今日研究图景呈现清晰的双主线：其一，世界模型与视频生成加速走向「可交互、可实时、可端侧」——Waypoint-1.5 在消费级硬件上实现控制对齐的实时生成，预示世界模型从演示走向可用基础设施；其二，具身智能研究从「堆数据」转向「结构化复用」——LexiconVLA 的原子动作码本、VLA 潜层接口的信息论分析、Real2Gym 的 Real2Sim2Real 闭环，均在回答「如何以更少的真实数据获得更强的泛化」这一核心命题。开放权重的 Rho 与纯 C++ 推理引擎 vla.simd 进一步降低了 VLA 的研究与部署门槛。智能体侧，HybridCUA 的 GUI/CLI 协同编排与 LongCat-DeepResearch 的多智能体研究流水线，显示智能体工程正从单点能力走向系统级编排。开源生态方面，Robot-Use Agent、GUI Agent 安全等垂直 awesome 列表的涌现，反映出社区知识组织正随细分领域的成熟而精细化。