GEIA行业群
加入GEIA具身智能行业群，请添加微信18916565701，主动出示名片，仅限具身智能及机器人产业链相关企业。
120+具身智能与人形机器人行业报告合集~ 转发本文章至朋友圈截图发给GEIA小助理即可免费领取~ 文末添加小助理微信！
产业趋势 · 深度观察
当大模型长出身体
吞并与被吞并 · 具身智能的终局判断
当通用基础模型长出了身体，机器人公司再花巨资去训一个和自家硬件死绑的专有大脑，是不是死路一条？这篇把话说透。
关节角度是一串 token，指尖的压力是一串 token，世界模型对“推一下会怎样”的预测，本质上也只是预测下一串 token。当这些都被一个更通用的基础模型吸收，它就不再是“大语言模型”，而是统一的多模态具身基础模型。
先说一个今年9月发生、却被很多人忽略的细节。
国内头部机器人公司宇树，发布了新一代机器人“大脑”，名字叫 WLA——世界、语言、动作三合一的基础模型。很多人盯着它能打拳、能操作64项任务看，但真正值得玩味的是一行技术说明：这个机器人模型的底座，用的是开源的 Qwen 语言模型。
看明白了吗？一家明星机器人公司，给自己身体装的那颗“全新大脑”，地基是一个大语言模型。
几乎同一时间，英伟达把原来分散的好几个模型，合并成了一个叫 Cosmos 3 的“全能模型”，官方原话是——它用一套框架，统一处理语言、图像、视频、环境声音和动作序列，事实上把视觉语言模型、视频生成器、世界模拟器、动作模型，全部吞了进去。
这两件事拼在一起，指向一个让很多机器人公司夜里睡不着的结论。
LLM 正在向多模态一路狂奔。它已经吞下了图像、视频、音频，那么下一步，吞下关节动作、力觉、触觉和物理交互数据，在技术上真的有不可逾越的壁垒吗？
我的判断很明确：没有。 关节角度是一串 token，指尖的压力是一串 token，世界模型对“推一下会怎样”的预测，本质上也只是预测下一串 token。当 VLA 的动作生成、世界模型的物理预测，都能被一个更通用的基础模型吸收，到那一天，它就不再是“大语言模型”，而是统一的多模态具身基础模型。
那么问题就变得非常刺骨——当通用基础模型长出了身体，机器人公司再花巨资，去训一个和自家硬件死死绑定的专有大脑，是不是死路一条？
这篇，我把话说透。但结论可能比“是”或“不是”都要残酷，也都要有希望。
⏰️与具身智能赛道的一线创业者、投资人深度交流，扫码报名GEIA具身智能与人形机器人创新周【北京站12.9-12.11 】↓
专题 · 演进
1. 先看清一条暗线：这几年模型名字的变化，就是一部“被吞并史”
要判断终局，别听谁喊口号，去看技术名词这三年是怎么演进的。它自己会说话。
最早，机器人的大脑是模块化的：一个模块负责看，一个模块负责想，一个模块负责规划路径，最后一个模块把指令翻译成关节转动。模块之间层层传递，信息一路损耗、延迟一路累积，出错了都不知道是哪一环。
后来出现了 VLA，视觉—语言—动作，把“看懂”和“动手”直接连进一个神经网络，这是第一次大吞并。再后来出现了世界模型，让机器人能在脑子里先预演“我这么推一下，杯子会不会倒”。
你再看宇树这一年三代模型的命名，几乎是把这条吞并之路走了一遍：先做 WMA，建模“世界会怎么变”；再做 VLA，解决“该怎么动”；最后做 WLA，把世界预测、语言理解、动作生成三件事，塞进同一个模型。
发现规律了吗？所谓技术进步，在结构上就是一部“独立模块不断被更大的通用模型吞并”的历史。 感知被吞并，规划被吞并，现在轮到世界预测和动作生成。
英伟达 Cosmos 3 更直白，它不再为每种能力维护一个单独模型，而是一个模型、一次前向推理，同时完成理解场景、模拟未来、生成视频、输出机器人动作。
当“动作”和“力觉”都能被当作一种新的模态、一种新的 token，喂进和图文音视频相同的架构里——你说，这道墙到底是物理规律砌的，还是暂时还没来得及拆的？
历史给过答案。当年图像识别、语音识别、机器翻译，各自都是独立的专业公司、独立的模型、独立的护城河。大模型一来，全部被收编成几个接口。今天还在独立融资的“纯语音识别公司”，你还数得出几家？
核心判断
动作和触觉，不会有例外。它们只是大模型吞并清单上，排在后面的两项而已。
专题 · 选择
2. 那么，砸钱自研专有大脑，到底是不是死路？
现在正面回答最尖锐的问题。
我在制造业和科技业看了二十年，见过太多“护城河”一夜之间变“负资产”。我的答案分三层，你对号入座。
第一种 · 必死
为了讲故事而自研、把“专有基座”当估值命根的公司。
第二种 · 能活
根本不去重复造通用大脑，把命押在“最后一公里”的公司。
第三种 · 唯一例外
垂直整合、定义整体体验的公司。
第一种，必死：为了讲故事而自研、把“专有基座”当估值命根的公司。
今天不少机器人公司的融资 PPT 上，最值钱的那一页写着“自研具身基座大模型”，估值的一大块，建立在“我有别人没有的大脑”这个壁垒上。可一旦通用模型把能力追平、甚至开源放出权重，这道壁垒会在一夜之间被抹平——你花几亿、养几百个博士、烧几年训出来的东西，别人调一个接口、拿一张开源许可证就有了。
这是最危险的一种死法：你重资产押注的，恰恰是注定要变成水电煤的那一层。 就像当年没有一家公司，靠“我能自己发电”建立起长期竞争力。
第二种，能活：根本不去重复造通用大脑，把命押在“最后一公里”的公司。
请注意一个今天谁都没真正跨过的鸿沟，行业里叫 grounding gap——接地鸿沟。模型能认出桌上是个杯子，和它知道杯子离桌沿多远、机械臂该从哪个角度进、多大力抓、会不会带倒旁边的水瓶，是两个层次的能力。
更麻烦的是，世界模型会产生“物理幻觉”：它能生成画面无比真实、却违反物理定律的片段——杯子掉下去悬在半空，机械爪直接穿过桌面。在屏幕里这是个 bug，在工厂里这就是一场事故。
而通用基座再强，它也不懂你这台具体机器的那零点几毫米公差、你的关节间隙、你这条产线的油污和光照、你这个工位老师傅才知道的暗劲。这些东西，爬遍整个互联网都学不到，只能靠真机数据，一个动作一个动作地磨。
三样
吞不掉的资产
通用模型吞得掉架构，吞不掉三样东西：你产线上百万小时带力觉、触觉的真实操作数据；你对自家本体每一处物理脾气的理解；以及出了事故谁来负责的那条责任链。
把钱花在这儿的公司，不仅不会死，反而会因为基座免费了、变便宜了，而活得更滋润——它们是站在巨人肩膀上，而不是愚蠢地想再长成一个巨人。
第三种，是唯一的例外：垂直整合、定义整体体验的公司。
这里必须讲句公道话，不能一棍子打死所有自研。历史上确实有一家公司，坚持从芯片到系统到硬件全部自己做，而且赢了——苹果。
但要看清苹果和“闭门造基座者”的本质区别：苹果自研，不是为了“拥有一个自己的操作系统”，而是为了把芯片、系统、硬件捏合在一起，定义一种别人给不了的完整体验。 它掌握的不是重复造轮子，而是定义权。
机器人行业未来会不会有自己的苹果？会。那种公司自研模型，是为了让它独家的本体、独家的灵巧手、独家的数据形成别人无法复制的整体体验，模型是它体验的一部分，而不是一个拿去和通用模型比参数的独立卖点。
诺基亚式“为了自研而自研”的，死；小米式“用好通用底座、把工程和场景做到极致”的，活；苹果式“用垂直整合定义完整体验”的，也能活。最怕的是花着苹果的钱，干着诺基亚的事。
专题 · 反诘
3. 一个更冷的反问：万一，长出身体的不是 LLM 呢？
论证到这儿，还得诚实地把另一面翻出来。否则这篇文章就只是一篇政治正确的爽文。
通用大模型吞并一切，有一个隐藏前提：纯数字世界里训出来的智能，能顺利地理解物理世界。但物理世界恰恰是这些 LLM 公司最陌生的地方——它们没有身体，没有工厂，没有源源不断的真机数据入口。
所以终局也可能是另一个剧本：最后定义具身基座的，不是今天的聊天机器人公司，而是同时握着“身体+数据+算力”的玩家。 比如既卖芯片、又做 Cosmos、还绑定全世界机器人公司的英伟达；比如 Physical Intelligence 这种从第一天就为机器人生、到处收集真机操作数据的公司；甚至可能是宇树这样——自己造身体、自己造大脑、然后把大脑开源出去，让全行业的身体都跑在它的模型上，自己当那个“机器人界的安卓”。
你发现没有，这反而是更值得玩味的信号：真正有底气的机器人公司，已经不把模型当私藏的护城河了，而是把它开源出来做生态标准。 当头部玩家开始主动把“大脑”免费送出去，你就该明白，这一层的私有价值，正在他们自己手里提前归零。
所以对绝大多数机器人公司来说，连赌“我能成为定义基座的那个英伟达”都不现实——那个位置，全球最终只会有寥寥几个名字。基座注定收敛到极少数玩家，这几乎是定局；唯一的悬念，只是这少数几个名字里，会不会有一个出身机器人行业。
至于时间点，宇树创始人王兴兴给过一把尺子：机器人能在八成陌生场景里，仅凭一句指令完成八成任务，具身智能才迎来自己的 ChatGPT 时刻。他的估计是快则两三年，慢则五到十年。在那之前，专有模型在特定产线上仍有工程价值，但请注意——它的价值是“当下好用”，不是“终局壁垒”。把过渡性的工程优势，误判成永久性的护城河，是这轮洗牌里最贵的一个错误。
专题 · 建议
4. 对三类人，说三句不绕弯的话
给具身智能的创业者和联创
立刻审视你们的技术投入结构。问自己一个扎心的问题：如果明天最强的通用具身模型开源、免费、效果还比你好 20%，你们公司还剩什么？如果答案是“那我们就没了”，说明你把所有筹码都压在了注定被吞并的那一层。真正该重投的，是搬不走的东西——专属场景的真机数据、本体的物理 know-how、安全与交付能力。通用大脑是要租的写字楼，不是要自己烧砖去盖的城墙。
一句话
通用大脑是要租的写字楼，不是要自己烧砖去盖的城墙。
给投资人
尽调时把“自研基座大模型”这一项的估值权重果断调低，甚至要带着怀疑去看。追问三件事：它的模型是真的靠数据和体验咬合出了别人抄不走的东西，还是只是拿开源底座做了私有化微调？它绑定的硬件和场景，能不能产生别人拿不到的真机数据？万一通用模型明年底追平，这家公司的壁垒还剩几成？这个赛道未来最大的价值毁灭，不会发生在做不出模型的公司身上，而会发生在“花巨资做出了一个终将免费的模型”的公司身上。
给企业家和产业一把手
这对你其实是天大的好消息。大脑正在变成像云计算、像安卓一样可以采购、可以租用的公共能力，意味着你切入机器人和智能化的门槛在大幅下降——你不需要自己养一支 AI 军团，也能用上世界一流的具身智能。你真正的筹码，是你工厂里那些跑了十几年的产线、那些带着力道和经验的真实工况数据。尽早想清楚：怎么把这些“只有你有”的物理世界资产，变成未来通用大脑也不得不依赖的养料。当大脑人人都有，值钱的就只剩身体、数据和场景。
专题 · 结语
5. 最后
回到最开始的那个问题：机器人公司再砸钱自研和硬件深度绑定的专有基础模型，是不是死路一条？
我的答案是——
重复造一个通用大脑，是；但把通用大脑用好、并守住它永远吞不掉的那部分，不是。
大模型长出身体，是迟早的事。这个过程不会有任何技术奇迹来阻挡，因为动作、力觉、触觉，和文字、图像、声音在数学上没有本质不同，它们都只是等待被统一的世界所收编的信息。
真正的分水岭从来不是“要不要自研模型”，而是：你到底站在被吞并的那一层，还是站在吞并之后反而更值钱的那一层。
潮水的方向已经很清楚了——大脑会越来越通用、越来越便宜、越来越集中；而身体的千差万别、数据的千金难求、落地的九死一生，会越来越值钱。
所以别再问“我的模型够不够强”。该问的是那句更要命的话：
当所有人都能轻易买到一颗聪明的大脑，你手里，还攥着什么是它买不走的？
想清楚这个问题的人，不会害怕大模型长出身体——因为他们等这一天，已经等了很久。
既然看到这里了，如果觉得有用，随手点个赞、在看、转发三连吧。
THANKS FOR READING
|
|
|
GEIA Asia 2027华东站： 4.14-4.16，上海 |
GEIA Europe 2027欧洲站： |
|
|
GEIA ASEAN 2027东南亚站： 10.21-10.23，曼谷，泰国 |
GEIA China 2027华北站： 12.8-12.10，北京 |
|
温馨提示：加入GEIA具身智能行业群，请添加微信18916565701，出示名片，仅限具身智能及机器人产业链相关企业。