**Picking 就是具身智能的 Coding，原力灵机這次押注，值得拆開看**

1/

原力灵机宣布收購物流機器人公司 Atomix，同時拿到智谱、阶跃星辰、商汤、阿里聯合押注。CEO 唐文斌的定性只有一句：「Picking，就是具身智能的 Coding。」這不是 slogan，背後是一套完整的數據飛輪邏輯。

2/

Coding 成為大模型原子任務，不只因為是技能，更因為它提供了閉環：代碼跑、報錯、修、再跑，每次失敗都是訓練素材。具身要做到通用，同樣需要一個滿足四個條件的底層動作：高頻產數據、真實補物理細節、成敗可驗證、技能可遷移。Picking 全中。

3/

為什麼偏偏是 Picking？全球物流倉每天上億次真實抓取，規模天然存在。成敗信號乾淨，可細分掉落、偏差、識別錯誤，模型有清楚的素材可改。更關鍵的是遷移性：一次順利抓取背後是手眼協調、力控、空間理解，這三件事覆蓋分揀裝箱、居家作業、精密裝配的底層共同邏輯。一個動作打底，多條路徑可延伸。

4/

為什麼是物流場景而非家庭或傳統工業？家庭任務邊界太散，容錯率低；傳統工業高度結構化，泛化空間有限。物流倉卡在中間，比家庭可控，比工業更長尾，SKU 龐雜、全天候運轉、勞動力缺口真實存在、客戶有預算。目前看來，這是啟動具身數據飛輪條件最成熟的甜蜜點。

5/

收購 Atomix 的真正意義不是「模型公司 + 場景公司」的拼接。而是把「場景產數據 → 模型變強 → 反哺更多倉」這條飛輪，從需要跨公司協調的合作關係，變成組織內生的自動運轉機制。邊界消失，數據回路的摩擦也跟著消失。

6/

智谱、阶跃星辰、商汤、阿里集體押注，從資本信號看，這條數據閉環路線目前獲得了罕見的頭部共識。對創業者的實際尺度：具身競爭焦點正在從「模型誰的 benchmark 更高」移向「誰能低成本、規模化拿到真實數據並閉環」。還在靠 demo 或仿真數據定義競爭優勢的，方向值得重新校準。