通用模型冲击具身智能：从虚拟到物理的范式转移

2026年Q3，具身智能领域发生了显著变化。此前机器人系统虽已引入大语言模型进行高层语义理解和任务拆解，但核心执行仍依赖VLA等专用物理AI模型。GPT-6 Astra在九月的发布带来了根本性冲击，它作为策略模型直接输出机器人末端位姿，完成了一部分原本由VLA承担的工作且效果显著。这引发了行业对“通用模型是否会吃掉Robotics”的灵魂拷问。

这一转变并非突然发生。回顾历史，2025年初Google发布Gemini Robotics时便已显露端倪。当时同步推出了通用VLA版本和侧重空间推理的ER（Embodied Reasoning）版本，尽管当时行业更关注VLA，但Google已洞察到通用语言模型在复杂空间理解与推理上的潜力。随后今年七月，Anthropic发布《Claude Plays Robotics》研究，利用最新语言模型Opus调用机器人接口，实现了以往需专用具身模型才能达成的能力。这表明语言模型进入物理世界的路径，是先通过工具调用（Tool Use）切入。OpenAI前沿实验室的态度也印证了这一趋势：先解决AGI，再将Physical AI作为子问题攻克。

技术路径解析：末端位姿输出与分层架构的演进

Astra的技术突破在于其解决了更上层的意图拆解问题，并向下延伸了控制层级。传统机器人任务执行分为多层：上层负责任务理解与拆解，中层将指令转换为电机扭矩或输出（即VLA/World Action Model的核心），底层负责物理层操作。过去一年的研究多集中在运动模型层面，即如何将清晰指令（如“拿茶杯”）转化为连续电机控制信号。

Astra与Gemini Robotics ER的不同之处在于，它们不仅进行意图拆解，还直接输出末端执行器（End-Effector）的最终位置。这一信号随后通过逆动力学模块转换为电机控制信号。相比之下，传统VLA直接输出连续的电机控制序列。Astra实际上接管了原本被认为极具挑战性、需要大量空间与物理常识训练的部分，即引导夹爪或灵巧手到达指定位置并执行接触任务。这种分层思路虽非全新，但大语言模型介入的层级更深、范围更广。

如果我总结这次去美国跟前沿实验室同学交流的一个感受，我可以总结成一句话：以OpenAI为代表的前沿实验室，他们对于Physical AI的态度是通过先解决AGI，然后再把physical AI当做一个子问题来解决。

社区复现与行业反应：从争议到共识的加速

OpenAI官方博客并未明确将Robotics列为Astra的主要下游应用，但开源社区迅速捕捉到了其潜力。七月Anthropic的《Claude Plays Robotics》论文中，团队测试了包括GPT-5.4、Kimi K2.6在内的多个模型，并建立了基于末端位姿输出的评测管线。当Astra发布后，开源社区仅用一两天时间便完成适配与复现。结果显示，Astra在成功率和准确率上相比Claude及其他旧版模型有显著提升。

这种技术进展在行业内引发了两极分化的反应。陈哲观察到，真正关注通用模型的研究者对此感到兴奋；而长期沉浸于传统机器人学（如控制、触觉分析）的学者则反应平淡。例如在2026年IROS会议期间，尽管物理AI领域天翻地覆，但传统机器人学者仍聚焦于经典问题。在一场晚宴调查中，约100多名研究人员对Astra的影响持不同看法：一派认为“语言模型解决一切，Robotics已终结”；另一派则认为通用模型永远无法解决当前物理学研究的诸多难题。陈哲将Astra的影响分为三层，其中第三层——AI通过工具调用在Blender中搭建仿真环境、生成物体属性并自主调试运动控制策略——被认为是最具颠覆性（Mind-blowing）的方法。

学界争议：从“降临派”到分层生态位

尽管机器人学领域已引入大量深度学习与 Transformer 架构，但学者们研究的仍是经典的控制、触觉及力分析问题。九月底在 AIROS 会议上，这一话题引发了激烈争议。CMU 助理教授石冠亚在一场晚宴上对一百多位研究人员进行了调查，借用《三体》的概念将观点分为几类：认为通用模型只是工具的“工具派”、主张机器人学已终结的“降临派”，以及认为通用模型与物理模型各占生态位的折中派。其中，最务实且人数最多的人群认为应将大模型作为研究专用问题的工具。虽然仍有部分人因算力与速度瓶颈否定大模型路线，但历史经验表明，通过优化方法可以克服性能限制。在机器人领域专家中，认为“Robotics is over”的比例约为 三分之一。

“其实到今天依然有人会认为，大模型因为体量更大、速度更慢，天然不适合需要实时响应的这种问题。但我们从计算机发展的历史来看……以这个算力或者速度作为一个瓶颈而否定大模型这条路线的人，我觉得长期可能都会失望。”

Astra 的三层影响与估值逻辑重构

Astra 的出现对产业界产生了分层冲击。第一层是直接作为策略模型生成位姿；第二层是作为监督者或纠偏者，例如银河通用的案例显示，Astra 在监督 Pi 0.5 模型时，将任务成功率从 26% 提升至 48%；第三层则是最具颠覆性的，即 Astra 作为真正的机器人研究员（Physical RSI），利用工具调用能力在 Blender 中搭建仿真环境、生成资产并独立调试策略，实现“AI 训练 AI”。

这种能力直接挑战了 Physical AI 公司的估值基础。此前，具身模型公司的高估值建立在“Physical AI > Digital AI”的假设上，类比 2016 年的 OpenAI。然而 Astra 证明通用模型可能更为强大，物理 AI 仅是其子集，这可能导致现有估值体系崩塌。尽管对创业公司而言是坏消息，但通用模型的进展也可能加速物理 AI 的落地并放大市场存量。

“如果 physical AI 是一个大于等于 digital AI 的事情，那么我们今天的这些公司的状态可能就是一五一六年早期的 OpenAI……但是 Astra 的出现其实一定程度上在告诉大家，物理 AI 可能只是通用模型的一个子集。”

能力边界：空间推理优势与端侧部署未来

在 RoboDojo 等基准测试中，Astra 表现出的优势主要集中在空间推理能力、复杂任务逻辑以及泛化能力。例如，当物体颜色或位置改变时，传统 VLA 模型往往失效，而 Astra 凭借更大的体量展现出更强的鲁棒性。相比之下，Astra 不擅长需要极高物理精度或特定摩擦/形变处理的精细动作（如拔插纽扣），因为这类数据在语言模型训练中较为稀缺，而 VLA 模型通过遥操作积累了大量此类储备。

这种表现支持了分层使用的观点。未来通用机器人的部署大概率需要本机实时高速模型处理高频控制，而云端大模型负责低频决策。这意味着 VLA 公司的独立价值主张可能被消亡，其角色可能转变为通用模型公司蒸馏出的端侧模型。GPT-6 在空间智能上的突破，据传源于其雇佣大量 Blender 艺术家进行建模轨迹标注的数据投入。

“也就是说，VLA 模型的位置可能依然存在，但是不是这群独立的 VLA 公司去交付了。有可能是一个做通用模型的公司，他就把这事儿干了。”

通用模型的能力基石：数据、算力与接口调用

Astra展现出的核心能力主要源于三个维度的快速提升：空间理解、复杂任务推理逻辑以及对机器人抽象接口的调用能力。首先，空间理解能力的飞跃主要归功于特殊的数据投入。据消息透露，OpenAI在五月雇佣了大量Blender艺术家进行建模轨迹标注和数据采集。这种对3D素材、视频及机器人控制数据的全面吸纳，体现了通用模型架构在模态兼容性上的优势。尽管数据标注成本高昂，但通用模型的成本可被多个任务摊薄。此外，Blender环境易于验证结果，使得大规模强化学习成为可能。在算力层面，通用模型公司在推理（Inference）上的领先优势显著：头部通用模型的GPU规模可达十万至百万级，而领先的具身模型通常仅为千级水平，两者存在两到三个量级的差距。这种算力优势使得通用模型能够处理更复杂的具身数据实验。

其次，在逻辑推理方面，大语言模型（LLM）一直擅长此道。相比之下，传统的VLA或世界动作模型往往退化为“直觉模型”，即从指令直接映射到动作序列，缺乏深层的逻辑拆解能力。最后，在接口调用上，大模型展现出强大的Coding能力。无论是仿真器（如Isaac Gym、MuJoCo）还是物理机器人，只要具备明确的Input/Output逻辑关系，大模型就能像调用浏览器或Excel一样进行控制。目前已有尝试显示，大模型能Program MuJoCo并观察仿真结果来调整真机策略。这种将物理世界视为可编程对象的能力，是通用智能介入Robotics的关键。

对于 AI 来说，我调用一个 MuJoCo，跟我调用一个浏览器、调用 Excel 原理上是一样的。我把物理世界的这种机器人也把它当做一个程序来控制，它有明确的 input 跟 output。

我相信这里面还不光是数据的这个 scaling……通用模型最好的好处是它的成本可以被多个任务去摊薄。

架构演进与Scaling Law：从VLA到通用智能的回归

Astra的出现打破了一个假设，即单纯关注Physical AI的公司能做出比Digital AI更大的模型。回顾技术路线，VLA（视觉-语言-动作）常被诟病为高级的行为克隆，其本质是看到图片生成动作的本能反应。随后的WAM（世界动作模型）试图通过移除语言中间层、以视频生成为Backbone来提升泛化性，因为通用视频数据蕴含了更好的物理规律总结。然而，WAM依然受限于生成器而非理解器的本质，缺乏逻辑推理。

Astra作为大语言模型的延伸，证明了智能是一个通用问题。它揭示了参数量级的巨大差异：主流VLA/WAM模型约为几十Billion参数，而主流LLM已达Trillion甚至10T以上。这类似于生物进化中低等动物具备本能动作但缺乏复杂推理，而高等智能随脑容量增加而涌现。因此，通用模型先解决智能问题，从而解决物理问题。这意味着未来的具身公司或世界模型公司将长期与通用模型互补合作，寻找其在物理世界中不可替代的价值点。

主流 VLA 和世界动作模型的参数量大概是在几十个 billion，但是主流的 language model 已经到几个 trillion……这就是一个初级动物跟高级动物的一个区别。

GPT 6 Astra其实进一步证明了一点，智能是一个通用问题，通用模型是有可能先解决智能问题，从而解决物理问题的。

产业格局重塑：具身公司的生存边界与数据闭环

Astra的冲击促使国内基础模型公司（如智谱、Kimi等）更严肃地将Robotics作为业务方向。由于物理智能是通用智能的子集，所有致力于AGI的公司都有能力和意愿切入部分物理AI领域。对于具身数据公司而言，其商业逻辑具有阶段性：当第一视角或真人操作等稀缺物理世界数据被通用模型充分学习后，这类数据的边际价值会下降。正如Scale AI从自动驾驶转向语言标注一样，数据服务商必须持续提供AI当前无法解决的高精度、复杂模态数据。

对于具身创业公司，在通用模型成为“调度器”的背景下，其生存空间在于明确能力边界。首先应停止争论VLA与WM的技术路线优劣，因为在超级智能面前架构优化是次要的。核心策略包括：第一，做好接口标准化，将自己打造为可被通用模型反复调用的工具；第二，构建垂直领域的数据闭环。这包括触觉/力觉信息、特定工艺约束、硬件可靠性处理以及失败任务恢复等通用模型难以覆盖的细节。具体而言，拥有关键零部件（如灵巧手、传感器）或特定行业Know-how及合规壁垒的To B公司，将在这一转型中保持独特价值。

我觉得未来一个季度一个很大的趋势就是，通用模型做一个调度器……就把自己想象成一个可以被反复调用的这种工具。所以接口要做好，以及留住你自己真正属于你的闭环。

所有的数据生意都是阶段性的……你总要提供一些今天 AI 还不能解决的问题的数据。当这些问题被 AI 学习过后，那我们就需要更加复杂或者更高精度的数据。

物理AI的生存位势：从垂直闭环到中间层挤压

在探讨通用模型是否会吞噬具身智能（Robotics）领域时，数据闭环与垂直领域的Know-how沉淀成为物理AI公司构建护城河的关键。正如做AI应用需要在垂直领域建立数据闭环一样，物理AI公司更需关注这一点。目前看来，具备独立生存空间的公司主要分两类：一是掌握关键零部件技术的企业（如本体、触觉传感器或硬件制造）；二是在特定行业场景（如工业、物流）中拥有深厚积累，甚至具备合规壁垒与准入门槛的To B企业。类比AI时代Harvey等垂直领域明星公司，物理世界中同样存在类似的高价值生态位。

然而，若将视角拉至整个产业链，“中间层挤压”的风险不容忽视。以智能汽车产业为类比，行业分为主机厂（上层）、Tier One/算法方案商（中层）和核心零部件（下层）。当前趋势显示，中间层若不能向上影响主机厂价值链或向下掌控芯片等核心环节，将被两端强力挤压。同理，具身智能中的“大脑”公司若规模小于通用模型巨头，且在硬件执行器定价与规模效应上受限，其价值闭环的构建将面临严峻挑战。尽管通用模型公司的加速进展可能压缩垂直物理AI的空间，但从体量上看，通用模型的落地反而在加速整个领域的成熟。目前硬件已基本Ready，剩余的核心难题均为智能问题。正如一位前自动驾驶技术骨干所言：“那些被反复验证十年的Corner Case Benchmark，在Astra面前灰飞烟灭。” 这暗示了通用模型对传统专用算法的降维打击。

“这些已经被反复验证十年的这种benchmark，今天在Astra面前都灰飞烟灭……如果自动驾驶出现了这样的情况，为什么在具身智能或者别的问题里面不会出现同样的情况呢？”

World Labs被AMD收购：世界模型的战略锚点与退出路径

本季度最具标志性的事件之一是World Labs被AMD收购（意向）。尽管交易尚未完成，但这一举动在行业内引发了关于“Neolab”（新型研究实验室）退出路径的广泛讨论。World Labs由李飞飞创立，其核心使命是构建全模态空间智能模型。通过发布的Astra模型，它擅长利用3D高斯泼溅（Gaussian Splatting）等技术进行空间重建与视角再生成。虽然其生成的对象是可交互的3D/4D空间而非2D视频流，且本身不具备语义推理能力（类似更高级的生成模型如C-Dance或可灵），但它与具身智能并非竞争关系，而是上下游的基础设施服务关系。特别是其收购了做机器人仿真验证的Cynexx，使得World Labs能够构建从“Real-to-Sim”到“Sim-to-Real”的闭环，为具身智能公司提供空间构建与仿真工具流。

关于82亿美元的股票交易对价，其意义远超财务本身。对于World Labs而言，在缺乏明确商业模式的情况下，独立维持前沿研究需消耗巨额算力与资源，AMD提供的算力支持使其能继续探索边界；对于AMD而言，此举旨在弥补其在AI头部公司中缺乏顶级Physical AI研究团队的短板，从而获得战略身位。这笔交易对行业具有强烈的锚定作用：它向所有Neolab发出信号，即在中短期内，若无法独立实现商业价值，尽早被大厂收购可能是最优解。尤其是对于世界模型这类“赢家通吃”的资产，只有第一个被收购者具有最高战略价值。

“我觉得World Labs在提醒所有的Neural Lab，有可能中短期来看最好的出路就是尽快找到一个大厂买身……对于大厂来说，可能只有第一个购买的公司是具有价值的。”

中美市场分化与“神迹”认知的断代

World Labs的交易对国内外的影响存在显著差异。美国拥有深厚的资本市场支持长期独立模型公司，且头部企业愿意收购差异化技术资产，形成了“创新-奖励-退出”的良性循环。相比之下，中国资本市场缺乏此类高额收购案例，且具身公司估值偏高导致被收购可能性降低。国内公司的首要目标是在复杂环境中独立生存并追求商业化闭环。有趣的是，有头部具身创业者表示，其公司虽融资30亿但刻意保留现金，意图等待泡沫破裂后低价收购其他团队。这表明国内世界模型公司可能更早地转向落地，而非依赖资本市场的长期输血。

在认知层面，近期在美欧的交流揭示了一种“断代差”。见过OpenAI等前沿成果（如特斯拉V12端到端模型）的人，与未见证者之间存在巨大的思维鸿沟。许多国内公司曾质疑特斯拉的Scaling Law是“烟雾弹”，因为当时无法复现结果；但真正解决过该问题的人深知其威力。这种“见到神迹”与否的认知差异，直接决定了对通用模型在具身智能中潜力的判断。Frontier Labs等团队内部已形成共识：他们在解决通用智能问题，其他所有细分领域均为子问题。 这种基于第一性原理的自信，构成了当前物理AI技术路线分歧的核心根源。

“我见到的人见过OpenAI在做什么的，和没有见过的人的思维是完全不一样的……这是有断代差别的。”

通用模型冲击下的本体价值重估

在自动驾驶领域，特斯拉曾通过展示 Scaling Law 的实现引发市场震动，但当时国内许多公司因无法复现该结果而质疑其为“烟雾弹”。然而，真正解决过底层问题的视角与旁观者截然不同。对于具身智能领域而言，虽然国内头部公司如理想具备训练端到端模型的算力基础（年投入四五十亿人民币），但若将具身智能视为通用智能的子问题，其所需的算力与数据规模远超自动驾驶，导致大多数创业公司难以复制特斯拉的路径。

可能这个推导对绝大部分创业公司并不成立，因为他是站在他们有巨大的数据量和巨大算力的基础上做出这样一个推导。

这一技术壁垒反而强化了硬件本体公司（如宇树）的战略价值。随着 Astra 等通用模型的横空出世，市场意识到通用智能能力的加速会进一步利好具备全球领导力且业绩稳健的本体厂商。宇树的角色正逐渐向英伟达模式靠拢：即便 OpenAI 等模型层巨头强大，本体厂商作为基础设施提供者依然受益。通过开源生态与工具链整合（如发布 6B 参数的 VUV 模型），宇树旨在降低用户部署成本，而非追求在算法层成为最强引领者。这种“跟随第一梯队”的克制策略，使其能够专注于硬件生态构建，从而在通用智能浪潮中确立不可替代的地位。

并不会因为 OpenAI 很强，英伟达就被削弱。相反，英伟达的需求是得到了极大的放大。

宇树 IPO 后的股价波动与基本面分析

尽管宇树科技上市初期经历剧烈炒作，开盘市值一度冲至四千四百多亿，随后大幅回调约 60%，目前稳定在一千七百多亿。相较于其发行价（六百多亿）及预测目标，这一估值仍具合理性。从基本面看，2026 年上半年财报显示其收入同比增长约 48%（达 11.52 亿人民币），全年预计可达 20-25 亿。值得注意的是，人形机器人出货占比大幅增加，印证了其在细分市场的领先地位；同时受春晚营销影响，销售费用上浮至 1.64 亿（其中春晚投入约大几千万），但整体经营质量仍属国内具身领域首屈一指。

如果用传统的估值逻辑，我觉得关键还是看他们在产业链里面的稀缺性和领导性。

对于这类处于行业早期的公司，传统财务估值方法难以精准定价。市场关注点应从短期股价炒作转向解禁后的长期机构判断。宇树作为行业估值锚点，其核心价值在于产业链中的稀缺性与持续增长的潜力。尽管当前市盈率较高，但在通用智能加速发展的背景下，其作为“物理世界接口”的战略地位支撑了高估值预期。

监管收紧下的行业洗牌与收入真实性

宇树上市后的连锁反应导致监管机构对排队上市的具身智能公司审查收紧。重点考察对象包括：是否具备可持续收入、真实技术突破及上市必要性。许多成立仅三年的公司面临巨大压力，部分企业为迎合二级市场标准出现动作变形：要么通过财务手段虚增收入，更危险的是为了创造短期现金流而背离行业发展规律。例如，部分公司用传统 CV 或自动化方法解决简单场景问题（如工厂搬运），并包装为“具身智能落地”，实则分散了研发精力。

所有这些投入跟解决通用 AI，甚至解决 ChatGPT 而言，都是一个背道而驰的努力。

这种“捡芝麻丢西瓜”的现象源于资本过剩与资源分散。在 20-21 年的机器人热潮中，送餐、配送等专用领域曾出现烧钱补贴战；如今具身智能领域重演类似乱象，同辈压力迫使公司追求快速上市套现。然而，若坚信 Scaling Law 与通用智能主赛道逻辑，短期的线性部署收入无关紧要。真正的价值应体现在服务通用智能的环节：如灵巧手等关键零部件、具身数据服务商及本体硬件。只有那些与通用智能正相关且未被其直接覆盖的业务，才能享受行业红利并实现长期价值。

如果我们真的是在解决智能的这个大道上面，那么今天的很多这种相对来说比较短期或者比较线性的这种部署或者是收入，真的是无关紧要的问题。

具身智能与通用模型的竞争边界

在探讨哪些业务真正受益于Scaling Law时，我们需要区分“正相关”与“直接竞争”。目前许多具身智能公司拿着大额融资进入工厂，解决那些传统CV方法即可搞定的专用机问题。这种路径虽然不与通用智能直接竞争，但也无法享受其发展红利，因为这与通用智能发展的主旋律背道而驰。真正的工作应当聚焦于让硬件更稳定、低成本，或开发更通用的灵巧手以突破物理限制，亦或是建立规模化自动数据采集方式。这些工作能与智能发展的主流结合。

Astra模型的出现是一个关键转折点。它证明了通用大模型在具身领域的潜力，国内开源模型必然跟进。一旦国内开源模型能力接近Astra，具身智能公司若不自研底层大模型，将直接面临竞争压力。我认为国内头部大语言模型公司未来一个季度都会切入具身领域。掌握预训练能力的通用模型公司在数据清洗、标注匹配以及防止训崩等核心能力上，天然优于仅基于开源模型微调的具身公司。因此，前者在竞争力和落地效率上占据绝对优势。

掌握预训练能力的通用模型公司，如果来做这件事儿的话……相比另一个具身智能领域的公司（只在开源模型上做），前者肯定是更有竞争力。

我觉得国内大语言模型都会做这个事儿，未来一个季度都会做。

ICL能力重塑具身模型落地范式

本季度的技术焦点是In-Context Learning (ICL)，即上下文学习能力。在具身智能中，这意味着模型训练完成后，无需改变参数或进行耗时的后训练（Fine-tuning），仅通过提供一段视频示范（One-shot/Few-shot）即可让机器人理解并执行新任务。相比传统需要数小时甚至一周遥操数据后训练的流程，ICL将落地成本从“天”级降低到“分钟”甚至“秒”级，极大提升了项目部署速度。

Generalist 1.5和Scale AI的S-1模型系统性地展示了这一能力。其核心价值在于两点：一是能学习分布外（Out-of-distribution）的任务，即训练集中未出现过的动作；二是能处理长序列技能组合（Long Horizon），例如将多个原子技能重组为复杂的打包或搬运流程。这种能力源于大规模预训练后的涌现特性，以及针对示范条件的专门优化。

如果有了这个 ICL 方式的话，我们有可能通过一个一分钟的视频试教，模型就能够在这个具体任务上面知道该怎么去执行。

它体现了有两个出人意料的这个表现：一个是有许多任务其实是 out of distribution……第二件事情是 ICL 方式其实适合做一些长序列的技能组合。

数据质量超越架构：行业共识与巨头布局

关于ICL能力的来源，Generalist和Scale AI的做法略有不同：前者侧重短轨迹（3-10秒）及包含关节信息的第一视角输入；后者强调第三视角长时序视频（如10分钟）以学习全身运控和技能组合。这种差异反映了各自的技术基因。

在模型进展方面，Dana 2.1的发布值得关注。它展示了从规划、执行到反馈的完整工程链路，包括半人形机器人本体及洗衣房全流程。尽管Dana 2曾宣称使用超百万小时数据并强调Scaling Law，但行业反馈其性能提升并未随数据量线性增长。这引出了一个重要共识：网络架构并非最关键要素，数据的配比、清洗与处理质量才是决定策略模型好坏的核心。

自变量创始人王乾指出，理解物理空间的数据处理管线在OpenAI与具身公司间并无本质差异。我认同其描述但质疑结论：头部大模型公司在数据处理经验、算力及内部工具（往往比公开版本更强）上具有显著优势。具身公司调用GPT或Astra模型处理数据，反而暴露了其劣势。谁拥有专有高质量数据，谁就具备能力优势。此外，Google发布的Gemini Robotics 2（含ER Two、Robotics Two及本地On-device模型）展示了用统一架构系统性解决物理世界问题的领先思路，印证了头部通用模型公司在该领域的布局深度。

如果你给同样质量、同样规模的数据，你都有可能训出一个一样好的这个策略模型。这是目前行业逐渐形成一个共识。

今天可能更关键的问题是，谁能够真正获得这个专有的高质量的数据？所以架构可能就没有那么重要了。

组织惯性与创新阻力

谷歌在七月底发布的 Robotics 2.0 分为 ER Two、Robotics Two 以及一个强调效率与适配的本地运行（on-device）模型。谷歌试图用统一的架构系统性地解决这三个问题，代表了头部模型公司的一种方法论。然而，尽管谷歌很早看到了趋势，其表现却不如 OpenAI 震撼。这主要源于组织惯性与内部资源分布问题：谷歌内部管理复杂，资源不够集中，且在通用模型领域处于追赶状态，投入决心不如 OpenAI。

更深层的原因在于“经验悖论”。真正做过机器人、碰过硬件的人，对物理世界的复杂度和不确定性有深深的敬畏，这种敬畏让他们对新范式（如 VLA）天然产生抵触。正如最懂 NLP 的人最初也反对 AOM，谷歌作为硅谷最早、最深研究机器人的公司（从 Google X 到 Everyday Robots），拥有大量资深人才，但这些过往经验反而成了束缚。相比之下，OpenAI 等 Frontier Labs 的团队非常年轻（多为刚毕业的 PhD），缺乏传统硬件包袱，因此更容易在通用模型上实现突破。

真正做过机器人、真正碰过硬件的人，他们都对硬件的复杂度、物理世界的不确定性有非常深的敬畏，而这种敬畏也是让他们对新的方法和新的思路天然容易产生抵触的一个本能。

当你有这么多历史包袱的时候，你有一个新的需要相当的投入跟专注的时候，会容易形成很大的创新阻力。

自动驾驶与人形机器人的耦合

特斯拉 Optimus 目前处于低关注度状态，量产时间不断推迟。Q3 特斯拉最大的精力集中在 Robotaxi 落地，因为两者共用人才池。虽然 VLA（Video-Action Model）路线加强了自动驾驶与机器人操作的联系，但特斯拉早期的世界模型本质是 Video-to-Action。驾驶更多依赖本能反应（转弯、刹车），语言权重较低，因此自动驾驶确实能辅助人形机器人“大脑”。但通用模型在数据尺度和推理复杂度上远超自动驾驶模型（后者参数量仅几十 B），两者存在尺度差异。

灵巧操作成为核心竞争点

第一梯队公司格局未变，但灵巧手（Dexterous Hand）的重要性显著提升。它已从单纯的硬件部件转变为 AI 训练的基础设施。拥有更多灵巧手意味着能测试更多场景、进行真机验证。如果算力不受限，一千只手的团队训练模型的速度可能是一百只手团队的十倍。因此，灵巧手已成为类似 GPU 算力般的必要竞争要素。

我觉得灵巧手今天变成了AI训练的一个必要件。因为你有更多的硬件，你可以测试更多的场景，你可以做更多的真机的这个验证。

如果我有一千只手，你有一百只手。Even我们GPU算力不是限制的话，那我可能训练一个模型就比你快十倍。

基于产地的合规限制

美国 FCC（联邦通信委员会）针对具备移动、感知、联网和控制能力且重量超过 2kg 的机器人实施禁令。该规定不按品牌，而按产地（Origin）执行：若核心零部件原产国占比超过 65% 来自中国或第三国，即便在美国组装也不被视为本土制造。这一范围涵盖了人形、四足机器人，甚至部分高端扫地/割草机器人。

政策矛盾与长期影响

该禁令旨在推动制造业回流，但引发了本土公司（如 Boston Dynamics、iRobot）的申诉。Boston Dynamics 因被现代收购，大量生产在韩，正寻求将盟友国家产能折算为本土生产的豁免。短期内，已获认证型号（如宇树现有主力机型）可继续销售，但新模型受阻。长期看，中国厂商需考虑赴美建厂并带动供应链出海（类似宁德时代模式）。尽管政策意图明确，但中国经过十几年迭代形成的制造业质量与密度优势难以被短期限制改变。预计 Q4 将出现更多 Physical RSI（物理强化学习）成果，以及智谱、DeepSeek 等通用模型公司进入具身市场。

它是按照这个呃产地来限制的，而产地呢是包含了里面涉及到这个核心零部件的这个原产国的这个比例。

中国在制造业在供应商的这个呃质量跟密度是十几二十年整个电子产业、汽车产业反复迭代而形成的这个优势跟这个差异，还是很难靠短期的这个呃限制性政策去改变的。

通用模型重塑具身智能：组织重构与ICL落地

在Q4，中国通用模型公司（如智谱、DeepSeek、Kimi）及科技巨头将大规模进入具身智能领域，并推动内部组织的重新组建。以字节和腾讯为例，原有的Robotics团队将并入通用AI（General AI）体系，从传统的“机器人方法”转向以通用模型为指引的方法论重塑。这种转变旨在解决过去用经典控制逻辑处理机器人问题的局限性，应对通用模型带来的范式冲击。

同时，ICL（In-Context Learning）将成为中国市场的核心落地方向。由于国内对部署效率和结果展示有更高诉求，ICL作为一种能快速出成果的技术路径，预计将吸引更多公司投入。尽管部分领域专家对跨学科进展存在本能抵触，但正如深度强化学习在四五年前颠覆传统MPC控制算法一样，通用模型对物理世界的改变速度常被低估。我们需要用现实证明其价值，并期待通过系统性研究通用模型来突破机器人能力的上限。

其实今天是一个方法论的一个重塑，我认为在这个这么大的一个冲击下面，其实会出现巨大的组织再调整。

回到四五年之前的时候，所有人都会告诉你他们在这个领域里面十年前就开始尝试并没有获得很好的结果所以他们对这个事情是不是很满意的那今天可能对于通用模型对物理世界的这种变化的速度大家也很容易本能的有所怀疑跟这个低估。

产业利润归属与虚拟-物理AI的深度融合

一个悬而未决的关键问题是：如果通用智能持续加强，机器人产业的稀缺性与利润最终会流向哪里？ 是会被OpenAI等通用智能公司攫取绝大部分，还是由产业链其他环节（如本体制造）获取？目前尚无定论。

回顾今年季报，虚拟世界AI与物理世界AI的融合趋势日益显著。从OpenAI重启Robotics团队，到Anthropic内部探索，再到Astra发布《Cloud Plays Robotics》，物理AGI已被视为通用基础模型（Frontier Labs）的一个子问题。虽然Astra当前存在速度慢、成功率低等缺陷，无法直接部署，但其潜力足以引发行业思考：未来系统可能呈现分层结构——旗舰通用模型解决部分高价值问题，而独立具身智能公司需重新定位。

宇树科技被视为该领域的“基础设施”，其高下限（制造一致性、可靠性）使其成为高校及大模型公司研究物理智能的必备底座。此外，灵巧手需求爆发印证了“大脑-本体-关键部件”分工生态的形成。未来需重点观察两个变量：一是“大脑”由谁提供（创业公司 vs OpenAI等巨头）；二是OpenAI是否会走向类似Optimus的全栈垂直整合。