一边开源一边欠薪，具身智能走到岔路口

同一个十月，具身智能行业上演了冰火两重天。

智元在创新日上宣布，2026年底将全面开源具身基座模型GO-3 Preview和具身Agent框架Genie Master；宇树一边在招股书里规划20.22亿元砸向模型研发，一边悄悄用GPT-6跑机器人任务，王兴兴直言效果"实际上非常不错"。而成立仅数月的无境动力，被曝停工、欠薪近800万元，实际控制人联系不上。

开源的把底牌摊开，接外脑的越来越大胆，讲故事的开不下工资了。这三件事凑在同一时间窗口，指向同一个判断：具身智能的钱和注意力，正在从"做一个模型"向"解决真实场景"急剧迁移。

📢 智元开源：把底牌摊在桌上的算盘

开源从来不是慈善，而是抢生态位置的打法。

在2026智元创新日上，智元联合创始人、联席总裁、具身业务体系总裁姚卯青现场发布新一代具身基座模型GO-3 Preview，并透露计划于2026年底全面开源GO-3 Preview和具身Agent框架Genie Master。基座模型加Agent框架一起开源，等于把"模型+任务编排"的整套骨架交给行业。

这步棋的逻辑要放在产业位置上看。具身智能的技术栈大致是一条链路：

越往上游，越是"全行业摊薄成本"的游戏——GPT系列每一次迭代，都是全球算力与数据堆出来的；越往下游，越是"自己扛固定成本"的生意——本体、供应链、交付团队，每一项都要真金白银。

智元选择开源中间这一层，本质是把基座模型变成行业公共品，让生态长在自己定义的标准上。据多位接近具身厂商的人士观察，这一轮开源节奏明显在加快，谁先把开发者生态圈住，谁就在下一轮硬件放量时握有议价权。

算一笔账就明白：自建核心模型，要独扛数据、算力、团队的全部固定投入，只能靠自身产品出货与部署规模慢慢分摊；开源则把一部分研发成本转化为生态资产。对出货量尚未起量的本体厂来说，开源不是让利，是活路。

🤖 GPT-6叩门：通用大模型正在"打穿"边界

最让机器人公司坐立不安的信号，来自上游。

三份证据最近密集出现。其一，宇树已将GPT-6用于机器人任务测试，王兴兴评价"实际上非常不错"；其二，银河通用实测发现，在选定任务中，GPT-6 Astra独立控制成功率26%，而混合控制可达48%；其三，基准测试机构Artificial Analysis发布的首版真机评测中，五款前沿通用大模型在零样本条件下通过编程驱动机械臂，GPT-6 Astra以69.4分排名第一。

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。

更值得玩味的是预期本身的前移。两个月前的世界机器人大会上，王兴兴对"具身智能ChatGPT时刻"的口径还是"快则两三年，慢则五到十年"；到10月，他抛出更激进的判断——明年GPT-7可能"直接把具身智能问题打穿"，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。把这条预期曲线串起来看：

与此同时，智能能力商品化已经落地：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。换句话说，"具身大脑"正在变成一种可以按需订阅的云服务。

接入外部模型的账很清楚：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。这条路的吸引力，正在指数级上升。

⚠️ 无境动力爆雷：故事讲不过交付

上游越热，下游越冷，泡沫先从最脆弱的地方破。

快科技10月26日消息，一名自称是南京无境动力的员工表示，公司自8月起拖欠工资，9月停缴住房公积金，10月停缴社保。欠薪涉及三四十名员工，累计金额近800万元。如今公司已停工，部分员工正通过劳动仲裁等方式讨薪，且难以联系上实际控制人崔小飞。此前公开身份为CEO、总经理的袁海辉表示，目前联系不上实际控制人，不方便回应相关情况。

这家公司的简历曾相当漂亮：成立于2026年2月，天使轮已融资1.1亿元，汇聚60多位来自人工智能、机器人、芯片领域的专家，是南京市重点扶持的"具身智能领军企业"。成立仅4个月，便与多家央企签订近5亿元框架订单，地方市场储备订单接近5亿元。当时袁海辉还表示："这个订单储备情况确实远超我们预期。"

把关键事实摆在一起，问题就浮出来了：

10亿元级别的订单储备，对一家天使轮公司意味着什么？意味着要先用自有资金垫设备、垫人力、垫供应链，把央企的框架合同变成真实的验收回款。这支被媒体称为"学霸天团"、创始人16岁考入上海交通大学的团队，能力覆盖VLA/操作学习、本体、运动控制、供应链和量产——纸面上很完整，但资金链撑不起交付周期。

这给全行业提了个醒：在具身智能这个烧钱效率极高的赛道，订单是资产还是负债，取决于你有没有钱把它交付完。 讲模型故事的公司估值可以飞，但四足机器人下到电力巡检的工位上，每一个传感器、每一次维护，都是现金流。

💡 分岔路口：机器人公司还该自研什么

把三条线索放在一起，行业格局其实已经画出来了：

右上角的企业有个共同点：模型自研与场景交付两条腿都硬。宇树20.22亿元募资投向智能机器人模型研发，同时手里有出货量最大的本体盘子；智元开源基座换取生态，同时推进具身业务体系落地。左下角则是无境动力式悲剧的高发区——模型能力说不清，交付能力跟不上，全靠叙事融资。

那么，面对持续进化的外部模型，机器人企业到底还该自研什么？我的判断是三条：

第一，数据闭环比模型权重更值得自研。Physical Intelligence的API模式已经说明：模型可以租，但自有场景数据的采集、清洗、回流管道，是租不来的护城河。上传自有场景数据即可微调，恰恰意味着谁掌握独家工况数据，谁就能用最低成本调出最贴合的模型。

第二，评测与工程化能力是隐形壁垒。GPT-6 Astra零样本69.4分听起来很高，但银河通用的实测同时揭示：独立控制成功率只有26%，混合控制才到48%。把云端模型的能力"翻译"到具体本体的适配层、安全层、纠偏层，是未来两三年真正的工程主战场。

第三，混合控制是务实路线的共识解。完全押注外脑，等于把命脉交给上游版本更新；完全闭门造车，则要独自扛数据、算力、团队的全部固定投入。"自有轻量模型+外部强模型混合调度"，正在成为头部玩家的公约数。

🔮 写在最后：拐点没到，淘汰赛先来了

有意思的是，行业对拐点的判断越来越乐观，而行业的出清却越来越残酷——这两件事并不矛盾。

恰恰因为GPT-7可能"打穿"具身智能问题，纯模型叙事的窗口期正在关闭：当智能能力变成云端API，靠"我们也做了个具身大模型"融资的故事讲不下去了。资本的目光会从模型参数表，转向交付回款表。

2026年底智元开源GO-3 Preview与Genie Master，是行业公共基础设施的一次重要供给；宇树的20.22亿元和王兴兴改口后的拐点预判，则是对外部模型路线的一次加注。一开一合之间，具身智能的竞争重心已从"谁的模型更通用"，滑向"谁能把通用能力装进真实的产线、电网和工厂"。

拐点或许真在一到三年内。但先到的大概率不是聚光灯下的高光时刻，而是一批停在半路的公司——就像 无境动力 那近800万元的欠薪单，冰冷地提醒所有人：在具身智能这场马拉松里，融资本身不是里程碑，把机器人真正用起来才是。