TDK Ventures 创始人：灵巧性是具身智能的真正瓶颈
TDK Ventures 创始人 Nicolas Sauvage 撰文认为，机器人灵巧性的关键不是完成单个动作，而是整段工作流的可靠性。他举例称，单步成功率 99% 时 100 个动作全部完成的概率仅 36.6%，提升到 99.99% 才达 99.0%。
#安全与可靠性
The Robot ReportAI 评分5353
Tsinghua Embodied Intelligence and Robotics InstituteAI 评分2828 张涛教授人文清华讲坛演讲实录摘编：具身智能智赋万物
清华大学具身智能与机器人研究院院长张涛教授在人文清华讲坛发表“具身智能智赋万物”演讲，阐述具身智能的通用性、交互性、自主性三大特征，指出需突破多模态具身大模型、环境感知、动态规划与控制及灵巧本体等关键技术。
Leiphone RoboticsAI 评分5353 Xspark AI 丁文伯谈触觉智能：机器人需要一套自己的“脊髓”
Xspark AI（无界智航）联合创始人、首席科学家丁文伯在访谈中提出，视觉已解决机器人感知约99%的问题，触觉应形成低延迟、靠近身体的“脊髓”级模型而非直接融入视觉大模型。他提出“慢脑 VLM—快脑 VTLA+TWAM—脊髓 VTA”三层架构，认为触觉主要服务于防碰撞安全与灵巧操作后训练，并指出当前瓶颈在于传感器一致性、触觉数据表征与跨传感器、跨模态、跨本体的统一。
DexmateAI 评分5757 Dexmate 论工业 Physical AI 硬件四墙并举 Vega 1 Pro 为例
Dexmate 发文主张工业 Physical AI 的部署上限由硬件而非模型决定，并以自家 Vega 1 Pro 为例展开。
DexterityAI 评分3737 Dexterity 解析为什么 Physical AI 很难
Physical AI（驱动机器人在真实世界完成物理任务的 AI）之所以难，是因为物理世界变化无穷——箱子变形、环境随班次变动，而卡车装载机器人需同时解决感知、规划、双臂无碰撞运动、力控等数十个 AI 问题，并达到每项动作 99.9995% 的安全置信度。