科技人人都是产品经理·有界UnKnown··AI 生成
梁文锋盯上机器人，大模型要取代具身模型？
文章报道了DeepSeek创始人梁文锋被曝接触多家具身智能创业公司，并梳理其AGI路线图（语言模型→CoT→Agent→持续学习→自我迭代→具身智能）。核心观点是：通用大模型通过Agent框架驱动机器人，可能成为一条不同于传统“端到端VLA”路线的新路径，能缓解具身智能面临的物理数据匮乏与Scaling难题。作者也指出了新路线的成本（API订阅费）、实时性瓶颈，并与OpenAI在物理世界的长期积累（灵巧手、数据采集）做了对比，认为DeepSeek在物理交互数据积累上仍有差距。原文 ↗原文 ↗
核心观点
- ▍通用基座大模型通过Agent框架驱动机器人，正在成为具身智能的一条新路线，可能减少对任务专用训练数据的依赖。
- ▍梁文锋将具身智能置于AGI路线图的最后一步，但近期接触机器人公司的动作表明这一进程可能被提前。
- 012026年10月，梁文锋被曝接触多家具身智能创业公司，同时王兴兴在工博会上表示GPT-6测试机器人效果不错，认为临界点一两年内到来。
- 022026年9月RoboCurve实机测试显示，GPT-6 Astra通过Agent系统控制机械臂，在“将积木放进碗里”的任务中成功率达95%。
- 03文章梳理了两种技术路线对比：传统的“大小脑分离”与VLA端到端模型，以及新兴的“通用大模型+Agent”路线。后者被称为具身智能领域的Harness。
- 04具体探索方向包括Waddle（大模型指挥机器人编码+调用VLA工具）和ENPIRE（Agent参与机器人研发调试流程）。
- 05DeepSeek在物理世界积累不足：其Janus系列模型主要处理图像/文本，尚未展示类似OpenAI灵巧手项目的物理交互训练成果。
- 06DeepSeek当前的具身智能动作以投资为主：2026年8月参与宇树科技IPO（出资约1.41亿），同年10月拟领投机器人AI公司Winverse AI。
反方 / 局限
- — 新路线面临两大现实问题：一是成本，机器人每次调用外部API都会产生订阅费，商业模式与传统的自研模型不同；二是实时性，当前通过API调用响应需数秒，难以满足机器人快速反应需求。
- — 文章暗示，DeepSeek在物理世界的数据积累远逊于OpenAI。OpenAI从2017年灵巧手研究到2026年建立数据采集实验室，持续获取物理反馈数据，而DeepSeek尚未展示类似的成果。
概念锚点
前置背景
平行视角
未来推演
延伸追问