# DR-03 大厂项目 平台替代与垂直替代路线

> **阅读版说明（2026-07-18）：** 原始 ChatGPT Deep Research 导出包含 GitHub 无法解析的内部 `turn…` 引用标记。本阅读副本已移除这些不可移植标记；这不等于直接恢复了原引用。项目后续已对关键主张重新打开原始来源，并以 Sources、Source Cards 和 Evidence Ledger 为准。未经清理的初始版本仍可通过 Git 初始提交 `67f525c` 与输入清单中的 SHA256 追溯。

## Executive Strategic Findings 与评价口径

本报告只把**具体项目、模型、平台或垂直系统**当作分析单位，不把母公司的全部资源自动计入项目成熟度。文中“Fact”表示有公开一手证据可核验；“Company claim”表示主要来自公司自述或官方营销/博客；“Analyst inference”表示基于公开证据做出的谨慎推断，而不是已经发生的事实。以下“高/中/低/未知”也都按同一口径使用：**高**=已有可获得产品/API/部署或明确商业使用证据；**中**=有公开模型/SDK/可信试点，但仍受 preview、硬件、合作门槛或场景限制；**低**=主要停留在研究、演示、论文或开源代码；**未知**=缺少公开披露。

| 结构性发现 | 类型 | 依据与含义 |
|---|---|---|
| **NVIDIA 目前最接近“平台替代”而不仅是“模型替代”**。Cosmos 已经把开放权重、商业可用许可、NIM、合成数据、Isaac Sim/Lab、OpenUSD/Omniverse 和 Jetson/数据中心部署路径串成一体；客户不必先采购独立世界模型，再自己补仿真、评测、部署链路。 | Fact | Cosmos 官方文档把其定义为 developer-first platform；Cosmos WFM 采用 OpenMDW 1.1；Reasoner/NIM、Isaac Sim、Isaac Lab、OpenUSD/Omniverse 都已公开可用；同时已有一批机器人与 AV 伙伴公开采用或集成。 |
| **Google DeepMind 目前在“具身推理 API”上最接近直接替代，但在“端到端机器人执行”上仍是分层开放**。Gemini Robotics-ER 1.6 已经在 Gemini API/AI Studio 中对外，能做空间理解、任务分解、函数调用与结构化输出；但 Gemini Robotics 1.5 仍以合作伙伴为主，On-Device 仍是 trusted tester / private preview。 | Fact | 这意味着 Google 可以替代独立供应商的“高层 embodied reasoning brain”，但还没有完全把所有客户都带入一个低门槛、通用可部署的 VLA/控制产品。 |
| **自动驾驶已经证明，世界模型最强的替代路线之一不是通用售卖，而是垂直内生化**。Waymo 把世界模型、仿真、RL、评测和已运营车队数据闭环做成内部飞轮；Wayve、Waabi 则把 generative world model 直接服务于自家 AD stack 的验证、安全与扩张，而不是先做通用供应商。 | Fact | 对 Manifold 的含义不是“它们会立刻卖给所有客户”，而是：在高价值垂直里，头部玩家可能更倾向自建或深度定制，而非采购独立通用世界模型。 |
| **开放研究路线目前更像“能力竞争”与“未来市场竞争”，还不是成熟产品替代**。Meta V-JEPA 2 和 Microsoft Magma 都有开放代码/权重，但前者没有公开 API/商业产品，后者模型卡明确写明仅限 research use、非生产场景。 | Fact | 这类项目会压低“技术独占性”的溢价，但暂时不能等同于可立即采购和部署的商业替代。 |
| **对独立世界模型公司的最大压力，短期更可能来自“工具链锁定 + good-enough”而不是单点 SOTA**。如果客户已经处在 Isaac/Omniverse/OpenUSD 或 Google AI Studio/Distributed Cloud 里，且模型、合成数据、评测、部署都能在同一栈内完成，那么他们对第三方世界模型的采购动机会显著下降。 | Analyst inference | 公开证据显示，NVIDIA 和 Google 都在把模型、仿真、推理、边缘/云硬件、SDK 与生态伙伴捆成一个 workflow；这会改变采购边界。 |
| **“开放”并不等于“低摩擦商用”**。Cosmos 与 Isaac 路线对 NVIDIA GPU、Linux、NIM/NGC、Jetson 或 Omniverse 工作流有明显绑定；Google 路线则有 AI Studio、trusted tester、private preview 和云边一体的接入门槛。 | Fact | 这恰恰是独立供应商仍有空间的原因：客户常常买的不是“模型本身”，而是更低的接入摩擦、更少的硬件绑定、更强的定制化与行业贴合。 |
| **Genie 3 / Project Genie 代表的是一个应被认真监控、但容易被高估的替代方向**。它已经把实时交互世界生成从研究推进到面向 Google AI Ultra 用户的原型，并与 Street View grounding 结合；但公开限制仍包括 prototype 定位、物理真实性不足、控制延迟、60 秒限制。 | Fact + Company claim | 它更像“未来市场竞争”的强信号，而不是当前对企业级 Physical AI 的成熟替代。 |

## 大厂具体项目总表

| 项目名称 | 母公司 | 解决的任务 | 技术路线 | 关键能力证据 | 阶段 | 开放方式 | 许可证与商用限制 | 硬件/云/数据/工具链绑定 | 开发者与合作伙伴生态 | 下游采用证据 | 竞争机制 | 合作可能性 | 12–24个月进入证据 | 关键缺口 | 最新证据日期 | 主要来源 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| **Cosmos 3 / Transfer2.5 / NIM** | NVIDIA | 物理世界生成、physics-aware synthetic data、world reasoning、action-conditioned prediction、world-to-world transfer。 | Omnimodal world foundation model；Reasoner + Generator 双塔；支持 action-conditioned world model、policy/action generation。 | Cosmos 3 支持 text/image/video/audio/action 输入与 text/image/video/audio/action 输出；支持 action-conditioned world model 与 world action/policy model；Transfer2.5 明确用于 physics-aware video world states。 | **API/Product**：Reasoner NIM 已可下载/部署；Generator NIM 路标已公布。 | GitHub、Hugging Face 开放权重、NIM 微服务、商业可部署下载。 | Cosmos WFM 采用 **OpenMDW 1.1**；Cosmos3-Nano-Reasoner 与 Transfer2.5 模型卡都写明 ready for commercial use。 | 明显绑定 NVIDIA GPU、NGC/NIM、Hopper/Ada/Blackwell 级显卡与 Linux；Transfer2.5 的支持矩阵要求 Hopper 或更高以及 80GB+ VRAM。 | 与 Omniverse、Isaac、OpenUSD、Jetson、Hugging Face、Uber、Waabi、XPENG、Foretellix 等形成生态。 | 官方已披露 1X、Agility、Waabi、XPENG、Uber、Foretellix 等采用/合作，但多数属于生态采纳、联合开发或 workflow 集成，不等同规模生产付费部署。 | **产品替代 + 平台替代 + 能力竞争 + 未来市场竞争** | **高**：可作为模型底座、合成数据引擎、仿真底座或分销渠道。 | 公开路线已从 2025 的 API catalog/open models 扩展到 2026 的 Cosmos 3、NIM、post-training code、BYOC、更多物理 AI 数据集；进入下游的概率高。 | 真实客户 ROI、跨行业生产部署、非 NVIDIA 硬件兼容性与长期成本仍缺乏公开对照证据。 | 2026-06-24 |  |
| **Isaac GR00T N1 / N1.5 / N1.6** | NVIDIA | 通用 humanoid / manipulation policy，跨 embodiment 任务学习，sim-to-real。 | VLA / action model；System 2 VLM 负责 reasoning/planning，System 1 负责连续动作生成。 | GR00T N1 明确以双系统结构把环境理解与规划转成连续动作；N1.6 在真实 YAM、Agibot Genie-1、Unitree G1 上公开结果。 | **Product/Pilot**：开放模型可下载，已有真实机器人 post-train 与部署案例。 | Hugging Face 权重、GitHub、whitepaper、Blueprint、LeRobot 集成。 | 开放、可定制，但强依赖 NVIDIA 训练/推理栈；N1 文章给出最低 A6000 / 4090 后训练门槛与 Jetson/RTX 推理路径。 | 数据格式与 LeRobot 兼容，但推理和训练明显绑定 A6000/4090、Jetson、DGX Spark/H100。 | 1X、Agility、Boston Dynamics、NEURA、Mentee 等；与 Hugging Face LeRobot、Reachy 2、Jetson Thor 形成开放生态。 | 1X CEO 在 NVIDIA 新闻稿中称已基于 GR00T N1 在 NEO Gamma 上部署；但这属于合作方声明，且更多是 post-trained policy，而非通用开箱即用部署。 | **产品替代 + 平台替代 + 能力竞争** | **高**：可作为 Manifold 下游 policy/robot stack 的分销与部署入口。 | 从 N1 到 N1.5/N1.6，再到 LeRobot 与 Jetson Thor/Eval stack 集成，公开路线显示 NVIDIA 正持续向“开放 humanoid developer platform”推进。 | 通用性是否能跨更多非 humanoid 机器人稳定复现；真实客户部署数量与付费模式未公开。 | 2026-01-05 |  |
| **Isaac Sim / Isaac Lab / Omniverse / OpenUSD** | NVIDIA | 机器人仿真、synthetic data、policy training、SIL/HIL、评测与 workflow 编排。 | 高保真仿真 + GPU-native robot learning + OpenUSD 数据标准 + Omniverse 库与微服务。 | Isaac Sim 可用于模拟、SDG、测试验证；Isaac Lab 是 open-source、GPU-accelerated、agent-ready，且是 GR00T 基础训练框架；Omniverse 以 OpenUSD 为核心承载仿真工作流。 | **Product/Deployment**：外部开发者可直接下载与部署。 | GitHub、SDK、Docs、AWS Marketplace、Omniverse libraries/microservices。 | Isaac Sim 本体开源/免费使用，但 ISV 重新分发 Omniverse Kit 需要单独许可证；Production Branch 的企业支持属于付费客户权益。 | 绑定 NVIDIA GPU、Omniverse/OpenUSD、ROS/ROS2、AWS/NGC；从工作站到数据中心一致。 | Agility、Boston Dynamics、1X、Field AI 等出现在 Isaac Lab 生态页；LeRobot 与 Isaac Lab-Arena 已打通。 | 采用多为技术生态与平台集成证据，而非平台本身的生产营收披露。 | **平台替代 + 能力竞争 + 未来市场竞争** | **高**：最容易成为上游仿真/评测/数字孪生基础设施合作方。 | OpenUSD 被 NVIDIA 定位为 Omniverse 核心并强调标准化 physical AI pipeline；平台分支、企业支持与更多库/微服务持续在推进。 | world model 本身并不直接由 Isaac Sim 提供；很多客户仍需要上层模型或行业知识。 | 2026-07-09 |  |
| **Gemini Robotics-ER 1.6 / Gemini Robotics 1.5 / Gemini Robotics On-Device** | Google DeepMind / Google | Embodied reasoning、空间理解、任务分解、tool calling、VLA 控制、端侧低延迟机器人执行。 | 分层 agentic stack：ER 作为高层 brain；Gemini Robotics 1.5 作为 VLA；On-Device 提供本地低延迟执行。 | ER 1.6 文档明确支持 scene understanding、空间/时间推理、任务分解、function calling 与 structured outputs；Gemini Robotics 1.5 博客写明 ER 负责 orchestration，Robotics 1.5 执行动作；On-Device 可本地低延迟输出 action。 | **API/Product + Partner preview**：ER 1.6 为公开 preview；1.5 面向 select partners；On-Device 为 private preview / trusted tester。 | Gemini API / Google AI Studio、SDK、trusted tester、private preview。 | ER 1.6 已在 API 中可试用；但 Robotics 1.5 与 On-Device 没有全面开放，且能力分散在 API、伙伴计划与 trusted tester。 | 绑定 Google AI Studio、Google Cloud/Distributed Cloud、Google Search/Maps grounding、Coral Edge TPU、Live API 等。 | Apptronik 为 humanoid 合作伙伴；另有 60+ trusted testers，公开页面列出 Boston Dynamics、Agile Robots、Agility Robotics 等。 | 采用证据主要是官方合作/测试者计划，尚非普遍生产部署；但 ER 已经是可调用 API。 | **产品替代 + 平台替代 + 能力竞争 + 未来市场竞争** | **高**：可能成为推理层供应商、云边基础设施伙伴，或通过 API/SDK 成为渠道。 | 2025–2026 连续推出 Robotics、ER 1.5、On-Device、ER 1.6 和 Cloud Physical AI 页面，说明 Google 正在把研究资产向开发者/企业接口推进。 | 真实机器人生产部署规模、定价、商业许可证、跨机器人通用性与低层控制安全闭环披露不足。 | 2026-04-20 |  |
| **Genie 3 / Project Genie** | Google DeepMind / Google Labs | 实时交互世界生成、world simulation、虚拟世界探索、与真实地点 grounding。 | 通用实时 interactive world model；Project Genie 把模型包装成 web prototype；与 Street View/Maps Imagery Grounding 联动。 | Genie 3 可从文本生成可实时导航、24 fps、720p、持续数分钟的互动世界；Project Genie 已可供 Google AI Ultra 用户使用；2026 年接入 Street View grounding。 | **Demo/Product prototype**：消费者可访问，但仍是 experimental research prototype。 | 封闭的 Labs prototype；无通用企业 API/SDK 公开。 | AI Ultra 订阅、地域/年龄限制；原型存在 60 秒限制、物理真实性与控制延迟问题。 | 强绑定 Google Labs、AI Ultra、Street View、Maps Imagery Grounding。 | 目前主要是用户原型体验和 Google/Waymo 体系内技术外溢。Waymo 已公开说明自己的 World Model built upon Genie 3。 | 当前更多是演示与战略预告，而不是企业客户采用。 | **未来市场竞争 + 能力竞争**；在游戏、XR、仿真领域也有潜在 **产品替代** | **中**：可作为未来 simulation substrate 或数据源伙伴，但当前离企业级闭环仍远。 | 从 2025 的 Genie 3 到 2026 的 Project Genie、全球 AI Ultra rollout、Street View grounding，进入更广泛开发者/产品层的证据在增强。 | 目前没有通用企业 API、缺少机器人训练/评测闭环接口、仍属原型。 | 2026-05-19 |  |
| **Waymo World Model** | Waymo / Alphabet | AV world simulation、rare-event generation、多传感器仿真、闭环训练与评测。 | 生成式多传感器世界模型；以 Genie 3 为底座并针对 driving domain post-train；嵌入 Waymo Foundation Model 的 Simulator。 | 官方称其 built upon Genie 3；能输出 camera + lidar，多种 controllability（driving inputs、scene layout、language）；用于大规模 closed-loop simulation。 | **Deployment**：内部用于已运营自动驾驶服务的训练、评测与安全飞轮。 | 封闭内部系统；无外部 API。 | 闭源，强绑定 Waymo 数据、硬件、运营车队与安全框架。 | 绑定 Waymo Driver、Critic、RL、车队与 safety framework；对外不可购买。 | 已支持一个拥有 2.206 亿 rider-only miles 的实际运营系统；world model 不是外部生态产品，而是内部核心能力。 | 采用证据是 Waymo 自身生产部署，而非对外销售。 | **能力竞争 + 未来市场竞争**；在 AV 垂直中构成强 **平台替代** | **中**：更像标杆或潜在合作参考，而不是直接可采购上游。 | 2025–2026 的公开材料从“Waymo Foundation Model”到单独披露“Waymo World Model”，说明其已把 generative simulation 视为核心安全与扩张基础设施。 | 除内部博客外，缺少面向第三方客户的开放计划、定价和商用模式。 | 2026-03 |  |
| **V-JEPA 2 / V-JEPA 2-AC** | Meta | 自监督视频表示、状态演化预测、zero-shot robot planning。 | JEPA world model；从 internet-scale video 预训练，再用少量 robot interaction data 做 latent action-conditioned post-training。 | 官方项目页写明“理解、预测、规划”，并展示新环境中的 zero-shot robot control；论文页说明 V-JEPA 2-AC 用少于 62 小时 Droid 数据在不同实验室的 Franka 上实现零样本规划。 | **Research/Open model** | GitHub、Hugging Face checkpoints、论文与代码。 | 代码主要为 MIT，部分文件 Apache 2.0；无官方商业 API/产品渠道。 | 需要本地运行 PyTorch/CUDA；对 Mac 兼容性也有公开限制。 | 主要是研究社区与开源复现生态。 | 未见官方生产部署或外部商业采用的公开证据。 | **能力竞争 + 未来市场竞争** | **中**：可作为研究合作、技术参考或模型组件。 | 2026-03 发布 V-JEPA 2.1，说明 Meta 仍在持续推进；但公开路线仍以研究与开源为主。 | 缺少 API/product、商用案例、稳定部署工具链。 | 2026-03-16 |  |
| **Habitat 3.0 / PARTNR** | Meta | embodied AI 仿真、human-in-the-loop、任务规划与协作评测。 | 仿真平台 + benchmark；PARTNR 在 Habitat 上提供 agent/planner/tool/skill/world graph/perception pipeline。 | Habitat 3.0 论文说明其支持 humanoid simulation、VR/human-in-the-loop、协作任务；PARTNR repo 明确包含 planner/tool/world graph/perception/evaluation。 | **Research/Open platform** | 论文、GitHub 仓库、MIT 许可。 | Habitat-Lab / PARTNR 为 MIT；但 Habitat-Lab 仓库公开写明 beyond v0.3.4 不再由 Meta 内部正式维护。 | 绑定 Habitat 生态、研究数据集与开发环境。 | 在学术 embodied AI 社区影响大。 | PARTNR 是规模化 benchmark，但 Meta 自己也强调当前 SOTA planner 在任务跟踪、协调、恢复上仍有明显缺陷。 | **平台替代 + 能力竞争**，但商业化威胁有限 | **中**：更适合 benchmark、研究与模拟评测合作，而非直接商业替代。 | 若 Meta 重启强维护、接入更多模型接口或转向 SaaS benchmark，重要性会上升；目前公开证据相反。 | 正式维护停滞、无商业化入口、与真实产业部署距离较远。 | 2025-01-27（repo release） |  |
| **Magma** | Microsoft Research | 跨数字与物理环境的多模态 agentic foundation model；UI navigation + robot manipulation。 | 多模态 foundation model，可输出 visual plans、UI grounding、robotics manipulations。 | 官方博客与论文都写明 Magma 同时覆盖数字与物理环境；Hugging Face 模型卡列出 UI navigation、robot manipulation、visual planning 与 agentic capabilities。 | **Research/Open model** | GitHub、Hugging Face 模型、项目页。 | 代码与模型为 MIT；模型卡明确写明 intended for research only，并不 intended to be deployed in production settings。 | 训练用 Azure ML，但本地运行需要自定义 transformers 依赖与 CUDA；部署门槛偏研究型。 | 有 GitHub 与 Hugging Face 开发生态；无明确机器人 OEM 生态。 | 公开证据主要是基准与 demo，未见生产部署或付费客户。 | **能力竞争 + 未来市场竞争** | **中**：研究合作、组件整合、Azure 生态接触面有价值。 | 若进 Azure AI Foundry 官方托管 catalogue 或推出 productionized robotics API，则威胁会显著上升；截至公开材料尚未发生。 | 非生产、无成熟 SDK/安全控制/真实部署证据。 | 2025-05-09 |  |
| **DeepFleet + Amazon/Covariant 仓储机器人路线** | Amazon | 机器人 fleet coordination、仓储机器人通用化、warehouse automation。 | 内部 foundation model + 车队数据 + 机器人栈；并通过非独占许可证引入 Covariant robotic foundation models。 | Amazon 公开称 DeepFleet 可将 fleet travel time 提升 10%；同时 2024 年签署非独占协议引入 Covariant robotic foundation models，以推进 intelligent and safe robots。 | **Deployment/Revenue**：内部生产环境部署，但不是外部售卖产品。 | 封闭内部系统；不对外提供通用平台。 | 非开放；完全绑定 Amazon 运营数据、AWS 基础设施和仓储流程。 | 极强的内部数据、硬件与流程绑定；但外部生态弱。 | Amazon 已公开披露其第 100 万台机器人、300+ 设施规模与 DeepFleet 上线；这说明在仓储垂直里已形成“自己不买外部通用世界模型也能前进”的路径。 | 下游采用仅限 Amazon 自身；不构成外部客户可直接采购的替代。 | **未来市场竞争 + 能力竞争**；在仓储垂直中形成强 **自建替代** | **低到中**：更可能是行业 benchmark、潜在 AWS 咨询/基础设施伙伴，而非直接模型合作方。 | 若 Amazon 把 internal robotics stack 通过 AWS/行业解决方案外溢，则重要性会大幅上升；目前没有公开证据表明已这样做。 | 不面向外部市场、无 API/SDK、通用性未知。 | 2025-10 / 2025-06 |  |

## 替代路线总表

下表聚焦的不是单个项目本身，而是**客户可能绕开独立世界模型供应商的真实采购路径**。每条路径都回答：客户要完成什么、代表性对象是什么、为什么能替代、为什么还不能完全替代，以及什么事件会让风险升级。

| 路线 | 客户任务 | 代表对象 | 为何可能替代独立世界模型供应商 | 为何暂时不能完全替代 | 采用障碍 | 风险上升触发器 |
|---|---|---|---|---|---|---|
| **开放 VLA + 仿真评测一体路线** | 训练、后训练、评测与部署机器人 policy。 | NVIDIA GR00T + Isaac Lab-Arena + LeRobot + SmolVLA。 | 客户可以直接拿开放 VLA、开放环境、开放评测和便宜机器人跑 end-to-end；并不一定先买独立世界模型。LeRobot 正在把 GR00T、SmolVLA、Isaac Lab-Arena、Reachy/Jetson 路线标准化。 | 通用性能、跨行业泛化、真实工业安全与复杂长时序仍未被公开充分证明；GR00T/Isaac 也高度依赖 NVIDIA 栈。 | GPU、Linux、EULA、环境搭建、真实机器人数据与安全验证。 | LeRobot 出现更成熟的“数据→训练→评测→部署”默认 pipeline，且第三方机器人厂商大规模默认支持该栈。 |
| **闭源 embodied reasoning API 路线** | 让机器人理解空间、分解任务、调用工具、在云边执行。 | Gemini Robotics-ER 1.6 + Gemini Robotics 1.5 + On-Device + Live API。 | 这一路线直接替代独立供应商最常见的“高层推理 brain”；客户可用现成 API/AI Studio 把视觉、空间、工具与任务分解接到自家机器人函数上。 | Google 还未把所有层都变成广泛可购的统一产品：VLA、本地推理和更多 embodiment 仍在 partner/trusted tester 阶段。 | 预览状态、接入门槛、真实控制闭环安全、硬件与云成本。 | ER 从 preview 走向 GA 定价，Gemini Robotics/On-Device 全面开放，且更多机器人 OEM 公开把它作为默认上层大脑。 |
| **开放研究型 world model 路线** | 用更低成本研究或自建世界模型组件。 | Meta V-JEPA 2 / V-JEPA 2-AC，Microsoft Magma。 | 对研发型客户而言，公开代码和权重已足够做 PoC、内部研究或 component-level 替代，削弱独立供应商的技术壁垒溢价。 | V-JEPA 与 Magma 都缺少成熟产品、托管 API、生产级安全与部署证据；Magma 明确不是生产用途。 | 自行集成成本高、NRE 高、没有 vendor SLA。 | 任一项目推出托管 API、商业许可证、参考部署与 OEM 合作。 |
| **交互世界生成与 XR/gaming 路线** | 构建/测试可交互世界、NPC、实时虚拟场景。 | Genie 3 / Project Genie / SIMA。 | 在游戏、XR、交互内容或 certain simulation 场景中，客户可能更需要“实时生成和探索世界”而不是单独采购 world model API。Project Genie 已可供终端用户使用；SIMA 证明无源码/API 也能在 3D 世界中行动。 | 目前更偏 research prototype；对企业级机器人训练、长 rollout、可验证物理与评测闭环支持不足。 | 产品原型约束、物理真实性、控制稳定性、缺少企业接口。 | Google 推出企业 API/SDK、长时长 rollout、可控事件接口和训练/评测工具链。 |
| **自动驾驶闭环路线** | 训练、验证、对抗 edge cases、传感器仿真、安全测试。 | Waymo World Model，Wayve GAIA-2/3，Waabi Copilot4D + UniSim。 | 这些玩家把 world model 直接内嵌到 AV stack 里，用于对外部供应商最难切入的地方：闭环验证、安全与真实数据飞轮。Waymo 已把模型嵌入运营系统；GAIA-3 强调 evaluation/validation；Waabi 把 world model 与 neural simulator、安全标准一起卖给自己的 autonomy 进度。 | 强垂直、强数据私有化；对一般机器人/工业客户未必适用，也未必外售。 | 大规模真实车队数据、闭源安全栈、昂贵仿真、监管约束。 | 某家开始将 simulator/world model 以 platform 或 licensing 方式外部化。 |
| **仓储垂直内生路线** | fleet coordination、抓取/分拣、仓储工作流自动化。 | Amazon DeepFleet + Amazon/Covariant。 | 在仓储这类高频、闭环、强流程场景中，客户可能更倾向选择集成垂直系统或自己建设专用模型，而不是采购通用世界模型供应商。Amazon 公开证明了这条路在生产环境是可行的。 | 这是 Amazon 自用路线，不是通用平台；对外客户不能直接购买。 | 数据与流程难复制、缺少通用 API。 | AWS 将 physical AI 解决方案产品化，或 Amazon 进一步外部化 warehouse AI stack。 |
| **车到机器人一体真实世界 AI 路线** | 利用海量现实数据、专用推理芯片与机器人/车辆共用 AI。 | Tesla FSD + Optimus。 | Tesla 明确把车辆与 humanoid 视为同一个 real-world AI 体系，强调 vision、planning、in-house inference chips、数百万车辆数据与 Bots 的迁移。对于有足够数据与硬件控制力的客户，这条路径几乎天然绕开外部通用供应商。 | 公开证据主要集中在公司战略、自有产品与招聘；缺少外部服务化、可购平台化的证据。 | 极端资本开销、数据闭环需求、硬件自研门槛。 | Tesla 若把 Optimus/FSD 的训练与仿真工具平台化，或与外部 OEM 建立更加明确的 AI stack 授权关系。 |

## 平台替代因果链

### NVIDIA Cosmos 与 Isaac 全栈

**NVIDIA 提供什么**
Cosmos 世界模型、商业可用开放许可、NIM、Isaac Sim/Lab、OpenUSD/Omniverse、GR00T、Jetson/数据中心推理与开放数据集。

**→ 客户原本需要向独立供应商采购什么**
定制 world model、action-conditioned prediction、仿真环境、合成数据、评测框架、部署/优化支持。

**→ 客户如何自行完成或改走其他路径**
客户可直接下载/后训练 Cosmos 或 GR00T；在 Isaac Sim/Lab 中构建场景与评测；用 OpenUSD/Omniverse 串联资产与数据；再通过 NIM/Jetson/NGC 部署。这样，独立供应商提供的价值被压缩到“更强模型效果”“更懂行业数据”“更低总体集成成本”这几项。

**→ 目前仍缺什么**
公开案例仍多是生态合作、技术集成或 demo；真实跨行业 ROI、长期 TCO 和非 NVIDIA 硬件兼容性证据不足。

**→ 什么事件会使替代真正成立**
如果 Cosmos/GR00T/Isaac 出现更多**生产部署 + 行业模板 + 默认开发标准**，且第三方机器人厂商把该栈当成默认方案，平台替代就会显著强化。

### Google Gemini Robotics 分层栈

**Google 提供什么**
ER 1.6 的 embodied reasoning API、Gemini Robotics 1.5 VLA、On-Device 本地动作模型、Live API、Search/Maps grounding 与 Cloud/Distributed Cloud。

**→ 客户原本需要向独立供应商采购什么**
高级空间推理、任务分解、状态判断、轨迹/抓取建议、多步任务编排和工具调用层。

**→ 客户如何自行完成或改走其他路径**
客户可用 Gemini Robotics-ER 作为高层 brain，保留自己的低层控制器与函数接口；若属于 partner/trusted tester，还能进一步接入 Gemini Robotics 或 On-Device。对很多场景，这已经足以覆盖“自定义高层世界模型服务”的主要采购需求。

**→ 目前仍缺什么**
公开可得性不统一；VLA 与端侧模型没有像 ER 那样普适公开；商业条款、规模部署和安全闭环披露有限。

**→ 什么事件会使替代真正成立**
Gemini Robotics / On-Device 全面开放、GA 定价明确、更多 OEM 公布实际生产集成，且 Google Cloud 给出标准 reference architecture。

### 自动驾驶闭环路线

**垂直玩家提供什么**
Waymo/Wayve/Waabi 提供的不是“一个可买的通用世界模型”，而是世界模型 + 仿真 + 安全评测 + RL/验证 + 私有数据飞轮的一体化垂直栈。

**→ 客户原本需要向独立供应商采购什么**
rare-event generation、sensor simulation、counterfactual testing、policy evaluation、world-state prediction。

**→ 客户如何自行完成或改走其他路径**
在 AV 里，头部公司越来越直接把这套能力当成自家核心 IP，而不是采购外部通用供应商；尤其当安全、法规、传感器、地图和运营数据深度耦合时，第三方产品更难切入。

**→ 目前仍缺什么**
这些能力很强，但高度垂直、闭源，通用转移到机器人/工业并不自动成立。Waymo 也没有面向外部市场开放 API。

**→ 什么事件会使替代真正成立**
Waymo、Wayve 或 Waabi 如果开始以 SDK、simulation service 或 licensing 形式向外供给，将对独立世界模型公司形成更直接冲击。

### Amazon 仓储闭环路线

**Amazon 提供什么**
DeepFleet 的 fleet coordination、内部仓储机器人数据、AWS 工具链，以及对 Covariant robotic foundation models 的非独占许可。

**→ 客户原本需要向独立供应商采购什么**
抓取/分拣 world modeling、场内协调、泛化策略、数据驱动改进。

**→ 客户如何自行完成或改走其他路径**
在高度封闭、任务重复且流程标准化的仓储场景，最强路线往往不是“买通用模型”，而是“围绕自有流程做专用模型和数据飞轮”。Amazon 已经在生产中显示这种路线成立。

**→ 目前仍缺什么**
它不对外卖，不会立刻夺走独立供应商的公开市场订单；更多是证明“垂直内生化”可行。

**→ 什么事件会使替代真正成立**
如果 AWS 把该路线 package 成行业解决方案、顾问交付或托管平台，对第三方供应商的挤压就会从“方法论竞争”变成“产品竞争”。

### Tesla 真实世界 AI 一体路线

**Tesla 提供什么**
FSD( Supervised )、Robotaxi、Optimus、in-house inference chips、数百万车辆 real-world data 与贯通车辆—机器人—工厂的 AI 研发体系。

**→ 客户原本需要向独立供应商采购什么**
视觉/规划/控制的高质量训练底座、真实世界大规模数据闭环、仿真与推理硬件协同。

**→ 客户如何自行完成或改走其他路径**
如果客户本身拥有强硬件控制、传感器网络与现实数据来源，就会更倾向建设一体化 real-world AI 系统，而非采购外部通用世界模型。Tesla 是这种路径最鲜明的公开案例之一。

**→ 目前仍缺什么**
对外平台化、外部客户集成、可商购模型/API，这些都没有明确公开证据。

**→ 什么事件会使替代真正成立**
一旦 Tesla 开始对外授权部分机器人/自动驾驶 AI stack，或以 tooling/SDK 形式外溢，其威胁会由“标杆能力”转成“真实外部竞争”。

## 候选建议与竞争合作双重关系矩阵

### 候选建议 但不是最终 shortlist

| 对象 | 类型 | 建议后续重点核查的理由 | 最大反对理由 | 最大证据缺口 |
|---|---|---|---|---|
| **NVIDIA Cosmos 3 / Transfer2.5 / NIM** | 大厂具体项目 | 它是目前最完整的“模型 + 微服务 + 合成数据 + 仿真 + 硬件 + 标准”一体化路线，对 Manifold 构成最直接的平台替代威胁。 | 公开采用多为生态/试用，真正 production ROI 与付费替代性还没完全公开。 | 外部客户的持续使用规模、价格结构、跨行业落地细节。 |
| **Google Gemini Robotics-ER / Gemini Robotics 栈** | 大厂具体项目 | 它最接近“大厂直接拿 embodied reasoning API 挑战独立供应商”的路线，而且已有 API 可得性与机器人伙伴网络。 | 仍是分层开放，真正可通用部署的 VLA/On-Device 覆盖面不够。 | 商业条款、实际生产部署、低层控制集成边界。 |
| **Waymo World Model** | 大厂具体项目 | 它证明最强替代路线可以是“内生闭环而非外售”，对 Manifold 的启示价值很高，尤其适合判断垂直市场会不会自行消化世界模型。 | 它不对外卖，短期不一定直接争抢开放市场客户。 | 是否存在对外 licensing、开放仿真服务或外部商业化意图。 |
| **Isaac Sim / Isaac Lab / Omniverse** | 大厂具体项目 | 当客户采购的实际上是 workflow 而不是单模型时，这一项目比任何单一世界模型都更危险；它可能截断 Manifold 与客户之间的入口。 | 它本身不是单独的世界模型供应商，更多是基础设施。 | 客户是否真的把它当“默认平台”而不是单纯仿真工具。 |
| **自动驾驶闭环路线** | 垂直/替代路线代表 | Waymo/Wayve/Waabi 都在展示：高价值垂直会自己吸收 world model 能力，而不是购买通用模块。 | 高度垂直，未必能外溢到一般机器人或工业客户。 | 哪些底层能力可迁移，哪些只是 AV 专属。 |
| **仓储 integrated route** | 垂直/替代路线代表 | Amazon 通过内部部署与 Covariant license 表明，强流程行业可以自建并绕开通用供应商。 | 这是内部能力，不是可购外部产品。 | AWS 是否会把仓储 AI 产品化。 |
| **开放 VLA + LeRobot 路线** | 垂直/替代路线代表 | 它会压低“先找独立供应商做定制 R&D”的需求，尤其在开发者和中小团队中。 | 仍需大量工程和仿真经验，且不保证工业级可用。 | 到底会不会形成默认社区标准。 |

### 竞争与合作双重关系矩阵

下表不做伪精确打分，只标明当前公开证据下的相对方向。

| 对象 | 产品替代 | 平台替代 | 能力竞争 | 未来市场竞争 | 供应/合作可能性 | 简注 |
|---|---|---|---|---|---|---|
| NVIDIA Cosmos | 高 | 高 | 高 | 高 | 高 | 最完整的 full-stack 路线；也最可能同时是竞品与基础设施。 |
| NVIDIA Isaac Sim/Lab/Omniverse | 低 | 高 | 中 | 高 | 高 | 不是单模型替代，但很可能截断入口。 |
| NVIDIA GR00T | 中 | 中 | 高 | 中 | 高 | 更像 robot foundation/policy 层竞争与生态渠道。 |
| Google Gemini Robotics 栈 | 高 | 中到高 | 高 | 高 | 中到高 | 对 embodied reasoning 层最直接；对低层执行仍不完整。 |
| Genie 3 / Project Genie | 低 | 低到中 | 高 | 高 | 中 | 当前更偏未来世界生成平台信号。 |
| Waymo World Model | 低 | 中 | 高 | 高 | 低到中 | 主要是内生闭环标杆；对外合作证据不足。 |
| Meta V-JEPA 2 | 低 | 低 | 中到高 | 中 | 中 | 会压低技术壁垒，但暂缺产品化。 |
| Meta Habitat / PARTNR | 低 | 中 | 中 | 低 | 中 | 更像 benchmark/simulation 伙伴，而非商业替代。 |
| Microsoft Magma | 低 | 低 | 中到高 | 中 | 中 | 研究上有启发，生产替代性弱。 |
| Amazon DeepFleet/Covariant | 低 | 低 | 中 | 中到高 | 低 | 对外不可购，但证明强垂直可自建。 |

## 被高估与被低估的对象 以及监控信号

### 可能被高估的对象

| 对象 | 为什么容易被高估 | 公开证据与保留意见 |
|---|---|---|
| **Genie 3 / Project Genie** | 视觉效果和“real-time interactive world model”叙事非常强，容易被直接想象成企业级仿真平台。 | 但 Google 明确把 Project Genie 定位为 experimental research prototype，并公开写出 physics realism、character control、latency 和 60 秒限制问题。它的战略意义高于当前可替代性。 |
| **Meta V-JEPA 2** | “first world model trained on video…” 以及开源发布会让人高估其商业替代能力。 | 公开证据仍主要是论文、项目页、GitHub 与少量机器人 planning 展示，没有官方 API、SaaS 或规模部署证据。 |
| **Microsoft Magma** | “跨数字与物理世界的 foundation model” 容易被理解成接近产品化。 | 但模型卡明确写明 research only，not intended for production settings；这决定了它当前更像能力信号，而非成熟替代。 |
| **Meta Habitat / PARTNR** | 在 embodied AI 研究圈知名度高，容易被视作持续演进的平台级资产。 | Habitat-Lab 仓库公开写明 beyond v0.3.4 不再由 Meta 内部正式维护，因此其长期产品化与平台化威胁反而偏低。 |

### 可能被低估的对象

| 对象 | 为什么可能被低估 | 公开证据与保留意见 |
|---|---|---|
| **Waymo World Model** | 它不以“开放模型供应商”的方式出现，容易被忽略。 | 但它已经服务于一个真实部署的 Waymo Driver 系统，并与 RL、Critic、Simulator 构成安全与持续改进飞轮；这种“内生化替代”对独立供应商是非常实质的信号。 |
| **Isaac Sim / Lab / Omniverse** | 市场更关注模型名词而忽略 workflow 控制。 | 但真正改变采购边界的往往是工具链与标准。OpenUSD、仿真、SDG、评测、微服务与企业支持放在一起时，会比单模型更能形成锁定。 |
| **Amazon 的仓储路线** | 因为它不对外卖，外部研究容易忽略。 | 但 Amazon 公开的一百万机器人、300+ 设施和 DeepFleet/ Covariant 路线，说明在高价值垂直里“自建世界建模能力并不稀奇”，这会影响潜在客户对通用供应商的采购心智。 |
| **Google Gemini Robotics-ER** | 市场容易把注意力放在 VLA demo，而忽略 high-level embodied reasoning API 的替代性。 | 对很多企业客户而言，能做空间理解、任务分解、tool calling 的 API，已经能覆盖大量独立供应商的上层价值。 |

### 未来 12–24 个月应重点监控的信号

| 监控信号 | 为什么重要 | 上调/下调意义 |
|---|---|---|
| **开放 API/权重的变化** | 预览变 GA、内部模型变外部下载，才会从“能力竞争”变成“产品替代”。 | Google 若把 Gemini Robotics/On-Device 全面开放，或 Waymo/Wayve/Waabi 开始对外供给 simulation 服务，重要性就会上调。 |
| **商业许可证变化** | 开源与可商用是两回事。 | Cosmos 采用 OpenMDW 1.1 且部分模型卡明确 commercial use；若更多项目给出类似许可，替代风险上升。相反，若仍停留 research-only，则风险下调。 |
| **关键硬件绑定是否放松** | 硬件要求决定客户是否真的能用。 | 如果 Cosmos/Isaac/GR00T 出现更低成本、跨硬件、边缘友好的部署路径，平台替代会增强；如果仍需 H100/Hopper/Jetson，独立供应商仍有差异化空间。 |
| **开发者生态默认标准形成** | 一旦生态把某栈当默认标准，独立供应商的切入点会后移。 | LeRobot 与 Isaac Lab-Arena 的持续整合、OpenUSD 在仿真/数字孪生里的扩散，都应被持续跟踪。 |
| **机器人厂商公开集成** | 从 “测试者/伙伴” 到 “默认集成” 是质变。 | Google、NVIDIA 若出现更多 OEM 公开量产采用，会把替代从潜在威胁提升为现实威胁。 |
| **生产部署与收入披露** | Demo 不等于业务。 | Waymo、Amazon 已证明内部部署；若对外披露营收或商用合同，威胁上调。若长期只停留研究/原型，则威胁下调。 |
| **亚洲/中国市场进入与伙伴扩张** | 这会改变 Manifold 面对的区域竞争强度。 | NVIDIA 已公开提到 XPENG 等亚洲伙伴采用 Cosmos；未来若 Google/Waymo 等更多项目以合规方式进入亚洲产业链，重要性上调。 |
| **定价、性能与时延变化** | 采购替代最终要落在成本/时延。 | Google ER 的 thinking budget、AI Studio 访问方式、Google Distributed Cloud 的边缘时延，和 NVIDIA NIM 的吞吐/硬件门槛，都值得持续观察。 |

## 相反证据 局限与未决问题

首先，**平台并不能自动替代定制化供应商**。NVIDIA 路线虽然最完整，但公开文档同时暴露出明显的 GPU、VRAM、Linux、NGC、Omniverse 和 Jetson 依赖；这意味着很多客户仍面临高硬件门槛、复杂集成和组织能力要求。换言之，它更像“强基础设施”，并不自动等于“客户今天就能低成本把需求全部做完”。

其次，**VLA 或端到端路线并没有消灭世界模型需求，只是把世界模型隐含化或分层化**。Google 的公开资料明确把 Gemini Robotics-ER 定义为高层 brain，让其分解任务、调用工具，再由 Gemini Robotics 1.5 或其他函数/控制器执行；Waymo 也把 Driver、Simulator、Critic 放在一个 foundation model 结构里。这说明“端到端”经常并不是“不要 world model”，而是把 world modeling 融进更大的 stack。

再次，**开源方案常常部署成本过高或离生产太远**。V-JEPA 2 目前仍主要是研究与开源复现；Magma 明确标注 research only、not intended for production；Habitat-Lab 还存在官方维护减弱的问题。这些都说明“论文 + GitHub + weights”不应被误判为成熟商业替代。

还有一个容易忽略的相反证据是，**很多大厂项目长期停留在研究或 prototype 阶段**。Project Genie 虽然已面对 AI Ultra 用户开放，但依旧是 experimental prototype，并公开承认真实性、时长和控制问题；Meta V-JEPA 2 与 Magma 也尚未转成成熟托管式产品。对 Manifold 来说，这意味着“要认真监控，但不应把所有大厂演示都直接等同于立即失单风险”。

还存在几个未决问题。其一，Google 会不会把 Gemini Robotics 的不同层级真正统一成一个可广泛采购的产品族，目前公开证据不足。其二，Waymo 或 Waabi 这类垂直闭环玩家是否会把 simulator / world model 外部化，目前也没有直接证据。其三，NVIDIA 当前最强，但其生态优势到底会不会变成“默认标准”而非“强可选项”，需要更多外部客户案例来确认。其四，Amazon 和 Tesla 这类自建路线会不会把内部能力平台化，目前只能视作 Analyst inference，而不能当作已发生事实。

## 完整来源目录

以下目录按“论文/技术文档、官方产品与许可证、合作方证据、可信独立来源与线索来源”整理。受当前界面限制，引用列中的链接型引文承担“可点击来源入口”的作用。

### 论文与技术文档

| 标题 | 机构 | 发布日期 | 访问日期 | 支持的具体主张 | 引用 |
|---|---|---:|---:|---|---|
| *V-JEPA 2: Self-Supervised Video Models Enable Understanding, Prediction and Planning* | Meta | 2025-06-11 | 2026-07-14 | V-JEPA 2 的训练规模、prediction/planning、V-JEPA 2-AC 用少量机器人数据做 zero-shot planning。 |  |
| *Habitat 3.0: A Co-Habitat for Humans, Avatars and Robots* | Meta | 2024-03-12 | 2026-07-14 | Habitat 3.0 的模拟、人类在环与协作任务能力。 |  |
| *PARTNR benchmark repository* | Meta | 2024-10-31（论文/仓库发布） | 2026-07-14 | PARTNR 的 planner/tool/world graph/perception/evaluation 架构。 |  |
| *Magma: A Foundation Model for Multimodal AI Agents* | Microsoft Research | 2025-02-17 / 2025-02-25 | 2026-07-14 | Magma 跨数字与物理环境的 agentic 定位与研究发布。 |  |
| *Copilot4D* | Waabi | 2024-03-15 | 2026-07-14 | 4D world model、预测场景演化。 |  |
| *UniSim* | Waabi | 2023-06-14 | 2026-07-14 | neural closed-loop sensor simulator、counterfactual closed-loop evaluation。 |  |
| *GAIA-2* | Wayve | 2025-03-26 | 2026-07-14 | 可控 multi-view driving world model、structured conditioning。 |  |
| *Waymo World Model blog technical note* | Waymo | 2026-02-06 | 2026-07-14 | Waymo World Model 架构、Genie 3 底座、多传感器与 controllability。 |  |

### 官方产品 文档与许可证

| 标题 | 机构 | 发布日期 | 访问日期 | 支持的具体主张 | 引用 |
|---|---|---:|---:|---|---|
| *NVIDIA Cosmos documentation introduction* | NVIDIA | 2026-05-01 docs stream | 2026-07-14 | Cosmos 是 developer-first physical AI platform。 |  |
| *NVIDIA Cosmos product page* | NVIDIA | 2026-07 在站内容 | 2026-07-14 | Cosmos WFM 采用 OpenMDW 1.1；可 post-train。 |  |
| *OpenMDW 1.1 License* | Linux Foundation / OpenMDW | 当前生效版本 | 2026-07-14 | Cosmos 开放模型许可的法律基础。 |  |
| *NVIDIA NIM for Cosmos support matrix* | NVIDIA | 2026-06-05 | 2026-07-14 | Transfer2.5 / Cosmos 的 GPU、VRAM、架构门槛。 |  |
| *Isaac Sim page* | NVIDIA | 当前站点 | 2026-07-14 | Isaac Sim 开源/免费使用与 Omniverse Kit redistribution 限制。 |  |
| *Isaac Lab page* | NVIDIA | 当前站点 | 2026-07-14 | Isaac Lab 的 agent-ready、GPU-native、BSD-3-Clause、生态定位。 |  |
| *OpenUSD for Developers* | NVIDIA | 当前站点 | 2026-07-14 | OpenUSD 被 NVIDIA 作为 Omniverse 核心并定位为 common foundation。 |  |
| *Omniverse page* | NVIDIA | 当前站点 | 2026-07-14 | Omniverse libraries/microservices 在物理 AI 仿真中的角色。 |  |
| *Gemini Robotics-ER documentation* | Google AI for Developers | 2026-04+ | 2026-07-14 | ER 1.6 的空间理解、任务分解、function calling、token limits、preview 可得性。 |  |
| *Gemini Robotics On-Device model page* | Google DeepMind | 2025-06-24 | 2026-07-14 | On-Device 的 private preview / trusted tester / low-latency local execution。 |  |
| *Google Cloud Physical AI page* | Google Cloud | 2026 | 2026-07-14 | Google 把 Gemini Robotics-ER 与云边硬件/Distributed Cloud 组合成企业路线。 |  |
| *Genie 3 model page* | Google DeepMind | 2025-08 / 2026 current | 2026-07-14 | Genie 3 的实时交互、24 fps、general-purpose world model 定位。 |  |
| *Project Genie / Street View expansion* | Google | 2026-01-29 / 2026-05-19 | 2026-07-14 | Project Genie 的 AI Ultra rollout、prototype 限制、Street View grounding。 |  |

### 合作方与采用证据

| 标题 | 机构 | 发布日期 | 访问日期 | 支持的具体主张 | 引用 |
|---|---|---:|---:|---|---|
| *NVIDIA Announces Isaac GR00T N1…* | NVIDIA | 2025-03-18 | 2026-07-14 | GR00T N1 availability、1X/Agility/Boston Dynamics 等生态与合作方证据。 |  |
| *NVIDIA Releases New Physical AI Models…* | NVIDIA | 2026-01-05 | 2026-07-14 | LeRobot/Jetson Thor/Isaac Lab-Arena 集成与 partner network。 |  |
| *NVIDIA launches Cosmos world foundation model platform…* | NVIDIA | 2025-01-06 | 2026-07-14 | Cosmos 与 Uber、Waabi、XPENG、Foretellix 等采用/合作公告。 |  |
| *Gemini Robotics model page / collaborations* | Google DeepMind | 2025–2026 current | 2026-07-14 | Apptronik、Boston Dynamics、Agile/Agility 等 trusted tester / partner 证据。 |  |
| *Amazon launches new AI foundation model to power its robotic fleet* | Amazon | 2025-06-30 | 2026-07-14 | DeepFleet、1M robots、300+ facilities、10% fleet efficiency claim。 |  |
| *Amazon licenses Covariant robotic foundation models* | Amazon | 2024-08-30 | 2026-07-14 | Amazon 对 Covariant 基础模型的非独占许可与内部集成方向。 |  |
| *Google + Waymo references* | Google / Waymo | 2026-05 / 2026-02 | 2026-07-14 | Project Genie/Genie 与 Waymo 的仿真连接、Waymo World Model 建于 Genie 3 之上。 |  |

### 可信独立来源与线索来源

| 标题 | 机构 | 发布日期 | 访问日期 | 支持的具体主张 | 引用 |
|---|---|---:|---:|---|---|
| *Hugging Face model card for Magma-8B* | Hugging Face / Microsoft | 2025-02-18 | 2026-07-14 | Magma 的 research-only 限制、使用方式、硬件/软件依赖。 |  |
| *GitHub repository for V-JEPA 2* | GitHub / Meta FAIR | 2026-03-16 update | 2026-07-14 | V-JEPA 2.1 更新、许可证结构、macOS 限制。 |  |
| *Hugging Face SmolVLA blog* | Hugging Face | 2025-06 | 2026-07-14 | 开放 VLA 在消费级硬件上的可行性、开源 community data 路线。 |  |
| *Hugging Face + NVIDIA LeRobot / Isaac Lab-Arena blog* | Hugging Face + NVIDIA | 2026-01-05 | 2026-07-14 | 开发者生态整合、Open VLA 与仿真评测 workflow。 |  |
| *Tesla 2025 Form 10-K and AI page* | Tesla / SEC | 2026-02-xx filing, current site | 2026-07-14 | Tesla 把 FSD、Robotaxi、Optimus 与 real-world AI、in-house chips、商业化意图绑定。 |  |
| *Waymo Safety Impact dashboard* | Waymo | 2026-03 data | 2026-07-14 | Waymo 的 rider-only miles 与已部署服务规模。 |  |