7.9
深览指数
科技Bestblogs·十字路口Crossing··AI 生成
当具身智能走到十字路口｜对谈苏度、蚂蚁灵波、自变量、破壳：四种一线判断
四位一线从业者围绕具身智能的数据来源、模型路线与商业化指标展开正面分歧。核心争议在于：仿真数据 vs 真实数据哪个才是规模化预训练的上限瓶颈；GPT-6 Astra 控制机械臂是降维打击还是能力有限。一个被低估的共同判断是：物理接触（contact-rich）任务是目前所有大模型的短板，具身公司的最后阵地。判断产业是否跨过泡沫的唯一硬指标是客户是否可持续递增付费。适合关注 AI 落地与机器人产业的深度读者。原文 ↗
核心观点
- ▍物理接触类任务（contact-rich）是具身公司最后的阵地，通用大模型目前做不了，这是行业被低估的硬瓶颈。
- ▍判断具身智能跨过泡沫的唯一硬指标是客户能否可持续地递增付费，而不是技术演示的惊艳程度。
- 01许华哲实测 GPT-6 Astra 能识别桌上任意物体、抓起筷子并立进杯子，但在挑开物体、叠盒子、叠衣服等 contact-rich 任务上失败。
- 02王潜指出 GPT-6 Astra 版本本身就训练进了大量机器人数据，OpenAI 与 Anthropic 长期采购数据集群并自建数据工厂，不构成对具身行业的降维打击。
- 03韩铮称苏度在 2024 年后重构仿真器与数据管线，使抓取、放置、组装等技能在物体与光线几乎无限制的组合下接近百分之百成功率。
- 04沈宇军强调真实传感器（触觉等）的信号频率、幅值与一致性在仿真中无法完美复刻，real-to-sim 的规模化比 sim-to-real 的 gap 更难。
- 05王潜以物流场景为例说明本代机器人已能做到超人类水平且客户愿意持续付费的任务，类比语言模型公司从不赚钱到商业化与前沿推进互相促进的飞轮。
- 06王潜认为当前语言模型不足以实现 RSI，因为缺少物质重制造环节——造芯片、电力、数据中心仍需人做钢筋混凝土与调参数。
反方 / 局限
- — 韩铮与沈宇军在数据路线上存在公开分歧：韩铮坚持仿真路线可规模化，沈宇军则认为真实数据因传感器不完美而不可替代，real-to-sim 才是真正瓶颈。
- — 文章未讨论全球其他主要具身公司（如 Figure AI、波士顿动力、特斯拉 Optimus）的路线选择，结论的中国语境适用性待验证。
- — 王潜对 RSI 的判断隐含假设（物质重制造是唯一缺口），但未讨论若大模型成功突破 contact-rich 能力，其对 RSI 的贡献是否会改变整体图景。
苏度科技韩铮蚂蚁灵波科技沈宇军自变量机器人王潜破壳机器人许华哲GPT-6 Astracontact-rich 任务RSI（递归自我改进）sim-to-realreal-to-sim2026 Inclusion 外滩大会
5 分钟 · 5 卡片 · 13 资料
读原文 →