具身智能不再是闭门自嗨的游戏。如果物理AI是通往前沿的必经之路，那么，OpenAI、Anthropic与谷歌都会试图从上面碾过去。DeepSeek正在布局，也不是什么秘密。
（GTC2026柏林）
近期，奥特曼承认，OpenAI会造一个人形机器人，明年有一个很酷的演示。昨日，黄仁勋在柏林GTC现场宣布，正与Agile Robot合作发布一款机器人，明年一季度发布，给行业打个样。前者侧重应用，后者瞄准平台，都在暗示2027年是具身智能的关键时刻。
英伟达非常清楚，OpenAI 与Anthropic正在展现新的可能。前几天，英伟达机器人总监Jim Fan就在社交平台X上透露，GPT-6 Astra发布当天，团队将框架的后端模型切换为Astra，一夜之间就把所有基准测试的成绩，推到了约99%。而现在Opus-5.5比Astra稍强一点，Sonnet-5.5更具性价比。
此前，前沿AI公司并非对机器人没有兴趣。物理AI曾被视为通往AGI的必经之路，具身智能是融合物理与AI的典型场景，而且市场规模非常庞大。
但种种原因之下，具身智能的“ChatGPT时刻”始终没有到来。五六年前，OpenAI解散了自己的机器人团队，转向对外投资那些更为垂直的具身智能企业。市场似乎相信，这是一个必须专门攻克的垂直领域；稀缺性的高估值，存在一定合理性。
但是，如今，具身智能正从通用大模型的能力扩展中生长出来。前沿AI厂商去年就已经注意到了。尽管它们的路径并不完全一致，但都不再把具身智能视为一个完全独立的垂直模型的问题。
去年年初，谷歌DeepMind从以往的RT模型系列，切换到了Gemini Robotics系列，将通用多模态能力分别用于机器人动作控制和具身推理。用该公司高级研究科学家Ted Xiao的话说，这是前沿大模型与机器人的第一次接触。
阿莫迪（Dario Amodei）站在安全的角度思考问题。从去年8月起，Anthropic先后尝试用Claude系列模型，控制宇树机器狗（Project Fetch）与大疆无人机（Project Pilot），一步步评估Claude何时能够端到端地操控机器人。主导这些项目的是前沿红队（Frontier Red Team）。在他们看来，具身智能就是前沿AI能力的外溢，不需要专门训练；而网络安全领域所发生过的，也正发生在具身智能上。
而至于OpenAI，则在去年年初，在旧金山重建了自己的人形机器人实验室，大量采集数据；最近开始招募与机器人相关的岗位，横跨软件、算法、硬件与工程制造。
前沿AI的能力外溢，并不难以理解。语义理解与视觉泛化能力，帮助模型理解具身任务及其所处的环境；推理与规划能力，使模型能够分解多步骤任务；工具调用与编程能力，则让模型能够通过外部接口执行操作。更重要的是，前沿AI越来越擅长根据失败结果调整策略，并在后续尝试中逐步改进。
但在今年的夏天结束之前，前沿AI更擅长的，仍然是成为VLA模型的副驾驶；它直接控制动作的成功率，实在不够看。在一种常见的组合架构中，VLA提出具体动作，前沿AI判断是否接受，也可以修改或替换动作。在标准LIBERO-40操作基准上，这种组合显著提高了任务完成表现。
9月初，GPT-6-Astra的发布是关键转折点。OpenAI总裁布洛克曼（Greg Brockman）称之为一次“代际跃进”，甚至表示“我们现在进入AGI时代”。不过，当时，OpenAI的营销重点在于“自进化”，结果，炸锅的却是具身智能行业。很快，具身社区涌现大量针对GPT-6-Astra的研究。
那些融了大笔资金、仍在争论VLA（视觉语言动作模型）与WAM（世界动作模型）谁是具身模型的未来、尚未找到规模化部署路径的具身初创企业发现，通用多模态基础模型，居然已经可以直接实现VLA模型的部分工作。某种程度上，这将重塑具身模型初创企业的估值逻辑。
前沿AI在物理世界的扩展，已经有迹可循。Anthropic的研究显示，从去年底Opus-4.5开始，通用模型在具身任务上的表现出现了明显跃升；完成相同的机器人仿真基准，GPT-6 Astra的成功率也显著高于GPT-5.5。商汤等机构的研究显示，如果大幅增加执行预算，让Astra多跑几步，它的成功率会呈现测试时扩展的趋势。
英伟达Jim Fan团队复现了这些研究。他们让GPT-6 Astra扮演三种角色：直接控制机器人（Direct Policy）、通过智能体持续控制（Agentic Policy）或监督专用模型（Orchestrated Policy）。
结果，Astra直接生成机器人动作的成功率，达到66.3%；在Codex提供持续上下文与工具支持的情况下，成功率进一步提高到74.8%。在相同基准下，这都超过其他垂直具身模型。英伟达的研究还发现，在GPT-6 Astra的智能体模式下，模糊指令与标准指令的任务成功率差异不大；这很契合日常场景。
（RoboLab-120 上的成功率与完成得分。实色表示成功率；浅色延伸部分表示完成得分；线段表示95%置信区间）
当然，诸多研究同样指出，GPT-6 Astra仍然存在较大的局限性。它的推理延迟尚难满足快速变化场景下的实时控制需求；高昂的Token成本，也使其难以在实际部署中与人类或专用模型竞争；在高精度操作、双臂协同等任务上，它的表现仍有不足；它的任务理解，往往限于用户指令，而忽视了实现目标指令的过程中，对环境状态的偏离预期的改变。
但这些问题究竟是通用前沿模型难以逾越的边界，还是只需要更多时间、算力与迭代就能跨过的门槛？
据早期美元基金 Alphaist 创始合伙人陈哲转述，在9月底举行的机器人顶级会议 IROS 2026 上，业界对 Astra 将如何影响具身智能，形成了三种截然不同的判断。约1/3的人认为语言模型终将解决一切；占最大多数的务实派则认为，通用模型与具身模型最终会各司其职；剩下的人认为通用模型始终无法真正解决物理世界的问题。
前沿AI可能加速整个物理 AI 的发展，做大市场规模。具身智能行业的价值分配，也可能因此而改写。如果 Astra 所展现的能力，能够沿着扩展趋势持续提升，具身智能的应用边界就有望进一步拓宽。为此提供底层支撑的企业，包括算力基础设施、本体与灵巧手厂商，都可能从中受益。与此同时，将本体与前沿AI整合起来，降低机器人开发和部署门槛，以及提供更好用的具身Harness框架，也可能成为新的竞争方向。
在上周的工博会上，近期因公司股价暴跌而备受争议的王兴兴，承认过去十几年所犯的最大的错误，就是对AI相信得还不够。他对Astra非常兴奋，认为明年GPT-7出来，可能“直接把具身智能问题打穿”。而在昨日的GTC柏林上，黄仁勋希望，未来的机器人技术能够尽可能地采用标准配置，也就是英伟达与Agile Robotics合作，为产业界提供的参考人形机器人Agile One SN。
而对于过去专注于具身智能大脑，或采取垂直一体化路线的企业来说，前沿 AI 的进入意味着必须重新寻找自己的差异化优势。这种优势可能来自通用模型难以获取的触觉与力学数据，也可能来自特定行业的工艺知识与真实场景中的验证闭环。他们应该与法律行业的Harvey以及医疗行业的OpenEvidence好好聊聊。
国内具身智能企业的估值逻辑，也将面临重新审视。今年夏天，原力灵机创始人唐文斌曾直言，国内所有公司发表的开源具身模型，都没有Pi-0.5好用。如今，这些企业面临的竞争压力变得更大。那些将传统自动化技术已经可以实现的任务，包装成具身智能的场景落地，并不会证明自身的规模化商业能力。
明年，国内的前沿AI开源厂商，也会迎来新的挑战。到目前为止，阿里的Rynn系列、字节的GR系列、智谱的ZR-0，仍然主要沿着专用具身模型的路线推进。它们会不会尝试将通用模型直接接入机器人？而DeepSeek一心向着AGI，已经参与宇树科技战略配售，并先后投资腾讯旧将创办的两家底层技术企业，似乎也有所图谋。
--
参考：
https://www.anthropic.com/research/project-fetch-robot-dog
https://www.anthropic.com/research/project-fetch-phase-two
https://www.anthropic.com/research/project-pilot
https://www.anthropic.com/research/claude-plays-robotics
https://research.nvidia.com/labs/srl/projects/astranomy
An Unexpected Robot Policy: Early Evaluations of GPT-6 Astra on RoboDojo and Beyond
Systematically Exploring the Capabilities of GPT-6 AstraasEmbodiedPolicies
GPT 6 Astra as an Embodied Policy
