Embodied Intelligence Example

目的

本文用 Areas/赛道观察/行业方向观察/具身智能/ 作为样板，说明如何把现有长文收敛到稳定结构。

推荐主文档

• 10-行业总览.md
• 11-产业结构与价值链.md
• 12-技术路线.md
• 13-商业化场景.md
• 14-未来预期.md
• 20-玩家图谱.md
• 21-成都与本地机会.md
• 30-考研与进入路径.md
• 40-投资映射.md
• 41-观察清单.md
• 90-证据池/

现有材料怎么映射

现有 行业线索.md

可拆入：

• 10-行业总览.md
  • 当前判断
  • 行业阶段
• 20-玩家图谱.md
  • 国内公司图谱
  • 国资平台、独角兽、场景型公司
• 21-成都与本地机会.md
  • 成都本地招聘样本
  • 成都高校相关研究生专业
• 13-商业化场景.md
  • 军采、特种场景、巡检、物流、康复等判断
• 11-产业结构与价值链.md
  • 如果文中有对上中下游能力链的总结，应迁入这里

现有 考研考试科目梳理.md

主要进入：

• 30-考研与进入路径.md
  • 学校、方向、初试科目、适合人群

其中“控制 / 机械 / 感知路线差异”也可以少量反哺：

• 12-技术路线.md

现有 补充调研：成都高校分数、本地招聘与交叉方向.md

可拆入：

• 21-成都与本地机会.md
  • 本地公司、研究所、交叉场景
• 30-考研与进入路径.md
  • 近三年分数、成都学校分层
• 13-商业化场景.md
  • 轨交、医疗、银发、能源等本地交叉场景

这几个新文档各写什么

11-产业结构与价值链.md

建议回答：

• 具身智能最关键的上游零部件有哪些
• 中游能力栈有哪些
• 哪些环节技术壁垒强但商业化慢
• 哪些环节更容易形成投资映射

12-技术路线.md

建议回答：

• VLA/VLM、模仿学习、强化学习、SLAM、规划控制分别扮演什么角色
• 仿真到真机的关键难点是什么
• 为什么“会训练模型”和“能把真机跑通”不是一回事

13-商业化场景.md

建议按场景排序：

• 工业制造
• 巡检与特种作业
• 物流与仓储
• 医疗与康复
• 商业服务与社区

每类都写：

• 为什么可能先跑通
• 主要难点
• 与成都的关系

14-未来预期.md

建议分成：

• 1-2 年
• 3-5 年

并写出：

• 更可能先兑现的不是哪种“机器人形态”，而是哪种“场景闭环”
• 哪些技术进展会真正改变产业节奏
• 哪些概念热度不等于兑现

40-投资映射.md

建议写法：

• 先映射产业环节
• 再映射资产类别
• 最后写验证指标和风险

不要直接输出“买什么”，优先回答：

• 哪类公司可能受益
• 受益逻辑是什么
• 需要观察哪些事实来验证

观察清单样例

41-观察清单.md 可以长期盯：

• 北京、上海、成都几个创新中心的动作
• 成都本地招聘是否持续增加
• 工业、巡检、康复、服务几个场景是否出现真订单
• 招投标、军采、医院、园区、工厂案例
• 上游零部件和机器人 ETF/基金的风格变化