文｜南都记者 杨柳
OpenAI发布的GPT-6 Astra模型虽非专为机器人设计，却展现出直接操控机器人的潜力，挑战了“大模型负责规划、专用模型负责动作”的传统分工。这一技术突破引发行业热议：宇树科技创始人王兴兴看好物理AI前景，智元机器人CTO彭志辉则认为本体厂商将受益，但也指出通用模型在高精度任务、时延及成本上的短板。随着通用AI向具身智能渗透，专用机器人模型公司的生存空间受到挤压，行业格局正面临重塑。
本体硬件公司终将受益？
近期，以宇树科技为代表的头部机器人硬件供应商及部分零部件厂商股价大幅上涨。摩根大通在一个月内将宇树科技评级从“减持”上调至“增持”，认为GPT-6 Astra等前沿大模型的发展，凸显了机器人硬件作为连接“大脑”与现实世界载体的战略价值。
智元机器人彭志辉分析指出，无论未来是通用大模型主导，还是垂域专用模型并存，具备规模化制造能力的本体企业均拥有核心优势：
- 若通用模型强大，低成本、高可靠性地将智能装入真实世界并转化为生产力的关键在于本体制造；
- 若需专用模型，高质量训练数据的获取依赖于大规模真实部署的机器人本体。
然而，并非所有本体厂商都能获益。只有那些能生产高可靠性、低成本、高性能机器人，且具备强大供应链和规模化部署能力的企业才能脱颖而出。据业内人士透露，国内目前能规模化制造可靠本体的公司不超过五家。
“大脑”公司遭受冲击？
尽管GPT-6 Astar展示了惊人的通用能力，但其现实短板同样明显。英伟达技术报告显示，该模型单次推理耗时11-19秒，远高于机器人专用VLA模型π0.5的约47毫秒；完成一次任务的Token消耗费用最高达36.4美元。华泰证券研报指出，在执行倒水等简单任务时，GPT-6 Astra需3至4分钟，而专用模型仅需1分钟内，且后者学习执行成本更低。
业内专家警告，最大的变量在于大型科技公司可能以通用模型为基座，蒸馏出机器人专用小模型，这将使纯机器人模型公司受到最大冲击。
面对挑战，智元机器人采取“融入而非对抗”的策略。联合创始人姚卯青表示：“那我们就成为AI那边，不要成为被击穿的那边。”10月29日，智元发布行业内参数量最大的具身基座模型GO-3 Preview，旨在提升通用与操作能力。彭志辉解释，通过利用大量3D数据训练形成的“空间智能”，以及借助类似GPT-6 Astra的大模型加速研发（如机器人自进化系统），智元正主动向通用模型方向靠拢，推动行业整体进步。
谁能扛起突破“ChatGPT时刻”的大旗？
野村证券研判，机器人行业距离“ChatGPT时刻”尚远。未来胜出的“大脑”玩家需同时具备充足算力、有效数据闭环和真实世界部署能力。相比之下，缺乏算力的初创模型公司将处于劣势。
算力成为核心门槛
算力投入已成为机器人模型训练的巨额开销。智元采用租赁算力的轻资产模式，其GO-3模型训练使用了相当于数千张英伟达H100芯片的算力，彭志辉透露今年有望获得接近万卡规模的训练集群。姚卯青估算，千卡规模算力年使用成本约1-2亿元。原力灵机CEO唐文斌也证实，其DM0.5模型预训练使用数千张H系列GPU，年算力投入达亿元量级，直言“算力上没有花过亿的钱，大概率不要再训模型了”。
数据范式转变加剧竞争
随着第一人称视角人类视频数据成为具身模型预训练的新底座，数据规模正向百万小时迈进。野村证券认为，若此类视频成为主要数据来源，大语言模型的规模法则（scaling law）同样适用。届时，拥有最佳数据管线和最强算力的企业，将在争夺机器人“大脑”主导权的竞赛中占据绝对优势。
