梁文锋接触具身智能创业者 评估切入机器人赛道

分析师/会磊

“大模型只是通往AGI的一段路径，而不是终点。”这句话，梁文锋说过不止一次。但当真有人把“终点”的轮廓画出来时，整个行业还是震动了。

10月12日，有媒体报道称，DeepSeek创始人梁文锋近期密集接触具身智能创业者，内部正在评估是否亲自下场研发，或通过投资方式切入机器人赛道。知情者的一句话耐人寻味：“梁文锋在这个领域也不是很有经验，所以也在密集学习。”

截至发稿，DeepSeek官方尚未进行回应。但一个不容忽视的事实是：这家以“更关注底层技术突破”著称的公司，正在把目光从数字世界投向物理世界。而它并不是第一个这么做的。

先把已知的事实摆出来。

今年8月，DeepSeek母公司杭州深度求索出现在宇树科技IPO战略配售名单中，获配93.34万股，认购金额约1.41亿元，锁定期36个月——远超多数配售方的12个月。双方签署《战略合作备忘录》，约定在通用人工智能、高性能通用机器人和AI大模型三大方向深度合作。宇树在具身大模型上需要DeepSeek的模型能力，DeepSeek探索具身业务时优先采购宇树本体。

另据彭博社报道，DeepSeek拟领投腾讯前AI科学家胡瀚创立的机器人公司Winverse AI的种子轮融资，投后估值约4亿美元，美团旗下龙珠投资等机构已作出投资承诺。不过，多位行业人士指出，Winverse AI更偏底层infra、做模型加速，不算严格意义上的具身智能公司。

把这三条线放在一起看，脉络其实已经比较清楚：梁文锋可能正通过投资来占位、通过合作来绑定，同时自己也在学习，以此评估这条赛道是否值得全力投入。

一个值得注意的变量是竞争压力。接近DeepSeek的人士透露，梁文锋近期曾表达，DeepSeek与GPT-6在部分能力维度仍存在差距。GPT-6 Astra在一项机器人控制任务中成功率达95%，多个测试demo显示出令行业惊讶的执行效果。这促使DeepSeek重新审视：仅靠语言模型的规模化演进，是否足以支撑AGI竞争？

但需要强调的是，接触和入局之间还隔着很远的距离。梁文锋过去几年有一个鲜明的特点：能对热点连续说不。3D生成、视频生成、世界模型——这些热门方向他几乎全部主动砍掉，理由只有一句“不在主线上”。他对具身产业也曾明确表态“还太早”。如今重新关注，更合理的解读是：他在复核当年的判断是否依然成立。

如果跳出DeepSeek，把视野拉到整个行业，会发现大模型公司向物理世界伸手，早已是全球性的集体动作。

海外的布局很激进。OpenAI的路径很具代表性：2024年参与Figure AI总额6.75亿美元的B轮融资，为其人形机器人开发专属多模态AI模型。但合作不到一年便终止——Figure创始人表示“AI不能外包，就像硬件不能外包一样”。2026年6月，OpenAI Robotics机器人事业部正式成立，目标明确为“共同编程并制造对社会真正有用的机器人”。奥尔特曼在播客中证实：“我们肯定会研发人形机器人。”他同时强调，“机器人的形态并不是最重要的，真正关键的是机器人大脑。”

Google DeepMind走的则是研究路线。2026年7月发布的Gemini Robotics 2模型，能够让机器人在执行任务时完成行走、下蹲、操控物体等全身动作，并结合推理能力自主完成任务。DeepMind机器人业务副总裁Carolina Parada明确表示：“我们的目标是将AI带入物理世界，并构建一层能够被所有机器人使用的智能系统。”

英伟达选择做“卖铲子的人”。2026年6月，英伟达发布Isaac GR00T参考人形机器人，联合宇树科技和Sharpa，把宇树的H2本体、Sharpa的触觉五指手、英伟达Jetson Thor的端侧算力整合为同一套参考设计。黄仁勋在GTC台北大会上表示：“人形机器人将把物理AI带入全球规模最大的产业，开启数万亿美元的经济机会。”

特斯拉则走了一条“垂直整合”的路。Optimus人形机器人已在特斯拉工厂承担拧螺丝、物料搬运等基础任务，第三代人形机器人手部拥有22个自由度，计划2026年底实现量产，加州原Model S/X整车工厂已改造为人形机器人产线。

国内大模型公司也没闲着。智谱旗下X-Lab创新部门此前招聘机器人环境感知算法工程师，探索机器人和物理AI模型相关技术。面壁智能与鹿明机器人达成战略合作，将高效基座大模型部署在机器人本体上，实现本地化实时运行，打通“数据—模型—场景”链路。阿里千问家族新增Qwen-Robot系列。

路径各有不同，但模式逐渐清晰。

第一条路是“自研下场”，典型如OpenAI从投资Figure到自建Robotics事业部，用两年时间完成了从“赋能者”到“参赛者”的身份切换。

第二条路是“投资占位”，通过战略入股绑定本体厂商，用资本换观察席位。投资是花小钱买选项，下场是花大钱建队伍，两者的投入量级完全不同。

第三条路是“深度合作”，模型公司提供“大脑”，机器人企业提供“身体”，这是当前产业链分工下最务实的模式。双方可以围绕技术协同、数据飞轮与场景落地三个层面展开全面合作，构建双向数据飞轮体系，持续缩小仿真与现实的差距。

第四条路是“平台化”，英伟达走的就是这条路。不做机器人本体，而是提供开发平台和参考设计，试图成为具身智能时代的“安卓”。

大模型公司涌入具身智能，表面看是业务扩张，底层逻辑其实是AGI竞争的结构性变化。

首先是技术天花板的问题。语言模型擅长处理文本世界的信息，但它并不天然理解现实世界。一个模型可以告诉机器人“拿起桌上的杯子”，但真正执行这一动作，需要理解杯子的三维位置、重量、抓取力度，以及环境变化。语言模型已经在互联网文本上“吃”到了极限，但要继续进化，需要新的数据来源——物理世界的交互数据。

其次是商业天花板的问题。通用大模型的“百模大战”进入下半场，纯文本、纯虚拟场景的商业化天花板逐渐显现。当模型能力趋同、API价格被打穿，大模型公司需要新的场景来迭代模型能力，也需要新的产业空间打开增长边界。而具身智能连接的是制造业、物流、服务业等万亿级市场——2025年中国具身智能市场规模约9150亿元，预测2026年将突破万亿。

更深层的变化在于，AI的竞争范式正在从“比参数、比跑分”转向“比落地、比场景”。当AI能够替代实习生、初级设计师完成大量工作时，其价值衡量标准就不再是模型在benchmark上跑了多少分，而是它能在真实世界里完成多少任务。有报告指出，2026年将是AI从数字世界迈入物理世界、从技术演示走向规模价值的关键分水岭。

黄仁勋的判断更为直接：“物理AI的‘ChatGPT时刻’已经到来。”宇树科技创始人王兴兴甚至给出了更激进的时间表：“明年GPT-7出来的话，可能直接将具身智能的问题打穿。”

当然，挑战同样刺眼。行业资深人士坦言，GPT-6看起来厉害，但“它拿起一个杯子要40分钟，大家对具身的要求还是太低了”。机器人面对复杂环境和陌生任务时的泛化能力、容错能力仍需大幅提升，端侧算力与云端算力的部署路径也尚无定论。甚至有专家呼吁制造业企业将工业数据开放给机器人企业：“现在人工智能距离工业界的数据还是比较远，这类数据是锁在每个企业的‘抽屉’里。”

大模型企业抢滩具身智能，本质上是在回答一个根本性问题：智能的终点，是停留在屏幕里，还是走进物理世界？

过去两年，大模型的能力边界被不断推高，从写诗到编程，从翻译到推理，AI在数字世界里的表现令人惊艳。但当参数规模的边际收益开始递减，当纯文本场景的商业化触顶，行业必须找到新的突破口。物理世界，恰恰是AI最大的“未开垦之地”。

从“语言智能”到“物理智能”，这不是一次简单的业务扩张，而是一场范式迁移。它意味着AI要从“理解符号”进化到“理解世界”，从“生成答案”进化到“完成任务”，从“云端的大脑”进化到“能够行动的智能体”。

这条路注定漫长。数据瓶颈、硬件壁垒、泛化难题、商业化闭环——每一道都是硬骨头。但方向已经清晰：未来的AI竞争，不再只是模型之间的竞争，而是谁能让智能真正进入现实。

理解物理世界，或许才是通往AGI未来的真正船票。