GPT-7或打穿具身智能问题

信号正在密集出现。 企业自测、仿真验证、真机评测，三份证据各有局限，指向却高度一致：通用大模型正在越过专用策略的传统边界，直接承接更多动作决策与执行纠偏工作。 行业预期的高速前移，比技术本身更有信号意义。 两个月前的世界机器人大会上，王兴兴对于“具身智能ChatGPT时刻”，给出的口径还是“快则两三年，慢则五到十年”； 到10月，他已抛出更激进的判断：明年GPT-7可能“直接把具身智能问题打穿”，最新又提出物理AI已出现突破苗头，产业拐点大概率落在未来一到三年的区间内。

乐观边界从“最快两三年”收窄至“最快一两年”，对如此关键的产业拐点预判快速改口，更像是被外部模型迭代倒逼的一次被动修正。 这背后是一场天然不对等的研发赛跑：接入外部模型，只需完成场景适配，就能共享全行业摊薄的研发成果，能力随上游同步升级； 自建核心模型，则要独扛数据、算力、团队的全部固定投入，靠自身产品出货与部署规模分摊成本。 智能能力商品化已经走向落地。

例如，10月13日，Physical Intelligence开放API测试版申请：企业接入后上传自有场景数据，即可调用云端算力完成模型微调，通过托管推理直接驱动自有机器人。 机器人的智能“大脑”，也正加速从企业专属的重资产自研投入，转变为可按需采购、按量付费的标准化技术服务。 自研还是外购，本就是制造业的百年命题——车企选发动机自制还是外购，手机厂选芯片自研还是授权，本质都是同一道题。 变的从来不是问题，而是答题的条件：外部可采购的能力边界推到了哪里，同等交付标准的成本降到了什么程度。

最终所有分歧都会收敛到同一个追问：当能力越来越容易从市场买到，企业究竟要握住什么，才不至于为市场已有之物重复投入，创造超过外采的长期价值？ 答案很明确：自研不会消亡，但它正在从资本市场追捧的溢价身份标签，变回一件需要算清投入产出的务实经营选择。 通用模型已经能独立承担部分理解、规划与动作决策工作，且能力边界还在快速推进； 同时，当前测试仍暴露出执行可靠性、任务耗时、调用成本等明显短板。 最先印证这一趋势的是仿真测试。 RoboDojo设置42项双臂任务，覆盖泛化能力、精细操作、长程任务、记忆等多个维度。

其9月的评测结果显示，GPT-6 Astra拿下22.48%的平均成功率，一举超过论文对照的40个公开专用策略——对照专用策略的最高成绩仅19.34%。 尽管在精细操作、长程任务和记忆三个维度上它仍有差距，但凭借泛化与开放任务两个维度的优势，还是拿下了总分第一。 这张榜单直到10月8日才迎来一次刷新——专用模型VPP2报出32.26%的平均成功率，实现反超。 换个角度看，通用模型和专用策略已经开始在同一张考卷上交替领先，将共同的比较基准快速抬高。 除此之外，混合协同的路线也已经跑出了可量化的增益。

银河通用选取10项任务、共50个测试实例验证：Astra独立控制的成功率为26%； 而Astra与π0.5混合控制的方案，成功率可达48%——其中大部分执行步骤由π0.5生成，剩余部分由Astra生成或修正。 当然，和其他实验室技术一样，从仿真走到真机，通用大模型的考验才真正开始，短板也暴露得更明显，其中最突出的缺口是执行节拍。 10月14日，Artificial Analysis让五款前沿模型通过编程智能体驱动真实机械臂，尝试八项桌面任务。

Astra依旧拿下总分第一，但领先第二名仅4.8分，单次尝试的平均调用成本却是后者的8倍有余； 四款模型单次任务尝试平均耗时约半小时——人类完成同样工作只需要20秒； 按模型调用费用对标美国平均时薪折算，成本最低的模型，费用仍是人工的十倍左右。 甚至连“判断任务何时完成”这种基础执行能力，都还在完善中——Sol模型就曾在第17分钟左右搭出符合要求的积木塔，却继续执行操作，最终任务失败。 但要知道，上述通用模型并非为机器人量身打造，在这些测试中也没有针对评测任务做过微调。

而关键是，银河通用的混合控制方案，也已经验证了在当前阶段专用策略主执行、通用模型参与纠偏的分工，能配合选定任务中提高成功率。 通用模型闯入具身智能，已经从设想变成了能在真机上运行的实验方案。 接下来的行业主线，无疑将集中在两件事上：一是能力边界还能推进多快，二是使用成本还能下降多快。 而对每一家布局自研的企业来说，面对越来越成熟的通用模型方案，供应商承接的环节越多，自研的价值命题就越具体：这笔投入补上了哪一段能力缺口？ 提升了多少任务性能？ 让适配、交付与迭代的效率提了多少？ 外部模型接入，自研还往哪投？

除了ChatGPT、Claude这类通用大模型，还有一类专为机器人而生的具身基础模型——如Physical Intelligence的π系列、英伟达Isaac GR00T，从训练底层就围绕机器人的感知交互、动作控制与场景任务打造。 两类模型来路不同，对整机企业的意义却一样——它们都在把原本得自己做的事，变成可以花钱采购的事。 既然如此，以解决问题为根本目的，在“要不要自研”的问题面前，更重要的就是明确：外部能力走到哪一步？ 自己做到交付标准要花多少？ 剩下的研发，还值得投在哪一段？

下文把这两类外部供给合在一起，统称“外部模型”。 而要算清这笔账，先得把“自研”这个大词拆开来看。 一套机器人不是铁板一块，而是由成百上千项具体能力拼起来的——会看、会抓、会规划、会纠错。 一般来说，现成的外部模型够用，就直接买来，把人力集中到产品集成上； 如果还差一点，就看这一点由谁来补——供应商、双方合作，还是自己来。 同一套机器人，完全可以在不同能力上做不同选择，组合出三种分工。 三种分工怎么比？

可以从两个最实在的角度展开划分：一是开发和日后维护的责任落在谁头上，二是做完之后，哪些东西能真正留在企业手里、反复用下去。 不过不管怎么分工，最终都要过同一道底线：够不够可靠、节拍跟不跟得上、安不安全、总成本划不划算。 这四项是共同的交付底线。 表中指标是用来在底线之上进一步看清每种分工各自多做了什么——依据其展开比较时，任务、负荷、验收口径必须统一，否则就是拿苹果比橘子。 至于程序、数据、模型这些成果能不能持续用、跨项目复用、甚至换供应商时带走，当然也得在许可和合作条款里先写清楚。 这种分工长什么样？

拿MicroFactory的流程来看，用户只要描述任务、把几个关键点位教给机器人，通用模型就会自动写出视觉识别和机械臂控制的代码，再由这些程序指挥机器人干活。 模型本身是现成的，企业做的是把它接到具体任务上、跑通、验证好。 那企业自己的功夫花在哪？ 花在“用得快、用得稳”上——让任务编程、现场集成、换型换产都更省时间。 模型可以买，但每次怎么接、接了多久、运行中要维护什么，这些攒下来的任务程序、工具接口和交付方法，是供应商拿不走的。

最终要落到几个看得见的结果上：同样的任务，能不能更快交付、更稳地跑、更省力地复制到下一个现场。 现成模型不够用，又不想全自己来，就有了第二种：把现场的数据和经验，变成模型的改进。 PI和洗衣机器人公司Weave就是这么合作的——PI出基础模型和训练能力，Weave出最懂洗衣的场景和数据。 效果可以用数字衡量，把Weave的数据喂进预训练后，每批衣物需要人插手的次数，直接少了一半。 这种分工里，企业多了一类新活儿：不停地采数据、分析哪里出了错、把任务要求说清楚，再和模型方一起评估改得好不好。

一圈下来，现场的经验通过合作进入训练，模型变强了，新的能力又回到自己的产品里——数据在这里不是一次性的材料，而是能换回能力的筹码。 这笔投入值不值，主要关注三点：人工干预少了多少、同类问题解决得快了多少、每一轮迭代花了多少。 把性能的改善和花掉的费用摆在一起，才更清楚拿数据换合作到底划不划算。 当然，合作还可以前移到产品定义阶段。 银河通用与宇树刚刚披露，银河星仔Galbot ET1由双方联合研发，协作覆盖产品定义、硬件打磨与具身智能能力研发——模型与硬件本就需要紧密配合，研发完全可以跨企业组织。

企业要检验的，仍是这种合作能否减少重复开发和反复适配，让产品更快达到交付要求。 第三种最重：模型自己开发、自己训练、自己持续更新。 但自己做不等于从零开始做——它可以从一个现成的外部基座起步，只在上面做适配训练； 也可以一路往上，自建核心模型与训练体系，把模型、数据和训练能力持续握在自己手里。 投到哪一层，取决于任务需要什么、手里已经有什么。 Figure走的是自建核心模型与训练体系这条最彻底的路。 它这么做的原因在于，外部买来的数据，很难同时满足采得够多、场景够杂、质量够高这三件事。

于是它自己建了一套叫Index的数据。