物理AI走向落地：具身智能产业链观察

执行摘要：AI正从数字内容走向物理世界，三维视觉、世界模型与具身智能汇聚成空间智能主线。灵巧手等核心硬件进入性能竞争阶段，多模态感知与世界模型加速突破，应用场景从地面延伸至空中操作。本报告梳理具身智能产业现状格局、上下游链条与数据竞争态势，研判下一阶段技术演进与商业化路径。

现状与格局：空间智能主线成形

一、ECCV 2026：三条技术路线的汇聚点

从ECCV 2026的会议观察来看，过去相对独立的三条研究脉络——三维视觉、世界模型与具身智能——正在汇聚成一个共同方向：AI要进入物理世界，必须先建立对空间和动态的内在模型。这意味着研究范式正在从「识别画面」走向「理解空间、预测物理、执行动作」的完整闭环。

这一变化并非偶然。传统视觉研究的核心任务是识别与重建，回答「看到了什么」；而具身落地要求系统回答「接下来会发生什么、该做什么动作」。前者只需要静态的空间理解，后者必须内建对物理规律的预测能力。正是这一需求差异，推动了三维视觉与世界模型研究在近两年的加速融合，也解释了为何ECCV 2026上空间智能成为贯穿多个方向的主线。

二、世界模型的物理短板与补齐路径

世界模型被寄予厚望，但当前视频生成类世界模型存在一个被反复验证的核心痛点：画面好看但物理崩坏。典型的失败案例包括黄油像油漆一样摊开、球穿墙而过等——生成质量在提升，但物理一致性明显不足。

针对这一问题，NVIDIA联合MIT和牛津大学的研究团队提出了Physis-Lang框架，其思路颇具代表性：将物理语言视为一种可共享、可自我进化的优化对象，用语言本身而非额外视觉、隐空间或数值信号来修复视频世界模型的物理违和问题。该框架应用于NVIDIA Cosmos 3后，使其在物理基准测试上超越了Google Veo 3.1。这一进展表明，物理一致性的补齐未必依赖大规模新增传感器数据，语言作为结构化知识载体同样可以成为优化世界模型的杠杆。

与此同时，感知通道也在从单一视觉向多模态扩展。NVIDIA李柏依在ECCV 2026上提出，机器人不能仅依赖视觉感知，还需要学会「听」。由于真实世界中难以大规模采集声音数据，其团队借助仿真手段为生成模型补上声音感知短板，让机器人在视觉之外获得听觉信息，从而更完整地理解环境。这说明空间智能的内涵正在从几何空间理解扩展到更全面的物理场景感知。

三、从感知到交互：具身智能的边界扩张

在感知与预测能力逐步补齐的同时，具身智能的物理交互边界也在扩张。IROS 2026上的相关进展显示，具身智能研究正从地面延伸到空中：学界尝试给无人机加装机械臂，让飞行器执行「拧螺栓」这类空中接触式精细操作。相比纯飞行导航，空中操作需同时解决飞行稳定性、机械臂反作用力扰动与精准定位等难题，是具身智能从感知导航迈向真实物理交互的重要方向。其潜在应用场景包括电力巡检、高空维护等可替代人工登高作业的领域，具身智能的赛道边界正在被重新定义。

在硬件侧，产业界对落地节奏也有清晰判断。源升智能创始人杨思成在与雷峰网「物理AI 50人」栏目的对话中提出：在具身模型能力真正突破之前，灵巧手应当先聚焦硬件性能本身，把可靠性、自由度、力控精度等基础指标做扎实，而非过早追逐算法噱头。他以「独孤求败」的剑术境界作类比，提出灵巧操作的最高境界是「无剑胜有剑」——硬件与算法最终深度融合、回归任务本身。这一观点回应了当前灵巧手赛道「卷参数还是卷智能」的路线之争：短期看硬件，长期看融合。

四、产业逻辑小结

综合来看，空间智能主线的成形遵循一条清晰的递进逻辑：

学术研究（三维视觉、世界模型、多模态感知）与产业落地（灵巧手硬件、空中操作平台、真实场景部署）之间的对接正在加速。世界模型侧的物理一致性修复、感知侧的听觉扩展、执行侧的硬件性能深耕与操作场景的边界扩张，共同构成了「AI进入物理世界」的完整拼图。当前阶段的核心特征是：各环节并行推进、互为前提——世界模型为操作提供预测能力，硬件性能为模型验证提供载体，真实场景数据反哺模型迭代。空间智能作为共同主线，正在把分散的技术进展组织为一个面向物理世界的产业体系。

上游核心硬件：灵巧手的性能竞争

在具身智能产业链中，灵巧手是连接“智能”与“物理世界”的关键执行部件。机器人能否完成抓取、装配、精细操作等真实任务，很大程度上取决于末端执行器的硬件能力上限。当前行业的一个基本共识是：在具身模型能力真正突破之前，灵巧手环节的竞争焦点不在算法，而在硬件本身。

一、“先卷性能”的行业逻辑

源升智能创始人杨思成在雷峰网「物理AI 50人」栏目访谈中提出了这一阶段判断：在具身模型能力真正突破之前，灵巧手应当先聚焦硬件性能本身，把可靠性、自由度、力控精度等基础指标做扎实，而非过早追逐算法噱头。他以金庸“独孤求败”的剑术境界作类比，提出灵巧操作的最高境界是“无剑胜有剑”——即硬件与算法最终深度融合、回归任务本身。

这一观点实际上划定了当前产业的能力边界：算法层面的具身模型仍在快速迭代（如学术界从三维视觉走向世界模型、从视觉感知扩展到听觉感知的研究主线），但模型要发挥作用，前提是执行器具备足够的自由度、精度与耐久性。硬件性能不足，再强的模型也无法落地。因此在当前阶段，“卷参数还是卷智能”的争论中，主流厂商选择了前者。

二、竞争的核心指标

当前灵巧手厂商的竞争主要围绕以下维度展开：

值得注意的是，这些指标之间存在天然的工程权衡：更高自由度往往意味着更多驱动器和更复杂的走线，可能牺牲可靠性；更高力控精度通常推高传感器与传动成本。厂商的核心竞争力，正是在这些约束条件下的系统性工程能力。

三、供应链逐步成型

灵巧手产业链正在从“实验室样机”走向“可量产供应”。上游环节包括微型伺服电机与空心杯电机、谐波减速器与行星减速器、腱绳传动材料、六轴力/触觉传感器、微型编码器等核心零部件；中游是灵巧手整手集成厂商；下游对接人形机器人整机厂与具身智能方案商。整条链路的分工日益清晰。

从需求侧看，具身智能的研究进展正在持续拉动灵巧手的技术要求。学界正在把具身智能的操作边界从地面推向空中——给无人机加装机械臂执行“拧螺栓”类接触式操作，需要同时解决飞行稳定性、机械臂反作用力扰动与精准定位问题。这类前沿探索虽然短期难以商用，但代表了执行器硬件在力控与轻量化上的极限需求方向，为上游供应链提供了长期技术牵引。

四、观察与判断

第一，性能竞争窗口期明确。多位从业者判断，灵巧手“卷硬件性能”的阶段将持续到具身模型出现能力跃迁为止。在此之前，可靠性、自由度、力控精度的每一分提升都是产品竞争力；在此之后，竞争重心可能转向硬件与算法的协同优化——即杨思成所说的“无剑胜有剑”的融合阶段。

第二，第二曲线依赖量产能力。灵巧手目前的出货规模以小批量研发订单为主，真正决定格局的是谁能率先打通量产供应链、把成本曲线压下来。参照消费电子行业的经验，具备精密制造积累的供应链企业（微型电机、传感器、精密传动）将在此过程中占据有利位置。

第三，技术路线尚未收敛。腱绳传动、连杆传动、直驱等方案各有优劣，触觉传感的技术路线（压阻、电容、视触觉等）同样多元。在下游整机需求尚未完全定型的情况下，灵巧手环节预计仍将维持多路线并行的格局，头部整机厂商的定点选择将成为重要的路线信号。

总体来看，灵巧手是具身智能产业链中确定性较强的上游环节：无论最终哪家模型胜出，对高质量执行器的需求是刚性的。当前“卷性能而非卷算法”的阶段性特征，恰恰为硬件厂商提供了一个相对清晰的竞争坐标系。

中游模型与感知：世界模型多模态化

一、世界模型成为中游竞争主战场

在具身智能产业链中，中游模型层正在经历一场范式转移：从“生成好看的视频”转向“预测符合物理规律的世界”。在ECCV 2026的学术讨论中，三维视觉、世界模型与具身智能已汇聚成共同主线——AI要进入物理世界，必须先建立对空间结构与动态变化的内在模型，能够理解三维空间、预测物理演化并据此执行动作。这一趋势连接了学术界的视觉研究、机器人学与产业界的具身落地需求，也被视为AI从数字内容走向真实环境的关键一步。

对中游厂商而言，谁能提供物理一致性更强、模态覆盖更全的世界模型，谁就能在下游机器人训练与仿真环节占据卡位优势。竞争焦点由此从单纯的视频生成质量，转向两个维度：物理一致性与多模态感知覆盖。

二、NVIDIA Cosmos 3：用“物理语言”修复物理崩坏

视频世界模型长期存在“画面好看但物理崩坏”的核心痛点：黄油像油漆一样摊开、球穿墙而过等典型失败案例，在机器人训练场景中会被放大为错误的物理先验，直接影响下游策略学习的可靠性。

针对这一问题，NVIDIA联合MIT和牛津大学的研究团队提出了Physis-Lang框架。其核心思路是将物理语言视为一种可共享、可自我进化的优化对象——用语言本身，而非额外的视觉信号、隐空间表征或数值监督，来修复视频世界模型的物理违和问题。这一“自我进化物理语言”的机制，使物理知识以可积累、可迁移的方式沉淀在模型中。

在产业效果上，该框架用于提升NVIDIA Cosmos 3，使其在物理基准测试上超越Google Veo 3.1。这一结果的意义超出单纯的跑分领先：它验证了“语言化物理约束”作为世界模型优化路径的可行性，为物理一致性问题提供了一条不依赖大规模数值仿真的新解法，也强化了NVIDIA在世界模型层对Google等竞争对手的差异化优势。

三、视觉之外：听觉感知补全环境理解

物理一致性解决的是“预测得对”，而多模态感知解决的是“感知得全”。NVIDIA的李柏依在ECCV 2026上提出了一个值得产业界关注的观点：机器人不能仅依赖视觉感知，还需要学会“听”。

其产业逻辑在于：真实物理世界中大量关键信息以声音形式存在——摩擦、碰撞、机械运转异常等，纯视觉系统对这些信号的缺失会直接限制机器人在真实场景中的交互与操作能力。但声音数据面临与视觉数据不同的采集困境：真实世界中难以大规模采集声音数据，成为训练瓶颈。

NVIDIA团队的应对思路是借助仿真手段为生成模型补上声音感知这一短板。这与具身智能“仿真补数据”的通用方法论一脉相承——在真实采集成本高、覆盖难的模态上，用仿真生成规模化训练数据，让机器人在视觉之外获得听觉信息，从而更完整地理解环境。

四、中游竞争格局观察

综合来看，中游模型层的竞争正在沿三条线索展开：

其一，物理一致性成为硬指标。Cosmos 3超越Veo 3.1的案例说明，物理基准测试正在取代主观画质评价，成为世界模型的核心竞争维度，也倒逼模型架构层面的方法创新。

其二，多模态感知从“加分项”变为“必选项”。视觉之外引入听觉，本质是让世界模型的内在表征更贴近真实物理环境的信息结构。率先完成多模态布局的厂商，将在下游具身应用的完整度上形成优势。

其三，仿真与真实数据闭环成为基础设施能力。无论是物理语言的自我进化，还是声音数据的仿真补齐，中游竞争的底层都是“数据获取与迭代效率”的比拼。具备仿真—训练—验证闭环能力的平台型玩家，护城河正在加深。

可以预期，随着下游机器人、无人机操作（如IROS 2026上出现的空中机械臂作业）等场景对世界模型提出更高要求，中游的多模态化与物理化竞赛将进一步加速，产业资源也将持续向具备平台能力的头部模型厂商集中。

下游场景拓展：从地面到空中作业

从导航到接触式操作的能力跃迁

具身智能的发展正经历一条清晰的能力升级路径：从「看得见」到「走得动」，再从「走得动」到「干得了」。过去数年，无论是地面机器人还是消费级无人机，主流能力边界集中在感知与导航——理解三维空间、规划路径、避开障碍。ECCV 2026 上学界对空间智能的梳理显示，三维视觉、世界模型与具身智能正在汇聚成共同主线：AI 要进入物理世界，必须先建立对空间和动态的内在模型，并进一步执行动作。

「执行动作」意味着具身智能必须与物理世界发生接触式交互。这正是当前产业链下游场景拓展的核心命题：机器人不再只是移动的摄像头，而是能够拧螺栓、开启阀门、更换部件的操作者。这一能力跃迁对硬件和算法都提出了更高要求——力控精度、接触稳定性、任务泛化能力，均远超导航类任务的复杂度。

空中操作：具身智能的新赛道

IROS 2026 上的研究进展显示，具身智能的赛道边界正在被重新定义：学界尝试给无人机加装机械臂，让飞行器在空中执行接触式操作任务，「拧螺栓」成为标志性场景。相比纯飞行导航，空中操作需同时解决三重难题：

• 飞行稳定性：悬停精度直接决定作业基准；
• 机械臂反作用力扰动：臂体动作产生的反扭矩会破坏飞行姿态，需飞控与臂控协同补偿；
• 精准定位：接触式作业要求厘米级甚至毫米级末端定位。

这一方向的价值在于场景刚性。电力巡检、高空设施维护等传统上依赖人工登高的作业，长期面临高风险、高人力成本与低频次覆盖的矛盾。空中操作平台若能稳定执行接触式任务，有望以「飞行+操作」的组合替代人工登高，将人从危险环境中移出，同时提升作业频次与一致性。

硬件先行：灵巧操作的能力底座

空中操作能否落地，取决于末端执行器的成熟度。源升智能创始人杨思成在与雷峰网「物理AI 50人」的对话中提出一个颇具产业共识色彩的观点：在具身模型能力真正突破之前，灵巧手应先聚焦硬件性能本身，把可靠性、自由度、力控精度等基础指标做扎实，而非过早追逐算法噱头。他以「独孤求败」的剑术境界作类比，认为灵巧操作的最高境界是「无剑胜有剑」——硬件与算法最终深度融合，回归任务本身。

这一「先卷性能、再卷智能」的路径判断，对空中操作场景尤为适用：无人机载机械臂在重量、功耗、抗扰动的严苛约束下，硬件可靠性是任务成功率的第一变量。当硬件基础指标不足时，再强的上层算法也难以弥补接触作业中的物理不确定性。

感知与物理建模的配套演进

接触式操作对感知的要求也超出单一视觉范畴。NVIDIA 研究员李柏依在 ECCV 2026 上提出，机器人不能仅依赖视觉，还需学会「听」——引入声音感知以更完整地理解环境。其团队思路是借助仿真手段为生成模型补上声音数据短板。对空中作业而言，多模态感知（视觉、声音、力觉）的融合，将直接影响接触瞬间的状态判断与异常识别。

在物理理解层面，NVIDIA 联合 MIT 和牛津大学提出的 Physis-Lang 框架，将物理语言视为可共享、可自我进化的优化对象，用于修复视频世界模型的物理违和问题，使 Cosmos 3 在物理基准测试上超越 Google Veo 3.1。这类工作直指世界模型「画面好看但物理崩坏」的核心痛点。对具身智能而言，世界模型对物理规律的忠实度，决定了操作策略在仿真到现实迁移中的可靠性——空中接触作业对物理一致性尤其敏感。

场景落地节奏与产业观察

综合来看，空中操作场景的落地大概率遵循「先巡检、后操作」的渐进路径：电力巡检等以感知为主的空中作业已具备商业成熟度，为平台积累了飞行控制与场景数据；拧螺栓等接触式精细作业则依赖灵巧手性能、多模态感知与物理世界模型的同步成熟，预计仍需经历从受控环境到开放环境的迭代周期。

需要指出的是，高空作业替代涉及安全生产规范与作业资质等监管框架，空中操作平台进入实际作业流程，需与现行工业安全标准衔接，这将是商业化进程中客观存在的合规环节。但方向本身已较为明确：具身智能的能力边界正从地面延伸至空中，从「到达现场」走向「完成作业」，下游场景的想象空间随之被重新打开。

数据与竞争：基准测试与生态卡位

基准成为模型竞争的标尺

当物理AI从演示走向落地，如何评价一个世界模型“懂不懂物理”，正在成为产业链的关键议题。视频生成模型长期存在“画面好看但物理崩坏”的通病：黄油像油漆一样摊开、球体穿墙而过，这类失败案例暴露出模型缺乏对物理规律的内在建模。围绕这一问题，物理基准测试逐渐成为衡量模型能力的高地。

一个标志性事件是，NVIDIA联合MIT与牛津大学的研究团队提出Physis-Lang框架，将物理语言视为可共享、可自我进化的优化对象，用语言信号而非额外的视觉或数值信号来修复视频世界模型的物理违和问题。该框架用于提升NVIDIA Cosmos 3，使其在物理基准测试上超越Google Veo 3.1。基准测试的排名变化，正在直接影响巨头之间的技术叙事与市场预期。

与此同时，学术界的研究主线也在向同一方向收敛。从ECCV 2026的观察看，三维视觉、世界模型与具身智能正汇聚为“空间智能”这一共同方向：AI要进入物理世界，必须先建立对空间和动态的内在模型。这使得物理基准不再只是刷榜工具，而是连接学术研究与产业落地的公共标尺。

仿真数据弥补真实采集不足

真实世界数据采集成本高、场景覆盖有限，仿真成为具身智能数据供给的关键补位。一个典型案例是多模态感知的扩展：NVIDIA的李柏依在ECCV 2026上指出，机器人仅依赖视觉不够，还需要“听”——引入声音感知能力。但真实世界中难以大规模采集声音数据，其团队思路正是借助仿真手段为生成模型补上这一短板，让机器人在视觉之外获得听觉信息，更完整地理解环境。

仿真数据的价值在于可规模化、可定向生成稀缺场景（如接触式操作、异常事件），而其风险在于仿真与真实之间的差距（sim-to-real gap）。从产业链逻辑看，谁掌握了高保真的仿真平台与合成数据管线，谁就在数据供给侧占据了卡位优势——这与基准测试共同构成了“评价+数据”的双层生态。

巨头与初创的分层卡位

当前竞争格局呈现明显的分层结构：

• 基础设施层：NVIDIA以GPU、Cosmos世界模型、仿真平台构建全栈能力，并持续通过学术合作（MIT、牛津）和会议发声（ECCV、IROS）扩大生态影响力；
• 模型与平台层：Google等巨头以Veo等模型对标竞争，双方在物理基准上直接交锋；
• 硬件与执行器层：初创公司密集卡位。灵巧手是典型赛道，源升智能创始人杨思成提出，在具身模型能力真正突破之前，灵巧手应先聚焦可靠性、自由度、力控精度等硬件基础指标，而非过早追逐算法噱头。他以“无剑胜有剑”作类比，指向硬件与算法最终深度融合的长期方向。这一观点折射出硬件层“卷参数还是卷智能”的路线之争；
• 场景与边界层：具身智能的形态边界也在被重新定义。IROS 2026上的进展显示，给无人机加装机械臂执行“拧螺栓”等空中接触式操作，正从感知导航迈向真实物理交互，有望在电力巡检、高空维护等场景替代人工登高作业。

观察与展望

竞争的本质是生态位之争。巨头通过“基准+仿真+模型”三位一体构建平台型壁垒，把物理基准变成叙事高地；初创公司则回避与巨头在模型层的正面消耗，选择在灵巧手等硬件细分或空中操作等新场景建立根据地。短期内，基准排名与硬件参数仍将是产业叙事的主要载体；长期看，随着具身模型能力突破，分层格局可能重新洗牌——硬件与算法深度融合、数据闭环效率更高的玩家，将在物理AI落地竞赛中占据主动。对产业观察者而言，需要同时跟踪三条线索：物理基准的指标演进、仿真数据平台的生态扩张，以及硬件层从“卷参数”走向“卷智能”的节奏切换。

趋势判断：软硬融合与商业落地节奏

一、硬件与算法：从“卷参数”到回归任务本身

具身智能产业链当前存在一条清晰的技术路线之争：硬件端究竟应该优先卷性能参数，还是优先卷智能化程度。源升智能创始人杨思成在「物理AI 50人」对话中给出了一个具有代表性的判断——在具身模型能力真正突破之前，灵巧手应当先聚焦硬件本身，把可靠性、自由度、力控精度等基础指标做扎实，而非过早追逐算法噱头。他用“独孤求败”的剑术境界作类比，提出灵巧操作的最高境界是“无剑胜有剑”：硬件与算法最终深度融合，回归任务本身。

这一判断背后是产业逻辑而非情怀表达。当前具身模型在泛化能力上尚未达到可大规模替代规则化控制的水平，此时硬件端如果以“智能”作为卖点而牺牲基础可靠性，反而会拖累整机落地。反之，硬件性能的扎实积累为后续算法突破预留了能力上限。软与硬并非对立赛道，而是同一任务在不同成熟度阶段的重心迁移。

值得注意的佐证来自学术界的研究主线收敛。ECCV 2026 上多项工作显示，三维视觉、世界模型与具身智能正在汇聚为共同方向：AI 要进入物理世界，必须先建立对空间和动态的内在模型。NVIDIA 联合 MIT、牛津提出的 Physis-Lang 框架，用可自我进化的物理语言修复视频世界模型的物理违和问题，使其在物理基准上超越 Veo 3.1——这直指“画面好看但物理崩坏”的痛点，本质上也是让模型回归物理规律与任务约束。同期，NVIDIA 李柏依提出机器人不能只依赖视觉，还需引入声音感知，通过仿真弥补真实世界声音数据难以大规模采集的短板；IROS 2026 上给无人机加装机械臂执行“拧螺栓”式空中接触操作的研究，则显示具身智能正从感知导航迈向真实物理交互。学术界的这些进展共同指向一点：感知、认知、操作正在被统一到“完成任务”这一目标之下，软硬融合、多模态融合是必然终点。

二、消费端：质量与品牌规范的回调

当产业注意力集中在机器人本体与模型时，消费端 AI 应用出现了一个容易被忽视的信号——质量与品牌规范的回调。沃尔玛更新门店标识规定，明确禁止门店展示使用 ChatGPT、Claude、Gemini 等生成式 AI 工具制作的海报和招牌，延续其长期不允许门店自行定制印刷标识的政策。新规直指零售和餐饮门店用 AI 直接制作公告、促销物料的普遍做法：省钱省事，但成品质量参差，顾客普遍反感，还可能损害品牌长期维护的统一形象。此前 YouTube、领英、TikTok 等平台也已对低质量 AI 生成内容有所限制。

这一回调的产业含义在于：生成式 AI 大幅降低了内容生产门槛，但当生产成本趋近于零时，质量、一致性与品牌资产成为新的稀缺资源。对企业而言，“能用 AI 快速生成”与“能以 AI 生成物直接面向客户”之间仍有明确的治理距离。可以预期，更多消费品牌将建立 AI 内容的审核与规范机制，AI 工具厂商也需要在输出质量控制上投入更多，而非单纯追求生成能力。

与之相对，成熟的消费硬件升级路径展示了另一种节奏参照。掌阅 Ocean 6 Pro 电纸书以背板手感、柔光屏清晰度、实体翻页按键等体验细节作为核心卖点；微软 Windows 11 26H2 通过仅约 174KB 的启用包机制实现约 2 分钟的平滑升级，大幅降低部署成本与风险。两者共同说明：在消费市场，渐进式的体验优化与低风险的交付方式，比激进的功能叙事更能维持用户信任。这对当前急于讲故事的 AI 硬件厂商是一种隐性提醒。

三、从单点突破到场景化验证：落地节奏理性化

综合产业链上下游信号，具身智能的商业落地正在从“单点性能突破”走向“场景化验证”，节奏趋于理性。所谓单点突破，即以自由度、负载、模型基准分数等指标作为竞争力叙事；而场景化验证则要求在电力巡检、高空维护等具体场景中证明可靠性、经济性与安全性的综合可行——IROS 2026 上空中操作平台瞄准替代人工登高作业，就是典型的场景定义方式。

这一转变的传导路径可以概括如下：

三个判断作为本章结论：其一，软硬融合是确定方向，但现阶段硬件基础指标的优先级高于算法叙事，“先卷性能、再谈智能”是务实的阶段策略；其二，消费端的质量与品牌回调预示 AI 应用将从产能竞赛转向质量治理，这一逻辑同样会传导到具身智能的产品定义中；其三，产业落地的节奏将趋于理性——以场景验证代替参数竞赛，以渐进交付代替概念跃进，谁能先在具体任务中跑通可靠性与经济性闭环，谁就掌握下一阶段的定义权。