7.6
深览指数
科技腾讯新闻·白鲸实验室··AI 生成
GPT-6掀起具身智能风暴，恐慌与惊喜同时涌来
本文详细分析了OpenAI GPT-6 Astra模型对具身智能领域的冲击。核心发现是，Astra证明了通用大模型在语义理解和空间推理上的巨大优势，但在物理接触、精细操作等需要触觉和力反馈的任务上仍有明显局限。文章的核心贡献在于明确指出了当前行业共识：未来具身智能的架构大概率是“大脑+小脑”分层模型，即通用大模型负责高层规划和决策，专用模型负责底层高频控制和物理交互。同时，文章揭示了决定胜负的关键因素正从模型架构转向数据——具身数据（尤其是高质量、带特定标注的数据）的获取和清洗是当前最核心的竞争壁垒。适合关注具身智能、机器人行业的技术决策者和投资人阅读。原文 ↗
核心观点
- ▍GPT-6 Astra证明通用大模型能够解决具身智能中的语义理解和空间推理问题，但在物理交互（接触力、变形、摩擦）上仍显不足，未来最可能的技术路线是“大脑+小脑”分层模型。
- ▍具身智能领域的核心竞争正从模型架构转向数据，尤其是高质量、难获取、难标注的具身交互数据，这已成为新的壁垒和瓶颈。
- 01独立评测机构Robocurve测试显示，GPT-6 Astra在“抓取方块并放入碗中”任务上成功率达95%，远超Claude Fable 5.1的40%。
- 02华为具身研究员钟子明认为，GPT-6能控制机械臂本身是微不足道的，关键在于其在未针对具身任务修改的情况下，成功率超过专用模型。
- 03自变量创始人王潜透露，OpenAI和Anthropic自去年起大量采购机器人数据，并建立了自己的数据工厂。
- 04晴岚视界CTO刘斯坦证实，其公司数月前收到北美头部大模型厂商的数据订单，用于训练空间理解能力。
- 05清华大学助理教授许华哲团队测试发现，Astra在语义和空间泛化上很强，但无法完成叠衣服、用筷子挑开物体等需要物理接触的精细操作。
- 06前地瓜机器人具身负责人何泳澔认为，VLA、世界模型这类方案可能没有太大投入价值，具身的突破可能来自基础大模型厂商。
- 07关于数据路线存在明显分歧：苏度科技押注仿真数据，称实现了接近100%的任务成功率；蚂蚁灵波首席科学家沈宇军则坚持真实数据，认为仿真无法模拟真实传感器误差。
反方 / 局限
- — 刘斯坦的测试表明，GPT-6 Astra的表现并不算惊艳，许多被认为只有它能做的事，Gemini、Claude或千问也能完成。
- — 刘斯坦指出，大模型推理频率极低（如GPT-6响应慢），而机器人控制需要50Hz以上的高频，当前技术无法实现在云端实时控制机器人做家务。
- — 华为研究员钟子明透露，一家具身数据公司宣称有10万小时数据，实际下载后仅1万小时，“十万小时”叙事正在被祛魅。
OpenAIGPT-6 AstraClaude Fable 5.1Robocurve何泳澔朱政王潜刘斯坦许华哲钟子明沈宇军Zeeshan ZiaPhysical IntelligenceSkild虚时科技极佳视界自变量机器人晴岚视界妙动科技智元机器人觅蜂科技宇树科技苏度科技蚂蚁灵波VLA世界模型分层模型
12 分钟 · 4 卡片 · 10 资料
读原文 →