机器人的大脑，开始免费了

同一周，三条新闻先后落地：智元宣布2026年底全面开源具身基座模型；中信证券判断通用大模型正在接管机器人控制；前 OpenAI 科学负责人创办的 Warp Science 拿下2.15亿美元融资，让机器人进湿实验室干活。

三件事看似各玩各的，其实指向同一个判断：机器人大脑这条赛道，游戏规则正在被改写——拼参数的故事还没讲完，但拼生态、拼场景、拼落地的下半场，哨声已经吹响了。

🚀 姚卯青把底牌拍上了桌

开源不是慷慨，是把对手拖进自己选的战场。

2026智元创新日现场，智元联合创始人、联席总裁、具身业务体系总裁 姚卯青 正式发布新一代具身基座模型 GO-3 Preview。真正的爆点在后面：他当场宣布，2026年底，GO-3 Preview 和具身 Agent 框架 Genie Master 将全面开源。

台下是掌声，圈外是寒意。基座模型加Agent框架一起开源，等于把具身智能的"操作系统层"直接摊开给全行业用。参考操作系统大战的历史路径，开源系统从来不靠授权费赚钱，靠的是生态位：开发者把工具链用熟了、把数据管线建在你的框架上，后续的硬件采购、解决方案、云服务自然会顺着管道流过来。

业内私下流传的说法很直白：具身智能还处在圈地阶段，谁的开源框架先成为开发者的默认选项，谁就拿到了下一轮竞争的入场券。闭源卖模型授权的窗口期本来就短——技术代差一旦被抹平，授权模式撑不起一家基座模型公司的估值。

对智元自己，这也是一步进可攻退可守的棋：硬件本体的量产能力和场景理解本来就是它的长项。模型开源换生态，生态反哺硬件，这笔账不难算。

🧠 通用模型开始抢专用模型的活

机器人的大脑，正在从"专科医生"被逼成"全科医生"。

中信证券的研报把这件事讲得很清楚：机器人大脑此前主要依赖经过机器人动作数据训练的 VLA、WAM 等专用模型，把视觉和语言指令转化为动作；而通用大模型原本只干高层任务规划这种"动嘴不动手"的活。

现在风向变了。近期 NVIDIA、Stanford 等研究机构陆续探索把 GPT-6 Astra 应用于机器人控制——直接利用通用模型已有的视觉理解、空间推理和任务规划能力，减少对专用策略训练的依赖。Astra 在具身任务数据集上已经展现出较好的泛化性。

中信证券给出两个关键判断：一是展望2027年，通用模型进入具身任务领域将成为AI行业的下一个投入方向；二是短期内，通用模型与专用模型更可能形成分工协同，而不是你死我活。

这组判断的分量在于数据壁垒的松动。专用模型的护城河是昂贵的机器人动作数据，而通用模型自带的海量视觉与空间先验，等于用另一个维度的数据稀释了这条护城河。"分工协同"翻译成人话：通用模型管想，专用模型管做；但所有人都清楚，"想"的那一层更接近利润分配的上游。谁掌握任务理解和空间推理，谁就在产业链里站着说话。

💰 2.15亿美元，先让机器人去"做实验"

具身智能的第一桶金，大概率不在客厅，而在实验室。

前 OpenAI science lead 创办了 Warp Science，目标是让机器人自动化湿实验室——首轮即拿下2.15亿美元，Lightspeed 领投。这个金额放在具身智能赛道不算最高，但投向很说明问题：资本没有押注"通用管家"，而是押注了一个高度封闭的专业场景。

逻辑不难拆。湿实验室几乎具备具身智能商业化最理想的全部条件：流程结构化、操作高重复、环境可控、全天候运转。更妙的是，实验过程天然产出大量过程数据，干得越多、数据越多、模型越强，数据闭环自己就转起来了。

业内有个私下流传的排序：先在一个场景把 ROI 跑正的团队，比喊通用机器人口号的团队活得久。🎯 家庭场景听着性感，但安全、成本、任务长尾三座大山一座都没翻过去；实验室、工厂产线、仓储这类"高价值囚笼场景"，才是当前阶段确定性的战场。

Warp Science 的2.15亿美元，本质上是给这条路径投了一张信任票：不用等人形机器人万能，先把一类高价值工作自动化，商业账就算得过来。

⚔️ 三条路线，一张地图

把三件事放进同一张图，产业分工一目了然。

看图说话：GPT-6 Astra 代表的通用模型路线技术门槛最高，商业想象空间也最大，处在领跑者象限；GO-3 Preview 与 Genie Master 的开源组合，门槛不低但靠生态换价值，是典型的潜力股打法；湿实验室自动化这类垂直场景，单点技术门槛相对可控，但商业价值明确、离钱最近。

三条路线不是替代关系，更像产业链的上中下游：通用模型提供认知与规划的上限，开源基座提供行业公共基础设施，垂直场景负责把技术变成现金流。真正的分水岭在节奏——通用模型的能力下探速度，决定专用模型的窗口期还剩多久；开源生态的成型速度，决定硬件厂商未来的议价权还剩多少。

🏭 记分牌上写的不是参数，是订单

2026到2027年，是机器人大脑格局的定型窗口。

对照时间线和路线图，几条推演值得记下：

第一，模型层会加速"水电化"。智元把基座和Agent框架开源，通用大模型又在上游压过来，纯靠模型能力讲故事的公司，估值逻辑会越来越难讲。

第二，差异化会向下迁移。当大脑不再稀缺，本体可靠性、场景数据闭环、工程化交付能力，会成为新的分水岭。🏭 这恰恰是国内供应链最擅长的部分——智元们选择开源加制造的组合拳，未必是偶然。

第三，别把开源当终点。开源只是拿到了入场券，基座模型开源之后，真正稀缺的是会喂它、会调它、能在具体场景里把它用出商业价值的人和公司。

🏁 写在最后

一周之内，智元宣布开源、中信证券指向通用模型入场、Warp Science 拿下大额融资，三条线索拼出了同一个判断：机器人大脑的竞争，正从"谁的模型更强"转向"谁的生态更大、谁的场景更实"。2026年底的全面开源是第一块多米诺骨牌，2027年通用模型全面投入具身任务是第二块。对从业者而言，接下来两年最值钱的能力，不是把参数刷高，而是在一个真实场景里，把机器人用出别人替代不了的账。🏁