GPT-6一出，机器人不缺脑子了？

周末两天，AI圈吵的是"GPT-6写作退步了"；机器人圈却在悄悄传另一件事：脑子，可能真到位了。

9月3日，OpenAI正式发布GPT-6 Astra，48小时内被早期测试者做成了一场公开压力测试。结论泾渭分明：空间理解、机械操作与自主代理任务是迄今最强，写作却被骂不如前代。三天后的9月6日，OpenAI又首次披露内部"递归自我改进"（RSI）进展——智能体工作量已是人类研究员的3倍以上。再往前一周，上海刚把"加快具身智能技术熟化、智能机器人自主全产业链布局"写进了"十五五"规划。

三件事叠在一起，指向同一个判断：具身智能最缺的那块拼图——够强、够便宜、能自我加速的"大脑"——正在被外部模型补上，而留给本体和场景的硬仗，才刚刚开始。

🧠 空间理解，才是机器人等的那块拼图

24分钟重建一座城，这不是段子。

一位以SuSu为名的开发者，用Astra配合Three.js，在24分钟内重建了杭州及周边城镇——西湖、雷峰塔、茶园、湿地全在里面，还支持地标点击与昼夜切换。可交互的"微缩杭州"，不是一张静态效果图。

更早的案例来自投资人、前HyperWrite CEO Matt Shumer：让Astra在Unreal Engine里工作一周，生成了一份逐街还原的曼哈顿。随后他做了个更疯的实验——构建一个生存世界，用模型的独立副本驱动其中每个角色，隔夜运行后，这些角色已经开始自发对话。

案例还在批量出现：Max Weinbach把苹果园区照片输入模型，在Blender中重建，评价是"做得出奇地好"；Tom Krcha输入一张房屋外观图，得到以60帧每秒运行、连家电和玩具细节都齐全的室内可编辑几何体；Pietro Schirano干脆把流程简化到在地图上标一个坐标，模型直接生成周边区域的3D场景。

这些演示刷屏的是设计师和游戏开发者，但真正该坐直的是机器人行业。具身智能的训练瓶颈，从来不在模型参数，而在空间先验和可交互环境——机器人要在仿真里先摔一万次，才敢到物理世界里摔第一次。Astra能把一张照片变成60帧可编辑几何体，意味着仿真环境的生成成本正在塌缩。

世界模型的入场券，第一次被一个通用大模型摸到了边。

⚠️ 写作退步80个Elo？机器人圈根本不在乎

先泼冷水：Astra并非全面胜利。

独立评测机构Artificial Analysis记录到，Astra在涵盖44种职业的经济价值任务基准GDPval-AA v2上下滑约80个Elo分，写作能力的退步被多名测试者明确批评。当然，强项也很硬：一段巴赫风格四声部合唱在独立基准测试中创下最高分，且无任何声部进行错误；一款支持12人联机的浏览器射击游戏一天内完成。

再看定价：每百万输入token 10美元、每百万输出token 50美元，是前代GPT-5.6 Sol的2.5倍（按倍率反推，前代约为4美元/20美元）。渠道则铺得很全：ChatGPT Plus、Pro、Business、Enterprise用户，以及API、微软Azure和AWS Bedrock。

这组数据放在通用AI评测里是"偏科"，放在机器人语境里却是能力结构的定向倾斜。一个不会写文案但会操作机械臂、能在3D世界里自主体行动的模型，对具身智能来说比"全能选手"更有用。

但价格是真实的雷。圈子里私下流传一句半开玩笑的话："最怕的不是模型不够好，是大脑贵过身体。" 一台工业机械臂本体价格已压到数万元级，如果推理成本按Astra这个定价跑满节拍，商业模型直接失衡。Greg Brockman在发布简报里宣布"AGI时代已经到来"，对机器人创业者来说，更现实的版本是：AGI时代先到，但API账单也先到。

⚙️ RSI飞轮：智能体工作量已是人类的3倍

如果说Astra是"大脑升级"，那OpenAI三天后公布的内部数据，就是大脑开始自己造大脑。

9月6日，OpenAI官方博客发布《Research acceleration: The view inside OpenAI》，首次以内部数据形式公开RSI进展，并宣布已实现去年秋天定下的目标——在今年9月前造出一个"自动化研究实习生"。OpenAI对它的定义是：能在人类指导下执行明确定义的研究任务，包括那些需要一名熟练研究员数天才能完成的任务。下一个里程碑写得很具体：2028年3月前实现完整的"自动化AI研究员"，能参与深度学习和对齐研究。

数据比叙事更猛：

• 按智能体使用量排序处于中位数的OpenAI研究员，到8月中旬已把编码智能体纳入日常工作流，每天推理使用额超过600美元（按API价格折算）；
• 研究组织前10%的研究员，每天使用的Token价值超过7000美元；
• 以中位员工输出Token计算，研究部门使用规模较2025年12月增长124倍；
• 关键转折在6月——此前研究组织的智能体总运行时长低于人类劳动总时长，此后反超，目前智能体工作量已达人类研究员的3倍以上。

这意味着"AI产出代码和实验→研究加速→更好的模型→更强的智能体"的飞轮正在自转。对机器人行业，这有两条传导链：一是仿真、策略训练、底层代码的产出速度会被间接拉动，具身智能的研发节奏被迫跟着加速；二是模型能力的半衰期变短——今天花大价钱自研的"具身大脑"，可能在2028年3月之前就被基座模型的新版本按在地上摩擦。据多位接近头部具身公司的人士透露，已有团队开始把自研模型预算向数据闭环和本体控制倾斜，把推理能力"外包"给基座模型API。

押注大脑的公司要快跑，押注身体的反而时间变多了。

🇨🇳 上海把算力、模型、机器人拧成一股绳

大洋彼岸飞轮越转越快，国内的政策回应也在提速。

上海印发的《加快推进新型工业化构建现代化产业体系"十五五"规划》，把三条线拧在了一起：算力上，攻关高性能、低功耗、高效率的智算芯片，提升集群组网和云服务能力，探索异构计算、光计算、量子人工智能等创新架构，构建城市算力网络；模型上，聚焦下一代大模型研发，攻克架构设计、训练优化等关键技术，推动芯片、大模型、智算云协同发展，构建自主生态；落地端，深入推进"模力聚申"行动，加快具身智能技术熟化，加强智能机器人自主全产业链布局，推动在工业制造、物流装配、商业零售、医疗康养、家政服务五大领域实景应用。

这张表的产业逻辑很清楚：当海外模型把"大脑"推到新高度、同时把定价翻2.5倍时，国产路线的竞争点反而在"够用的脑子+便宜的跑法"。自主算力生态压低推理成本，是机器人本体商业化能跑通算术题的前提；五大场景则是国内产业链最硬的底牌——工业制造和物流装配的场景密度、订单确定性，是任何实验室demo都替代不了的。

💡 大脑再强，本体和场景仍是硬门槛

必须冷静：模型官方声称"机械操作"迄今最强，但Astra的公开演示全在虚拟世界——重建城市、生成游戏、驱动虚拟角色。从Blender里的几何体，到机械臂指尖0.1毫米的重复定位精度，中间隔着一整个硬件产业。

具身智能的真实瓶颈清单，短时间不会因为一次发布会而消失：真实物理数据的采集成本、关节电机与减速器等核心零部件的性能上限、整机的BOM成本、场景方对可靠性的苛刻要求。Astra解决的是"想得明白"，机器人公司还得解决"动得稳、摔得起、卖得掉"。

对国内从业者，最优解可能是一条混合路线：空间理解与任务编排接基座模型，运动控制与安全冗余死守自研，同时借上海这类城市的算力与场景政策，把成本曲线压到场景方愿意签年度合同的位置。头脑可以外包，身体和账本必须自己扛。

Astra让机器人第一次有了"够用且持续变强"的脑子，RSI飞轮意味着这个脑子还在自我加速，而上海的全产业链布局则给出了国产化的成本答案。三股力交汇之后，具身智能的胜负手将彻底从模型层下沉到本体与场景层。2027年前后，谁能在真实产线上跑出闭环，谁才有资格谈论"AGI时代的机器人"。