大模型还没击穿具身智能，公司先倒下了

如果具身智能的ChatGPT时刻，最终由ChatGPT亲手叩开，那机器人公司手里还剩什么牌？

10月的信号很密集：一边是王兴兴两次上调产业拐点预期，GPT-6在真机评测中登顶；另一边，成立仅8个月的无境动力被曝停工欠薪近800万元。拐点在路上，但先倒下的不是技术，是现金流出问题的公司。这篇文章想讲清楚三件事：拐点预判为什么被迫前移、自研模型的价值如何重估、以及行业为什么注定要过两年苦日子。

📈 王兴兴的口径，两个月改了三次

关键人物的预期改口，比任何论文都更有信号意义。

10月22日，2026世界物理AI大会暨宇树合作伙伴生态大会，3000多名嘉宾到场——这是宇树上市两个月来最大的一场秀。王兴兴做了题为《相信，尽可能相信AI》的主旨演讲，核心判断是：随着GPT-6的发布，物理AI已经看到被击穿的苗头，很可能最近1-2年或2-3年。

把时间线拉开看，这个口径在两个月内被连续上修：

纯文字版时间线：

• 2026年8月，世界机器人大会：口径为“快则两三年，慢则五到十年”；
• 2026年10月初：抛出“GPT-7可能直接打穿具身智能问题”的激进判断；
• 2026年10月22日：提出物理AI已现突破苗头，拐点落在未来一到三年。

乐观边界从‘最快两三年’收窄到‘最快一两年’，对一个如此关键的产业拐点预判快速改口，更像是被外部模型迭代倒逼的被动修正，而不是主动的战略调整。支撑这个修正的，是三份证据链：

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。 当上游模型能力的斜率陡到这个程度，行业里最敏锐的人不可能无感。

⚠️ 拐点没到，有人先倒在了黎明前

行业的乐观叙事有多快，资金链的断裂就有多快。

10月26日，快科技等多家媒体报道：一名自称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。目前公司已停工，部分员工正通过劳动仲裁讨薪，员工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。

这家公司的简历放在一年前，几乎是完美的具身智能故事模板：2026年2月成立，落地南京市江宁区，天使轮融资1.1亿元，汇聚60多位来自AI、机器人、芯片领域的资深专家，是南京市重点扶持的'具身智能领军企业'。今年6月还有报道称，其成立仅4个月便与多家央企签订近5亿元框架订单合同并进入交付阶段，地方市场储备订单接近5亿元——合计10亿元量级。创始团队被冠以‘学霸天团’：创始人16岁考入上海交通大学，团队中约20位清北浙等顶尖高校背景成员。官网挂出磐石P25、磐石P25-Ex两款工业级四足与轮式机器人产品，面向电力巡检、石油化工、能源工矿场景。

纯文字版冰山图：

• 水面之上（账面光环）：
• 框架订单与融资——10亿订单储备、1.1亿天使轮，发布会与媒体报道的热闹；
• 明星团队背书——顶尖高校背景、60多位专家的行业资历叙事；
• 产品清单——官网列出的四足与轮式机器人型号。
• 水面之下（真实风险）：
• 真实交付回款——框架订单不等于现金流，交付周期与回款条件才是生死线；
• 研发固定投入——本体、模型、供应链全栈自研的持续烧钱；
• 组织与治理——实控人失联暴露的公司治理与资金管理漏洞。

拆开看产业逻辑：框架订单是意向性的，离回款隔着交付、验收、质保三道坎；而具身智能是典型的重固定成本生意——数据、算力、团队三座大山每月都在烧钱。当收入确认速度跑不过投入曲线，800万欠薪只是资金链断裂的末端症状。在ChatGPT时刻到来之前倒下的具身智能公司，大多数不是死于技术不行，而是死于把叙事节奏当成了现金流节奏。

🧠 自研还是接入？一道算不过来的账

这场研发赛跑，从一开始就不对等。

接入外部模型的路线，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；自建核心模型，则要独扛数据、算力、团队的全部固定投入，靠自身产品出货与部署规模来分摊成本。前者是租用全行业的杠杆，后者是自己造杠杆。

有意思的是，最头部的玩家在两边下注：宇树一边在招股书中规划，拟将20.22亿元募集资金投入智能机器人模型研发项目；一边已经把GPT-6用于机器人任务测试。同样的混合策略也出现在银河通用的实测里——GPT-6独立控制成功率只有26%，但混合控制能把数字拉到48%。这说明通用大模型当下还不是替代方案，而是可组合的能力模块。

智能能力商品化也已在落地：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。模型本身正在变成水电煤一样的可订阅服务。

把当前的主要玩家放进四象限看，路线分化一目了然：

纯文字版四象限：

• 领跑者（高自研投入 × 高落地确定性）：宇树；
• 潜力股（低自研投入 × 高落地确定性）：场景集成商、Physical Intelligence；
• 跟随者（高自研投入 × 低落地确定性）：银河通用；
• 存量玩家（低自研投入 × 低落地确定性）：无境动力。

宇树的位置最耐人寻味：高自研投入叠加高落地确定性，靠的是全球第一的人形出货量支撑的数据回灌与成本分摊。而对大多数出货量不足的玩家，纯自研路线的账很难算平。未来两年的分化逻辑会很朴素：要么有规模替你摊成本，要么有场景替你赚数据，两样都没有，自研就是给别人做嫁衣。

🤖 卡点在‘碰’，不在'想'

大模型管得了'想'，管不了'碰'——这是王兴兴给出的最硬的瓶颈定义。

他在演讲里说得直白：具身智能迈过ChatGPT时刻最核心的挑战，是AI模型的输入输出和真实机器人的对齐。大模型可以进行规划和导航，但没有解决物理接触之后的问题。翻译一下：语言和视觉任务里有海量互联网数据兜底，但接触力学、形变、滑动、柔顺控制这些'碰一下才知道'的物理反馈，模型层至今没有廉价的数据来源。

这也解释了他的场景排序：'商业服务的落地，会比家庭、工业领域更快一些。'逻辑不复杂——容错率。商业服务场景搞砸一次的成本是体验不佳，工业场景搞砸是良率和安全，家庭场景搞砸可能伤人。落地顺序必然沿着容错梯度展开：

纯文字版落地路径：

商业服务（高容错）先行落地 → 工业场景（中容错）逐步跟进 → 家庭场景（低容错）最后落地；其中，可靠性工程是商业服务先行落地的支撑条件，对齐与安全数据的积累是工业场景逐步跟进的前提。

而判断这句话的分量，得看说话的人是谁。宇树是人形机器人出货量全球第一的公司，2025年市占约32.4%，G1一款累计下线1到2万台，是全行业极少数赚钱的玩家。经纬创投管理合伙人王华东——宇树2021年B1轮独家领投方——在《详谈》播客里讲过一个细节：2024年3月他走进硅谷一家机器人实验室，里面8台宇树的机器人在运转，其他品牌的产品基本是坏的，只有宇树的能用。用他的话说，国内能在一个领域做到全球绝对领先的公司，大疆算一家，宇树算一家。

头部公司亲口确认‘商业化大规模落地还要好几年’，这就是整个行业接下来两年苦日子的起点。 这句话从别人嘴里说出来是预测，从王兴兴嘴里说出来是证词。

🔮 苦日子里，真正的护城河长在哪

当智能本身可以订阅，竞争就会退回到智能之外。

Physical Intelligence开放API这件事，本质是把'模型能力’从壁垒降级为公共资源。可以推演的是，随着GPT-6、GPT-7这类通用模型的持续进化，纯模型层的差距会被快速抹平，价值向四个方向转移：

• 数据闭环：谁能在真实部署中持续采集‘物理接触后’的回传数据，谁就在喂养下一代对齐能力。宇树1到2万台的G1保有量，就是这个意义上最贵的资产。云厂商可以复制你的模型参数，但复制不了部署在客户现场、每天产生真实接触数据的机器人群。
• 场景壁垒：把通用模型适配到具体工况的混合控制方案，就像银河通用把26%拉到48%的那22个百分点，价值在组合层，不在模型层。电力巡检的绝缘规程、化工厂的防爆约束、特定产线的节拍要求——这些藏在行业里的工况know-how和客户信任，是API文档里查不到、 Demo视频里学不来的。谁吃透了场景，谁就握住了通用模型进入该场景的必经之门。
• 规模成本分摊：具身智能是重固定成本生意，数据、算力、团队的钱不会因为模型免费了就少花。同样的研发投入摊在1万台出货和500台出货上，是两个完全不同的单位成本。宇树全球第一的出货量，本质是把固定成本摊薄成护城河——规模本身就是定价权，它让你在价格战里还能活着，而对手在成本线以下流血。
• 硬件可靠性：硅谷实验室里'只有宇树的能用’那个细节，说明硬件可靠性本身就是稀缺能力。机器人是要‘碰’真实世界的，一次摔机、一次误动作，损失的是客户数月的生产时间。这份可靠性靠的是供应链掌控、制造工艺和量产良率的积累，是十年级别的工程复利，不是模型迭代一个版本就能追上的。

至于‘机器人企业还该自研什么’，答案已经浮出水面：不必和通用大模型军备竞赛，但必须掌握数据管线、本体-模型对齐工程、以及场景侧的数据主权。这三样恰恰是云端API买不到的。

（据多位接近头部厂商的人士透露，不少公司在2026年下半年已悄然把自研VLA团队的优先级下调，转向‘外采基座+自建场景微调’的混合架构——这与宇树招股书中20.22亿元模型研发预算并行的实测路线，形成了微妙的呼应。）

把四条线索合起来，结论其实很冷峻：当模型能力免费化，具身智能的护城河不再由参数量决定，而由部署量、工况库、良率和现金储备决定。 数据闭环决定你能不能跟上下一代模型，场景壁垒决定你能不能守住客户，规模成本分摊决定你能不能在价格战中活下来，硬件可靠性决定你值不值得被客户选择。而无境动力的800万欠薪则反向补上了第五条——现金流纪律：在拐点到来之前，活着本身就是竞争力。苦日子里守住这四样（外加现金）的公司，才轮得到在ChatGPT时刻真正到来的那天，站在门口收门票。

小结

物理AI的击穿苗头是真的，王兴兴两次改口是真的，GPT-6的69.4分也是真的；但‘商业化还要好几年’同样是真的，无境动力的800万欠薪提醒所有人叙事与现金流的距离。未来一到三年，行业会呈现一种奇特的double状态：技术侧加速冲顶，商业侧批量出清。对从业者而言，问题不再是‘要不要相信AI’，而是——在模型能力免费化的浪潮里，你手里握着什么别人拿不走的东西：数据、本体、场景，还是仅仅一纸框架订单。苦日子里活下来的公司，才会站在ChatGPT时刻的门口。