建一个可用于预测、仿真与决策的世界模型。这条主线，被业内普遍视为 AI 从数字世界走向物理世界的共同技术底座。

三条技术线的演进

三维重建方面，行业已完成从传统的多视图几何（SfM/MVS）到可微渲染表征的代际更替。2023 年前后 3D Gaussian Splatting 的兴起，将重建速度与渲染质量的平衡点大幅前移；到 ECCV 2026，讨论重心已从“重建得更准”转向“重建得更可用”——即重建结果能否直接用于物理仿真、机器人操作规划等下游任务。动态场景、稀疏输入、大规模城市场景成为投稿热点，反映学术界与产业界对真实部署条件的响应。

神经渲染方面，路径从 NeRF 的隐式表征走向显式混合表征，渲染延迟从秒级降至实时。产业价值也随之分化：一是数字资产生产（影视、游戏、电商）中的内容生成管线；二是自动驾驶与机器人的仿真数据合成，通过可编辑、可泛化的场景生成能力，缓解真实数据采集的高成本与长尾场景覆盖难题。

场景理解方面，开放词汇检测与分割、三维场景图、语言驱动的空间推理成为主流方向。与前两者相比，这条线更接近“认知层”：它回答的不是场景长什么样，而是物体之间是什么关系、Agent 可以对场景做什么。这正是空间智能（Spatial Intelligence）概念近年升温的技术基础——感知、重建、理解三者合一，才足以支撑具身行为。

三条线的汇聚关系可以概括如下：

世界模型：预测、仿真与决策的三重角色

如果说三维视觉解决“看得懂”，世界模型则解决“想得通”。其在具身智能系统中承担三重功能：

预测：给定当前观测与动作，预测环境的未来状态。这是视频生成模型向世界模型演化的核心能力维度——生成质量本身不是目的，时序一致性与物理合理性才是。

仿真：以可交互的形式复现环境，供 Agent 训练与验证。相比传统物理引擎，神经渲染与生成式方法带来的优势是视觉真实感与场景多样性的大幅提升；但其物理精度仍受限于训练数据对真实规律的覆盖程度，“视觉逼真”与“物理正确”之间的差距，是当前学术界与工业界共同攻关的焦点。

决策：世界模型作为 Agent 的内部模拟器，支持“先在脑中推演、再在现实执行”的规划范式。对于机器人这类试错成本高的系统，这一范式具有直接的产业价值。

当前主要研究路线大致可分为三派：一是视频生成派，以大规模视频扩散模型为基础，通过生成分支外推环境演化，代表“数据驱动+生成式”路线；二是结构化表征派，延续三维视觉传统，以显式几何与场景图为基础构建可查询、可编辑的世界状态，代表“几何先验+符号结构”路线；三是混合派，将神经表征嵌入物理引擎或以物理约束约束生成过程，试图兼得两派优势。三条路线在 ECCV 2026 均有活跃成果，尚无定局——这本身就说明该领域处于快速演变期，技术路线的收敛与分化值得产业方持续跟踪。

具身侧的印证：从地面到天空

IROS 2026 的一个信号性话题是具身智能的平台延展：无人机开始搭载机械臂，执行空中接触式作业（业内称为空中拧螺栓类任务）。这类任务对世界模型提出了更高要求——飞行平台的动力学耦合、接触作业的力控制、空中视角下的三维感知，三者叠加意味着预测与决策模块必须在高频、高不确定性的条件下闭环运行。这说明世界模型的产业验证场景正在从结构化的地面机器人扩展至更开放的平台类别，反过来也加速了“感知—建模—决策”一体化架构的工程化。

第一，三维视觉与世界模型已形成明确的技术上下游关系，重资产投入神经渲染与仿真管线的公司，其卡位价值在于数据闭环而非单一算法。第二，世界模型三派路线的竞争尚处中期，几何先验与生成式方法的融合是最可能的中期收敛点。第三，具身平台的多元化（地面、空中、接触式作业）正在成为世界模型的天然试金石，物理合理性与安全性将成为下一阶段技术竞争与合规关注的核心维度。

具身智能载体演进与空中作业

3.1 从地面到空中：具身智能的载体延伸

过去几年，具身智能的主流叙事几乎完全围绕地面机器人展开——人形机器人、四足机器人、轮式底盘构成了产业观察的主要图景。然而 IROS 2026 传递出一个明显的信号：具身智能的载体正在从地面延伸至空中，无人机不再仅被定位为“会飞的相机”，而是成为具备操作能力的空中作业平台。

这一延伸的产业逻辑并不复杂。地面机器人受限于地形、楼梯、门槛与复杂室内结构，其可触达的作业空间存在天然边界；而空中平台在三维空间中的机动性几乎不受地面约束，尤其适合高空、外立面、桥梁下弦、输电走廊等人类难以到达或作业成本极高的场景。参考素材所描述的“给无人机装上机械臂，去天上拧螺栓”，本质上是一次作业能力维度上的升维：从“感知—移动”扩展为“感知—移动—操作”的完整具身闭环。

空间智能的成熟是这一转型的前置条件。若缺乏对三维环境的稳定理解与自身在空间中的精确定位，空中操作无从谈起——飞行平台本身处于六自由度的不稳定状态，机械臂的每一次接触都会产生反作用力，对感知、控制与规划的一体化能力提出远高于地面场景的要求。可以说，空中机械臂作业是空间智能与具身智能交汇程度最高的技术试金石之一。

3.2 技术路径：飞行平台与操作臂的耦合

从 IROS 2026 的论文与演示来看，空中操作系统的技术难点集中在三个耦合环节：

第一，飞行动力学与操作力学的相互干扰。 机械臂施加操作力时，反作用力会破坏悬停稳定性；因此在拧螺栓等需要持续扭矩输出的任务中，系统通常需要更抗扰动的飞控算法，或采用接触式支撑策略（如吸附于结构表面）来“卸载”操作反力。

第二，近场感知与精细定位。 高空作业中 GPS 信号易受遮挡与多路径干扰，精密操作依赖视觉伺服、激光定位与 IMU 的多源融合，将末端执行器的定位精度控制在毫米至厘米级。

第三，任务级自主。 从“飞到目标附近”到“识别螺栓、对准、施力、确认紧固”的完整任务链，需要任务规划与异常处理能力，这也是世界模型类技术在物理操作层落地的具体场景之一。

3.3 应用场景：基建巡检与维护率先落地

参考素材明确指出，空中作业的场景聚焦于基建巡检与维护，这一选择符合典型的技术落地规律：

• 存量基建规模庞大。 电网铁塔、桥梁、风电叶片、化工储罐、高层建筑外立面等资产规模巨大，传统人工高空作业成本高、风险大、产能受限，是明确的价值洼地。
• 拧螺栓类操作是巡检的自然延伸。 巡检发现松脱紧固件、锈蚀螺栓后，若能即时完成紧固与更换，则将“发现—上报—派单—人工复检—修复”的长链条压缩为单次飞行作业闭环，边际收益显著。
• 结构化程度高、容错边界清晰。 相比开放环境中的通用操作，标准件紧固任务的物体模型相对已知，为早期商用提供了可接受的可靠性区间。

需要指出的是，空中精细操作的商业化仍处于早期。载荷与续航的矛盾（机械臂、电源与作业工具均消耗重量预算）、单次作业成本相对人工的竞争位、以及可靠性的工程验证，都是产业参与者必须回答的问题。

3.4 监管与产业格局

空中作业机器人的规模化部署必然面对航空监管体系。低空飞行器的适航审定、超视距飞行许可、人口密集区作业的空域申请，在各国监管框架中均有明确但尚在演进的要求。从产业逻辑看，监管的成熟度与飞行器自主能力的提升之间存在正向互动：自主性与冗余设计越完善，监管机构越有条件放宽限制性条款，反之亦然。头部企业将合规能力视为核心竞争资产之一，而非单纯的成本项。

竞争格局方面，该赛道呈现三方交汇：传统工业无人机厂商向操作能力延伸、地面具身智能公司尝试空中平台、以及专注基建服务的垂直运营商。具备“感知—飞行—操作”全栈能力、同时绑定基建业主数据闭环的玩家，有望在下一阶段取得领先。

3.5 小结

IROS 2026 所展示的空中操作能力，标志着具身智能完成了一次载体维度的关键扩展：机器人不再局限于地面平面，而是可以在真实三维空间中执行物理操作。在空间智能的感知底座之上，“空中机械臂”将巡检、维护等高频刚需场景纳入具身智能的射程，成为 AI 迈向物理世界进程中值得持续跟踪的重要分支。

产业链分析：上游到下游

产业链分析：上游到下游

AI迈向物理世界的进程正在催生一条新的产业链。与以数据为中心的传统AI产业不同，空间智能与具身智能产业链的核心特征在于软硬一体：算法能力的兑现高度依赖物理硬件的成熟，而硬件的规模化出货又反过来拉动算法迭代。本章按上、中、下游三个环节梳理产业格局。

一、上游：传感器、芯片与执行硬件

上游是整条产业链的物理基础，主要包括三类环节。

感知层硬件：三维视觉是当前空间智能的主流感知路径，带动了深度相机、激光雷达、惯性测量单元（IMU）等传感器需求。与二维图像不同，三维感知对传感器的精度、点云密度与时间同步性要求更高，这为上游厂商提供了差异化空间。随着ECCV 2026等学术会议将三维视觉到世界模型的技术主线确立，传感器需求正从自动驾驶单点场景向机器人、无人机等多场景扩散。

算力层芯片：世界模型的训练与端侧推理对芯片提出双重要求——云端需要大算力训练平台，端侧则要求在功耗、体积约束下实现实时空间理解。具备边缘AI能力的SoC与专用推理加速芯片成为上游竞争焦点。

执行层硬件：具身智能的落地依赖机械臂与飞控硬件。IROS 2026展示的一个趋势是给无人机加装机械臂，使其在空中完成精细操作任务，如空中“拧螺栓”。这类空中操作平台对飞控的稳定性和机械臂的轻量化提出了远高于地面系统的要求，直接推动了高功率密度伺服电机、轻量末端执行器和抗扰动飞控系统的研发投入。

二、中游：世界模型、感知算法与系统集成

中游是产业链的价值密集区，承担从硬件能力到可交付系统的转化。

世界模型是当前中游的技术核心。其基本逻辑是让AI在内部构建对三维物理世界的可预测表征，从而支持空间推理与操作规划。从三维视觉到世界模型的演进，意味着技术栈从“感知重建”走向“理解预测”，这是空间智能成为AI走向物理世界共同主线的关键。

感知算法层面，空间理解、三维重建、位姿估计等模块正走向标准化，为系统集成提供可复用的组件。学术会议的成果转化周期正在缩短，ECCV与IROS上展示的空中操作方案即体现了感知—规划—控制算法链路的整合。

系统集成是中游连接下游的桥梁。具身智能系统需要将传感器、芯片、执行机构与算法耦合为一个整体，其中软件与硬件的协同调优构成主要壁垒。具备整体交付能力的集成商在产业链中议价能力较强。

三、下游：工业、建筑与电力巡检等场景

下游应用目前呈现“先结构化、后非结构化”的扩散路径。

工业场景因环境可控、任务重复性高，是具身智能最先兑现商业价值的领域。建筑与高空作业场景中，空中操作机器人（如无人机搭载机械臂执行紧固、检修）展示了替代人工高危作业的前景，但其可靠性验证与工程化仍需时间。电力巡检是无人机加三维感知组合落地较快的场景，输电走廊的自主巡检与缺陷识别已形成较清晰的商业闭环。

四、产业链互动与观察

从产业逻辑看，三个环节之间存在双向牵引：下游场景的付费意愿决定中游集成商的投入方向，中游的算法范式（尤其是世界模型）定义上游硬件的规格要求，上游硬件的良率与成本则决定下游渗透速度。

需要客观指出的是，产业链仍处于早期：空中操作系统在IROS 2026阶段更多停留在原型与演示层面，从实验室到规模化交付尚需解决可靠性、安全规范与作业标准等系统性问题；世界模型在物理一致性方面也仍有技术差距。政策与监管层面，无人机作业、机器人进入公共空间等场景涉及空域管理与安全合规，相关规则的完善进度将直接影响下游场景的放量节奏。总体而言，这条产业链的成熟度呈现出“下游需求明确、中游快速演进、上游持续升级”的格局，软硬协同能力将决定各环节玩家的长期位置。

数据、成本与竞争格局

空间智能与具身智能的产业化进程，正在从算法竞争转向数据与成本的系统性竞争。谁能够以更低的成本获取高质量的物理世界数据，并在仿真与真实场景之间建立高效的验证闭环，谁就能在下一阶段的竞争中占据主动。本章从数据获取、仿真训练与真实场景验证三个维度，梳理当前各技术路线玩家的差异化布局，并分析制约产业化的关键瓶颈。

一、数据获取：三条路线的分野

从 ECCV 2026 期间的技术讨论可以看出，空间智能已成为 AI 走向物理世界的共同主线，但不同玩家获取数据的路径存在显著差异：

互联网视频派以海量视频数据预训练世界模型，优势是数据规模大、成本低，但视频缺乏动作标签与物理交互信息，存在“看得到、摸不着”的天然缺陷，需要通过大规模标注或自监督方法弥补动作维度缺失。

仿真合成派依赖物理引擎生成合成数据，可控性强、标注免费，但核心挑战是 sim-to-real 差距——仿真中的物理规律与真实世界的细微偏差，会在策略迁移时被放大。

真机采集派通过遥操作、动捕设备在真实场景中采集数据，质量最高，但成本高昂。以机械臂操作任务为例，单条遥操作数据的采集成本通常是仿真数据的数十倍以上，规模化采集需要大量人力与设备投入。

IROS 2026 上展示的空中操作方向进一步印证了这一分化：给无人机加装机械臂执行“空中拧螺栓”类任务，其数据几乎无法通过互联网视频获得，仿真建模也因空气动力学与接触动力学的耦合而格外困难，真机采集成为不可回避的环节。这解释了为何空中具身智能的玩家普遍更早投入自建数据采集体系。

二、仿真训练：成本结构的关键变量

仿真训练正在成为压低整体数据成本的核心杠杆。当前主流做法是“仿真预训练 + 少量真机微调”的分层策略：在仿真中完成绝大部分探索与试错，再用真实数据校准策略。仿真基础设施因此成为新的竞争焦点——高保真物理引擎、可并行的大规模场景生成、域随机化工具链，构成了具身智能公司的隐性壁垒。

值得注意的是，仿真能力的竞争正在从“引擎本身”上移到“世界模型”层面。ECCV 2026 上的共识是，基于三维视觉的世界模型可以在学习到的隐式物理规律中生成训练信号，部分替代显式物理引擎的角色。这意味着拥有更强三维表征能力的团队，可以在仿真环节获得代际优势，仿真训练的门槛正从工程能力转向模型能力。

三、真实场景验证：闭环决定迭代速度

无论数据路线如何选择，最终的商业验证都必须回到真实场景。各玩家的验证策略呈现明显分层：

• 工业场景先行：仓储物流、制造业质检等结构化环境容错空间大、ROI 可量化，是多数玩家的首选落地场景；
• 特定任务切入：如空中操作这类高价值、低频次任务，虽然技术难度高，但一旦验证成功即形成场景独占性；
• 消费级场景谨慎推进：家庭环境非结构化程度高、安全要求苛刻，目前更多处于原型验证阶段。

真实场景验证的价值不仅是商业化，更在于形成“部署—采集—再训练”的数据飞轮。谁先在真实场景中跑通闭环，谁的数据资产就会随时间复利增长。

四、制约因素与竞争壁垒

数据稀缺是当前最硬的约束。 与互联网文本数据的丰裕不同，物理交互数据天然稀缺且难以共享——不同机器人的本体参数、传感器配置各异，数据跨本体迁移仍是有待解决的开放问题。这导致头部玩家倾向于自建数据管线，行业整体数据壁垒较高。

安全与合规构成产业化门槛。 具身智能体在物理空间中运行，涉及人身安全、隐私保护与责任认定等多重监管议题。当前监管框架仍在演进中，尤其在公共空间部署的无人机操作、人机协作场景，合规成本显著高于纯软件 AI。客观来看，这既抬高了行业准入门槛，也为已建立安全验证体系的玩家提供了结构性保护。

竞争格局的壁垒正在重构。 从当前的竞争态势看，壁垒不再是单一维度的：单纯拥有算法能力或单纯拥有场景的玩家都难以建立持久优势，真正的壁垒来自“数据获取成本 + 仿真迭代效率 + 真实场景闭环”三者耦合形成的系统能力。预计未来两到三年，具备混合数据管线、自主仿真基础设施与至少一个已验证商业场景的玩家，将与追随者拉开显著差距；而数据跨本体迁移等关键技术的突破，可能重新洗牌现有格局。

趋势判断：融合、落地与商业化路径

一、空间智能与具身智能正加速融合

从 ECCV 2026 的议程结构看，空间智能已不再是一个孤立的研究方向，而是成为 AI 走向物理世界的共同主线。三维视觉、场景重建、空间推理等技术与世界模型研究呈现出明显的汇聚态势：前者提供对物理环境的感知与表征能力，后者提供对环境动态的预测与模拟能力，两者共同构成具身系统理解世界的底层框架。

IROS 2026 上“给无人机装上机械臂”这一方向的热度，正是两大领域融合的直观体现。空中操作机器人（aerial manipulation）同时依赖空间智能的环境感知与三维定位能力，以及具身智能的操作控制与任务规划能力。任何一个单独的能力栈都不足以支撑复杂作业任务。可以判断，未来 2-3 年内，技术路线图将越来越多地以“感知—建模—预测—行动”的闭环为组织框架，而非按视觉、规划、控制等传统学科切分。

这一融合趋势对产业格局有实质影响：原本服务于自动驾驶的空间计算栈（SLAM、三维重建、占据网络）正在向机器人领域复用；而具身智能公司积累的操纵策略与数据回流机制，也反过来成为世界模型训练的重要数据来源。能力栈的交叉复用意味着，头部玩家的竞争边界将从单一产品扩展到“空间数据—世界模型—具身载体”的完整链条。

二、高危空中作业有望率先商业化

在具身智能的诸多落地方向中，空中操作机器人具备一条相对清晰的商业化路径，核心逻辑在于“高危场景的价值锚定”。

典型场景包括电力线路检修、铁塔螺栓紧固、风电叶片维护、高层建筑外立面作业等。这些场景的共同特征是：人工替代成本高（需高空作业资质、安全风险大、保险与人工成本居高不下）、任务结构相对标准化（拧螺栓、巡检、除冰等动作可分解建模）、以及容错环境相对宽松（户外空旷环境对碰撞风险的约束低于室内密集人群场景）。

基于参考素材，IROS 2026 上多个团队已将“空中拧螺栓”作为基准任务演示，说明该任务在感知、飞行控制与机械臂协调上的技术瓶颈正被逐一突破。从产业逻辑判断，商业化落地大概率遵循如下路径：

需要客观指出的是，落地节奏仍受三方面约束：其一，续航与负载能力对作业时长的硬性限制；其二，户外电磁干扰、强风等环境因素对操作精度的挑战；其三，低空空域的监管框架仍在演进中，电网、能源等核心行业的采购流程与安全认证周期较长。综合判断，率先形成规模收入的将是“巡检+轻量操作”的组合服务，而非完全自主的复杂操作。

三、世界模型成为下一个基础设施级竞争点

如果说空间智能解决“看到什么”、具身智能解决“做到什么”，世界模型则回答“接下来会发生什么”。ECCV 2026 上，世界模型相关研究已从学术热点转向体系化布局，头部厂商将其视为连接数字智能与物理执行的中间层。

其基础设施属性体现在三点：

1. 数据杠杆效应：世界模型可在虚拟环境中低成本生成训练数据，缓解具身智能真实数据采集昂贵的瓶颈；

2. 平台收敛效应：一旦某家企业的世界模型在特定领域（如电网、仓储）形成精度与规模优势，将吸引下游机器人厂商基于其 API 开发应用，形成类似云平台的生态位；

3. 安全验证刚需：高危作业场景要求策略在部署前经过高保真仿真验证，世界模型是天然载体。

竞争格局上，自动驾驶公司、具身智能创企与云计算厂商均已入局，各自以数据、载体或算力为切入点。可以预期，未来 2-3 年世界模型将出现“通用底座+垂直领域专用模型”的双层结构，垂直场景的高质量数据构成关键护城河。

四、小结

三条判断可归纳为：融合是技术主线，高危空中作业是商业化突破口，世界模型是竞争制高点。对产业参与者而言，短期内应聚焦单一高危场景打磨可复制的作业能力，中期布局世界模型的数据积累与仿真验证能力，并在低空经济监管框架逐步明晰的过程中，提前完成资质认证与行业客户绑定。空间智能与具身智能的交汇不是概念叠加，而是 AI 从数字世界走向物理世界的必经之路。