具身智能领域的从业者开始忧虑，未来可能被提前实现，因为实现它的企业，或许并非他们自己。
GPT-6 Astra 问世后，这种忧虑在今年外滩大会的讨论中变得尤为突出。极佳视界联合创始人兼首席科学家朱政发出警示，语言模型已吸收多模态，正逐步吞并具身智能，同时在人才、算力和资金上全面占据优势。“狼已经来了，放弃幻想”，在他看来，未来一两年是关键窗口期，如今的具身智能尚未建立起真正的护城河。
担忧有其现实依据。OpenAI 发布 Astra 后，网络上涌现大量关于它操控机器人的演示，具身智能领域迅速展开测试与争论。
与此同时，Sam Altman 也明确表示，OpenAI 计划涉足人形机器人及其他形态机器人。对于那些仍在打磨第一代产品的初创企业，上游模型供应商可能成为直接竞争对手，这一可能性已摆上台面。
但在同一场大会上，我们也听到了不同观点。蚂蚁灵波 CEO 朱兴在媒体采访中反问，OpenAI 或 Anthropic 若此刻进军自动驾驶，能否在短时间内颠覆特斯拉？自变量机器人创始人兼 CEO 王潜则将答案聚焦于数据、验证与硬件：这些基础设施，大模型公司进入物理世界时，是否同样需要补齐？
不过，焦虑之外，一些团队已开始将 Astra 应用于研发：有人用它生成仿真场景，有人尝试让它与具身模型共同控制机器人。大模型进入具身领域，带来的变化比“谁取代谁”更丰富。通用认知能力被吸收、专用模型被替代、一家机器人公司的业务被接管，这是三件跨度极大的事情。将它们笼统概括为“降维打击”，容易混淆视听。
坦白说，具身智能与通用大模型之间确实存在边界。只是边界会移动，今天隔开双方的难题，也不会自动变成任何一家公司的永久资产。
这一轮焦虑背后，隐藏着一个犀利的推断：当通用智能足够高时，机器人所需的能力便会自然涌现。
在外滩大会主论坛“物理智能——分歧与抉择”圆桌上，自变量机器人王潜对此持保留态度。他指出，语言模型编程能力的提升，与大量编程数据、数据基础设施及验证体系的完善密切相关。视频生成虽取得进展，但并未直接解决机器人动作控制的问题。
跨任务迁移与能力复用，确实是基础模型的重要价值。王潜的提醒在于，一项能力的跃升，往往需要对应的学习材料、训练目标和反馈机制。将这些投入从成功故事中剔除，再将结果全部归功于通用智能的自然外溢，会让我们误判下一次突破所需的代价。历史经验无法证明能力跨越永远不会发生，但足以提醒行业，跨越背后的工作不可省略。
因此，看到模型控制机械臂后，值得追问的是：它调用了怎样的动作接口？底层已有多少控制能力？是否使用了机器人数据？换一套硬件或换一种物体后，还能做到什么？演示呈现的是系统结果，要判断模型带来了多大突破，还需看清系统构成。
破壳机器人创始人许华哲，在同一圆桌上分享了团队对 Astra 的测试。他将具身任务拆分为语义、空间和物理三个层面。在当时的测试条件下，Astra 的语义与空间能力已很强：它能识别桌面物体，抓起细小的筷子，甚至将筷子立起来插入杯子。
但在更复杂的接触任务中，困难开始显现。许华哲提到，用筷子挑开东西、叠衣服等任务，团队尚未取得理想结果；双手递物测试也只有少数尝试成功。这些观察虽不能作为统一评测，却提供了一条具体分界线：知道东西在哪里、应该送往哪里，与掌握接触之后如何变化，仍有差距。语言和视觉知识能提供先验，机器人还需在实际交互中处理那些无法仅凭外观确定的变量。
最近一项基于 RoboDojo 十项双手操作任务的研究，为这种关系提供了更具体的观察。在仿真测试中，GPT-6 Astra Direct 直接控制架构的成功率为 26%，平均得分 37.81；π₀.₅ 与 Astra 结合后，成功率升至 48%，平均得分 62.60。
但值得注意的是，混合架构中，Astra 仅对 14.4% 的执行控制步骤作出修正，其余 85.6% 直接沿用 π₀.₅ 的动作。研究披露的轨迹分析显示，Astra 能修正目标对齐错误，规划推、拨等非抓取操作，并在任务条件未满足时调整后续动作；π₀.₅ 则提供直接动作参考与物体交互先验。
这组结果呈现了通用推理与局部操作经验结合的价值。介入步数虽少，却可能对任务成败产生重大影响；底层动作占比高，也说明物理技能仍在发挥作用。十项仿真任务还不足以决定技术路线胜负，48% 的成功率也提醒我们，完整系统距离可靠工作仍有提升空间。它支持了一种协作方向，尚不能解读为大模型已解决具身智能。
回到外滩大会，蚂蚁灵波科技首席科学家沈宇军提出，机器人必须持续接收传感器输入，即使正在推理或执行动作，也要依据新信息随时调整行为。物理世界不会因为模型还在思考，就暂停手中物体的滑落。这给模型提出了持续感知、及时反应及部署效率上的要求。
事实上，这些要求也在推动大模型公司的技术选择。Google DeepMind 今年 7 月发布 Gemini Robotics 2 时，分别提供了具身推理、视觉语言动作和端侧模型，并明确指出多指灵巧操作仍是挑战。巨头正在进入具身领域，也在为具身配置专门的模型与系统。
能力边界正在被跨越，但跨越方式未必是单个模型包办一切。专门训练、系统协作与端侧部署，都在参与这一过程。更有意义的竞争指标，是谁能用更少的交互经验、更低的部署成本，将这些能力稳定地交付出来。
说到底，GPT-6 这类大模型本质上仍是数据的“力大砖飞”，其竞争力在于对优质数据的发掘与使用，但这种能力能否轻松直接迁移到具身智能领域呢？
朱兴用自动驾驶打比方：为何 OpenAI 如此强大，却不涉足市场庞大的自动驾驶，吃掉 Tesla？这里不能忽略模型能力与产业能力之间的差距。训练技术领先，并不能省去对场景的理解，也无法直接换来一套成熟的数据管线。在他看来，判断什么是好数据，以及积累数据的 know-how，是更具壁垒性的工作。
这个类比揭示了跨界需支付的真实成本。当然，一家企业选择进入什么市场，也涉及资源配置、收益预期和战略优先级，商业上的暂未发生无法证明技术上的不可能。所以我们要研究的是，模型优势转化为产业优势，还需补上多少环节。
落实到机器人上，模型只是交付链条中的一环。客户购买的是能持续完成任务的产品。机械结构与传感器如何配合、设备磨损后性能是否稳定、现场异常由谁处理、维护成本能否控制，这些都会进入客户的账本。大模型公司可自建、收购或与伙伴合作，但无论哪种方式，都需为这些工作投入资源。
王潜在圆桌上提出，如果 OpenAI 或 Anthropic 同样需要现实数据、仿真、评测和硬件基础设施，那么它们进入的是同一场具身智能竞争。
但这个判断会引起不少人较真：如果 OpenAI 这类公司烧钱堆数据，谁能比得过？不过，这确实是一个值得品味的角度。面对共同难题，各方未必会自动拥有相同的解题速度。巨头的算力、人才和工具能力，仍可能显著压缩追赶周期。
客观而言，“我们有数据”需接受更严格的审视。能在市场上重复采购的数据，未必稀缺；同一场景中大量重复的成功轨迹，也未必能有效覆盖失败。数据规模只有与任务分布、反馈质量及模型增益连在一起，才具有可讨论的竞争价值。
可见的现实是，数据的生产方式正开始受通用模型影响。源策未来联合创始人兼 CEO 李天羽分享，其团队已用 GPT-6 通过编程生成仿真场景，将人形机器人置入其中完成指定任务。在他们的快速实测中，生成结果完整、逻辑合理，具有实用性。他认为，批量生成 3D 场景资产，以及借助增强的视觉语言理解能力辅助数据集清洗，能直接降低前期数据研发成本。
这让数据壁垒面临双重变化：仿真资产构建、数据清洗等环节可能变得更便宜，原有的部分生产成本优势也会随之收窄。场景能被快速生成后，资产的物理属性是否准确、是否覆盖真正的失败情形、能否改善真机表现，反而更需要具身团队的判断。拥有生产工具与知道该生产什么，仍有距离。
更难复制的积累，可能是一整套持续发现问题的能力：知道机器人在哪些情况下容易失败，能进入对应场景采集，能从失败中识别真正缺失的信息，再通过训练和评测确认改进。部署带来新问题，新问题推动模型进步，进步又支撑更大范围的部署。这样运转起来的闭环，才可能让先发优势不断累积。
坦白说，今天业内对 GPT-6 的某种恐慌，源于延承多模态模型的技术范式。由于过于同轨，以至于后面的车开得快了，就会被碾过去。
用沈宇军的话说就是：如果具身模型仍基于数字世界的模型做微调，比如 VLA 基于 VLM、WAM 基于 Video Gen，那么数字世界的基模一旦出现能力跃迁，这些具身模型就很容易受到冲击。
因此，如今的具身智能厂商都清楚所谓“物理原生”“具身原生”模型的重要性。一方面是为了打破原有技术依赖，找到物理 AI 自己的解法；另一方面也是某种程度的“换道”。
最近具身研习社采访了一些不同路径、范式的玩家，比如影身智能、具脑磐石等。这些跳出路径依赖的企业面对这个问题都比较淡然。
当我们把“类脑路线能否更好地抵抗大模型的侵蚀”这个问题抛给具脑磐石 CEO 朱森华时，他首先纠正了其中的措辞：“我觉得不叫抵抗。”
在他看来，神经网络本就包含脑启发的思想，强调类脑智能，是希望进一步寻找克服现有 AI 瓶颈的理论与方法。他将这些挑战概括为“数据荒、泛化弱、增量难、功耗墙”：怎样减少对大量数据的依赖，怎样适应新场景，怎样持续学习，又怎样控制智能运行的能耗。“GPT 除了堆数据，其实什么也没干”“模型变得更强，并不意味着这些问题（四大瓶颈）已经一并解决”。
这个回答将讨论引向更深层次。未来更强的 AI，是否一定延续今天的模型形态？持续感知、复杂接触、实时动作和有限能耗，都是物理世界向 AI 提出的具体要求。解决它们，可能需要改变模型架构、训练方式乃至软硬件组织。具身智能也在向通用 AI 提出新的研究问题。
再比如影身智能的 4D 世界模型，也是一类探索。
它尝试将三维空间及其随时间发生的变化纳入表示，为预测和行动提供更明确的空间约束。影身智能创始人兼 CEO 闵伟提醒，仅在语义基座上微调改造得到的具身模型，极易遭遇 GPT-6 的降维冲击，“因为这是顺手的事儿”。
与此同时，闵伟强调，未来的 OpenAI 或许更像水电网一样的基础设施提供者，反而不可能吃掉所有应用，这是商业边界决定的。
而且，一款真正落地的具身智能产品中，大模型语义能力占比甚至不足一半，剩下的核心价值来自物理规律理解、机械工程和复杂场景交互等复杂系统。“这也是影身智能坚持原生 4D 模型基座，拒绝在 2D 视频、语义模型上简单拼接改造，并优先扎透轻工业柔性等垂直场景跑通商业闭环的底层逻辑”，闵伟说。
回到外滩大会现场，沈宇军在圆桌上面对 GPT-6 Astra 给出了一个更具开放性的判断：具身智能甚至可能反过来影响大模型的发展路径。机器人通过传感器持续感受环境，这些现实反馈能成为更高层模型的新学习材料。物理世界提供的新经验，可能推动 AI 改变自身，而不只是接受既有模型的能力输出。这也与许华哲提出大模型、具身模型与物理世界应连接成完整系统，以及 RoboDojo 上 GPT-6 Astra + π₀.₅ 混合架构的尝试，似乎达成了某种共识。
所以，未来的竞争格局未必以“语言模型公司”和“具身智能公司”为界。一家从语言起家的公司，如果真的想全力聚焦具身去做，就像 Sam Altman 要做人形机器人一样，或许也能逐步补齐物理数据、端侧模型和机器人产品；而一家从机器人起家的公司，也可借助更强的通用工具，集中资源探索物理学习与新范式，研发成本下降会帮助它跑得更快，甚至在创新范式下，形成与语言模型、视频模型并行的下一代基座。
对未来更强的人工智能，我们无法为具身智能划出一块永远无法被进入的领地。假如某个系统最终具备高效学习物理技能、可靠控制硬件和持续适应现实的能力，今天不少专用模型与开发环节确实可能被吸收。到那时，这个系统本身也已拥有具身能力。需要继续追问的，是这些能力由谁建立、谁组织交付、又由谁获得收益。
因此，具身智能有理由拒绝“一次模型发布决定整个行业命运”的判断，同时也有必要告别“物理世界足够复杂，我们便天然安全”的侥幸。数据、硬件、场景经验和新范式，都有成为优势的可能；只有不断转化为更可靠、更经济的产品，转动起飞轮，它们才会逐渐成为护城河。
Astra 带来的压力是真实的，它正在缩短行业证明自身价值的时间。边界仍在，但企业能守住多大的空间，最终取决于它在边界继续移动之前，完成了多少别人难以复制的工作。而在这个探索过程中，通过 kaiyun官方网站·登录入口 获取更多行业前沿信息，或许能帮助从业者更清晰地把握方向。
本文来自微信公众号“具身研习社”，作者：彭堃方，36氪经授权发布。
