本文来源：时代周报 作者：朱成呈

面对一个陌生的物体，一台机械臂只需听懂一句话，就能完成抓取、移动和放置。

以前，这是机器人公司花费大量时间训练才能达成的能力。如今，通用大模型也能帮助机械臂做到这一点。OpenAI发布GPT-6 Astra后，一系列机械臂操作视频流传社交网络。模型无需针对具体任务进行额外训练，就能理解指令，并尝试完成真实世界中的物体操作。

这不只是一次简单的技术演示。过去几年，创业公司投入大量资源研发机器人的感知、决策和运动控制能力，希望让机器真正理解并适应物理世界。现在，通用大模型开始向这一领域延伸。当大模型公司进军机器人“大脑”，原本专注机器人本体、系统研发的公司或受到冲击。

“这是大趋势，所有通用基模一定会往具身这个领域去渗透。我们的策略反过来，智元的具身模型会越做越大，也会往通用模型方向渗透。”日前，智元机器人联合创始人、总裁兼CTO彭志辉接受时代周报等媒体采访时表示。

彭志辉 受访者供图

从华为天才少年到机器人创业者，彭志辉的技术兴趣始终围绕如何让机器拥有更接近人的能力。如今，通用大模型的快速进化为他的创业路带来了新变量。

在他看来，通用基模的进步并不必然挤压机器人公司的生存空间。相反，模型能力越强，越能放大本体和全栈系统的价值。“我们对于这种前沿的模型技术是非常开放的，会借助它们来加速自己本身的研发节奏。GPT-6 Astra这种大模型技术，对我们来说也是水涨船高的过程，对我们是增强的作用。”

本体仍是最终媒介

通用大模型的具身能力为什么越来越强？彭志辉的解释是，模型正在吸收更多来自物理世界的数据。

以GPT-6 Astra为例，它展示出的3D建模能力令人印象深刻。用户只需要输入一句话，模型就能生成3D模型，甚至可以进一步用于3D打印。在他看来，这种能力并非凭空出现，而是大量3D数据训练的结果。模型通过这些数据理解三维空间，逐渐形成空间智能，也因此具备了完成一些简单物体操作的能力。

这让通用大模型与具身智能之间的距离进一步缩短。但彭志辉也承认，模型能够理解空间，不等于已经能够胜任真实世界中的机器人工作。

他把未来的竞争分成两种可能。如果通用基模最终能够覆盖具身领域，让不同公司的机器人都拥有相近的基础模型能力，那么竞争就会转向另一个层面：谁能把模型能力更好地应用到物理场景中。

“最终是要通过本体作为媒介的，我们本体能力强，这是我们的优势。”彭志辉认为，模型再强，也需要通过机器人的身体感知和执行。对本体能力足够强的全栈团队而言，通用基模的进步反而能够放大自身优势。

如果通用基模无法实现真正的泛化，机器人仍然需要针对不同垂直场景训练专用模型，竞争逻辑也不会发生根本改变。因为训练这些模型所需要的数据，仍然需要通过机器人本体采集。无论哪条路径，本体都不会变得多余。

通用大模型的局限性

通用大模型进入物理世界，还有几道现实门槛。

首先是实时性。彭志辉提到，GPT-6 Astra主要依赖云端推理，参数规模接近万亿，完成一个简单任务可能需要十几分钟，甚至半小时。但机器人执行任务时，不能等上十几分钟才得到下一步指令。它需要实时感知环境、判断情况并调整动作。分层系统设计、模型蒸馏和缓存机制，都是可能的解决方向。

比速度更棘手的是可靠性。通用模型越追求泛化，越可能出现幻觉。对于语言模型而言，一次错误回答可以重新生成；但对于正在工作的机器人，一次错误动作可能就意味着设备停机，甚至造成实际损失。彭志辉认为，物理环境对模型容错率的要求远高于数字世界，机器人必须具备稳定执行任务的能力。

还有模型从数据中难以直接获得的物理常识。重力、摩擦力以及物体之间的作用力，并不是模型仅靠阅读数字数据就能真正掌握的。机器人需要借助传感器感知现实，通过真实交互积累经验。行业正在尝试通过世界模型等方式，让模型逐步建立对物理世界的理解。

最后是任务闭环。语言模型通常负责给出答案，却不负责验证答案在现实中产生了什么结果。但机器人不一样。一个动作执行之后，必须通过传感器确认结果，再根据反馈决定下一步。只有完成感知、决策、执行和反馈的闭环，模型才算真正具备了在物理世界中工作的能力。

这些问题，也是彭志辉坚持全栈路线的原因。

“我们自己为什么也要做这个决策模型？全栈技术路径不是一个可选的选择题，而是必选的选择题。”他说。

在他看来，智元不能只做一个硬件本体供应商。彭志辉拿自动驾驶行业作比：如果一家机器人公司只提供硬件，而不掌握核心模型能力，未来就可能面临类似传统自动驾驶供应商的处境。当客户开始自研模型，原有供应商的竞争力便会被削弱。

“所以，我们一定要面向具体场景解决问题。这要求模型具备足够的泛化能力，本体足够可靠，软硬件系统也要达到真正部署的门槛。”彭志辉认为，智元做具身也有助于更好理解、运用和吸纳这些传统的通用模型发展演进所留下来的经验。

研发资源的分配也体现了这一选择。彭志辉透露，智元目前约30%的研发团队从事本体硬件研发，70%投入智能相关研发。相比单纯追求硬件参数，智元正在把更多资源投向机器人的智能化能力。

“这个市场要看客户是否愿买单”

如果说通用大模型正在改变具身智能的技术竞争格局，那么机器人能否真正进入生产和生活场景，则决定了这场竞争最终能否转化为商业价值。

彭志辉将智元今年的核心进展概括为，从X时刻跃迁到Y时刻，也就是从开发态进入部署态。在他看来，智元已经拥有可用、可量产的机器人本体，接下来要做的是，让机器人在垂直场景中形成持续工作的能力。

从能造出来到真正铺开，还隔着一道商业门槛。

“不是我们愿不愿意铺，这个市场是客户愿不愿意买单的问题。”彭志辉表示，智元完全有能力一年制造几万台机器人，真正决定部署规模的，是客户是否愿意购买和长期使用。

市场心态也在变化。彭志辉观察到，过去客户更多是抱着尝试心态，想看看机器人能不能造出来、能不能完成任务。接下来，他们需要认真考虑的是，到底能不能养得起这款产品。

“机器人不只是出厂做一个POC，做一个Demo就万事大吉了。”彭志辉说。机器人进入工厂之后，还涉及长期的设备健康管理、软件版本迭代、备件更换、远程诊断、现场服务，以及持续的任务优化。真正形成规模后，机器人上岗的运维效率和管理系统，可能比单次模型推理更影响客户体验。

这也是智元提出Worken概念的原因。Worken由Work和Token组合而来，试图把评价机器人的标准，从传统的参数表转向实际的劳动产出。

“机器人开机8小时，并不意味着它就创造了8小时的价值。它一次任务成功率很高，也不意味着它能够持续像人一样稳定地工作一个月。”彭志辉认为，真正重要的是机器人在真实环境中贡献了多少持续、有效的劳动。

要让这份劳动变得可衡量、可管理，还需要建立一套配套的工具链和平台。彭志辉提到，产出要能够计量，异常要能够追踪和调度，不同机器人积累的经验也要能够复用。只有这样，运营成本才能随着部署规模扩大而下降，最终实现投入产出平衡。

“要不然的话，可能你每卖一台机器还要给机器人配一个保姆，这是永远不会到那一天的。”他说。

相比工业和商业场景，彭志辉认为家庭是机器人商业化的终点。家庭环境对安全性、跨任务泛化和长程任务执行的要求都很高，不同家庭的需求各不相同，机器人需要持续与用户互动，算力需求会明显增加。同时还要考虑C端用户能够接受的价格。

对于Token是否会成为部署瓶颈，彭志辉的看法比较直接：“它如果成为瓶颈说明是好事，说明大家愿意用你的产品消耗Token了，这个商业模式就成立了。”

从开发态走向部署态，机器人面对的考验已超出单一的模型能力或硬件性能。它不仅要在真实环境中完成任务，还要能够长期稳定运行，并通过软硬件协同降低集成和维护成本。彭志辉强调，部署态的差距不能简单归结为本体、算法或数据中的某一个环节，而是需要整个系统协同推进。

“虽然目前我们量产是全球领先的，但是万台下线只是制造业的胜利，万台能够上岗才是物理AI的胜利。”