写给即将入职具身智能公司（方奇科技）的自动驾驶背景工程师：一篇文章建立具身智能的完整坐标系。从六层技术栈、2026 行业资金与数据格局、方奇科技的「语义化世界模型 + 图灵学习范式」技术主张讲起，给出自动驾驶→具身的九项能力迁移地图与五个不能直接搬的差异，拆解八块知识栈（机器人学/模仿学习/VLA/仿真Sim2Real/世界模型/数据工程/RL后训练/系统部署），配 30+ 篇论文分层地图与站内精读索引，最后附 8 周动手计划与入职面试定向准备。
GigaAI 的 GigaWorld-0 把世界模型定位成 VLA 的「数据引擎」：Video 线（Dreamer 基座 + 外观/视角/模仿三个后训练迁移模型）管「看起来真」，3D 线（FG/BG/Phys/Act 四模块）管「动起来真」，GigaTrain 用 FP8 + 稀疏注意力把 2B MoE 视频基座训起来；只用合成数据训练的 GigaBrain-0 在真机叠衣服、倒果汁、收餐桌等任务上零交互部署成功。本文逐图拆解全部 23 张论文插图与 6 张自绘架构 SVG，深挖 Flow Matching、MoE 路由、控制分支、双重重投影、可微系统辨识等实现细节。
两篇 2026 年的具身自改进工作，一条「修策略外面的执行系统」，一条「修策略自己的数据分布」。Zetta（清华 AIR + Z-Trans AI，arXiv 2608.16590）冻结 VLA，让代码化的运行时 critic 与恢复技能在线进化，LIBERO-Pro 从 34.5% 拉到 90.8%、RoboCasa 18 任务 73.56% 拉到 93.56%，配套 Z-Infra 把 rollout 吞吐从 1.7 拉到 35.1 条/分钟；EmbodiRSI（上海科技大学等，arXiv 2609.38905）在 Real2Sim2Real 闭环里用「协作纠错 + 自适应采集」递归改进策略，仿真 50.4%→83.5%，真机只用 10 条人工纠错轨迹就以 83.1% 打平 200 条真机示教的 75.0%。本文从 I.J. Good 1965 年的「智能爆炸」讲到 2026 年的两条闭环路线，逐图拆解 17 张论文插图与 4 张自绘 SVG；开篇附零基础前置章节（背景白话、两个生活比喻、全文黑话速查表与 30 分钟阅读路线图），完全没接触过具身智能也能读。