大模型落地具身的四道坎

GPT-6 Astra被证明可以直接控制机器人完成操作任务，“具身公司将沦为代工硬件”的论调随之四起。10月29日，智元机器人第四届创新日上，联合创始人彭志辉（稚晖君）给出了一个反直觉的判断：恰恰相反，大模型越强，本体越重要。逻辑不复杂——不管智能最后由谁提供，它都得落到一具可靠的身体上才能干活。真正的问题变成了：谁能低成本、高一致性、大规模地造出并运营这具身体。

🔍 一场发布会，两种焦虑

金句先行：万台下线只是制造业的胜利，万台上岗才是物理AI的胜利。

上海世博中心的主论坛和会后群访里，GPT-6 Astra被反复提起。市场的疑问很直接：如果基础模型足够强，具身公司自研的大脑还有没有价值？本体会不会像当年的手机代工厂一样，只赚一个辛苦钱？

彭志辉的回答是“恰恰相反”。这句话的底气，来自一组目前行业里最快的出货数据。

但彭志辉自己在群访里给这组数字降了温——“万台下线只是制造业的胜利，万台能够上岗才是物理AI的胜利。”这句话值得反复咀嚼：它意味着 智元机器人 内部对“造出来”和“用起来”是分开计分的。出货份额证明的是制造端的卡位，而物理AI的胜负，要看机器人能否在真实场景里持续干活、持续产生价值。

这个问题之所以焦灼，是因为它决定了未来三年具身赛道的一个根本分工：智能归谁，身体归谁，利润归谁。

推演到位了，答案就不靠信仰。

彭志辉的本体逻辑不是拍脑袋，而是一个清晰的两分支推演：

第一种情况：通用基模真的覆盖了具身能力。 大家拿到同样的智能，比拼的就是谁能以更低成本、更高可靠性，把这套智能装进真实世界。这时候，具备规模化制造能力的本体厂商天然占优——因为智能同质化了，差异只能在硬件成本、可靠性和部署效率上拉开。

第二种情况：基模做不到真正泛化，各个垂域还要训练自己的模型。 垂域模型需要训练数据，而具身智能的训练数据只能从真实部署中来——部署靠本体，数据靠本体回传。本体厂商依然占优。

两条岔路，通向同一个出口：可规模化的优质本体会越来越重要。 这套推演的精妙之处在于，它不依赖对基模能力的任何单边押注——无论Astra们最终强到什么程度，结论都成立。这也是为什么彭志辉敢在基模厂商高歌猛进的当口说“恰恰相反”。

当然，推演成立有个隐含条件：本体厂商必须真的“优质”。低一致性、高故障率的量产，在两条路上都拿不到牌。

⚡ 18秒的延迟，1000Hz的控制

大模型的聪明，目前还停在云端。

智元机器人合伙人姚卯青在主论坛引用英伟达的报告，给Astra做了一次“体检查”。结论分两层。

强的一层： 在120项仿真任务里，Astra平均成功率66.3%，能力集中在语义理解和动作规划——也就是“听懂任务、想清楚步骤”。这解释了它为什么能直接控制机器人干活：规划层面它已经够用了。

弱的一层： 单次推理要18秒以上；涉及力触反馈的高动态精细动作，智元实测成功率基本为零。彭志辉补充了更致命的一条：近万亿参数的Astra跑在云端，完成一个简单任务可能要十几分钟甚至半小时，而机器人的操作是实时的——你的手不能等云想清楚再接住一个杯子。

姚卯青由此给出一个分层判断：大模型会更多承担System2的长程规划，VLA训练出的技能是被它调用的工具，再往下是100到1000Hz的实时电机控制——这几层都和本体深度耦合。

这张分层图说明了为什么“大脑”和“身体”拆不开：越往下层，越靠近电机、关节和传感器，越需要和本体的物理特性联合设计。云端大模型可以换，1000Hz的控制环没法换。

也正因如此，彭志辉的态度是“模型是必选题”。不做模型，最后就会像传统自动驾驶方案公司一样，被自研模型的主机厂取代——这个类比来自他自己，分量不轻。智元的打法是两个方向都做：自研的 GO-3 Preview 是目前行业发布的参数量最大的具身模型，在 RoboDojo 等三个评测榜单登顶；同时智元也拿Astra当底座，做出了运动智能的自进化智能体。不站队，两端下注。

🏭 100台真机，难以复制的护城河

后训练的Scaling，单位是真机台数。

如果说分层架构解释了本体为什么“重要”，那么真机组网解释了本体厂商为什么“难替代”。

智元在实验室里把100台真机组网，和背后的训练集群实时同步：机器人边干活边回传数据，模型权重再下发到每一台。同样的训练时长下，4台机器人和100台机器人对比，任务成功率从50%左右提到98%。

姚卯青的说法是：后训练也有Scaling，规模指的就是真机台数。

🪞 独立视角：有人同意，也有人不同意

彭志辉的推演很漂亮，但它不是唯一解。对照业界其他玩家的动作和第三方机构的判断，这个论断至少面临两个真实的挑战。

第一个挑战来自特斯拉的先例。 Optimum团队走的是“自研模型+自研本体”的垂直整合路线——马斯克多次公开表示，Optimus的关键瓶颈在灵巧手和执行器，而非算法。这恰恰说明：基模厂商并非只能做“云端大脑”，他们完全可能带着资金优势向下吞掉本体环节。如果智能供应商自己造身体，彭志辉推演里的第一种情况就会变成“智能+本体双重同质化”，本体厂商的议价空间将被两头挤压。

第二个挑战来自分析师的冷判断。 摩根士丹利在其人形机器人产业链报告中将全球百家相关企业分为“大脑、身体、集成者”三层，并明确提示：利润最厚的环节未必属于制造端——头部科技公司在软件和生态上的复利效应，可能让“身体”变成低毛利的组装生意，这正是当年智能手机产业链的故事。换言之，“本体重要”和“本体赚钱”是两回事，出货份额第一不等于价值链话语权第一。

但独立信源同样提供了支持。 竞品方面，宇树科技和银河通用都在加速自建真机数据采集体系——后者近期公开强调“真机数据规模决定垂域模型上限”，与智元的真机Scaling路线不谋而合；当头部玩家不约而同地向“本体+数据闭环”收敛时，这条路的方向本身得到了市场验证。国际投行的另一派观点则认为，具身智能的数据获取成本远高于语言模型（语言数据免费爬取，物理数据必须一秒一秒在真机上挣出来），因此拥有真机 fleets 的厂商握有结构性数据壁垒——这正好呼应了那组"4台对100台、50%对98%"的实验数据。

把对照放在一起看，结论会更立体：彭志辉说对了“本体不可绕开”，但他的推演回避了“本体是否必然占据利润大头”这个更尖锐的问题。智元两头下注的打法，本质上就是对这一不确定性的对冲——如果将来智能层被基模厂商通吃，至少真机数据和制造规模还在自己手里；如果智能层还能守住，那就是全栈通吃。反过来说，如果基模厂商选择垂直整合（特斯拉路径）且执行到位，今天的出货领先可能只是暂时的身位优势。

所以，万台下线是制造业的胜利，万台上岗才是物理AI的胜利——而“上岗”这件事的裁判权最终在客户手里，不在任何一方的发布会PPT里。