7.3
深览指数
科技虎嗅·智讯智库··AI 生成
GPT-7或打穿具身智能问题，模型自研价值何在？
通用大模型（GPT-6 Astra）已在仿真、混合控制、真机评测中承接部分动作决策，王兴兴把具身智能拐点预判从「两三年」收窄到「一到两年」。文章主张自研不会消亡，但正从身份标签变回需算清投入产出的经营选择：先对齐交付底线，再算共用投入与现场支出的盈亏平衡点（举例外采20万降到10万，回本点从150个现场升至900个），最后按研发、试点、复制、经营四阶段用真实数据检验。适合做机器人战略、投资或研发投入决策的读者。原文 ↗
核心观点
- ▍自研不会消亡，但正从资本市场追捧的溢价身份标签，变回一件需要算清投入产出的务实经营选择——判断标准是多赚的钱加省下的钱能否覆盖多投的钱。
- ▍企业不必在全栈自研或全盘外购之间二选一，同一套机器人可在不同能力上分别采用直接外购、联合开发、内部自研三种分工，自研的评判标准从「模块占比」转向「相对外部方案的可复用性能增益与迭代效率」。
- 01RoboDojo 42项双臂任务评测：GPT-6 Astra 拿下 22.48% 平均成功率，超过论文对照的 40 个公开专用策略（最高 19.34%），但在精细操作、长程任务、记忆三维度仍落后；10月8日专用模型 VPP2 以 32.26% 反超。
- 02银河通用在10项任务、50个测试实例中测出：GPT-6 Astra 独立控制成功率 26%，与 π0.5 混合控制可达 48%，大部分执行步骤由 π0.5 生成、Astra 负责生成或修正。
- 03Artificial Analysis 首版真机评测 AA-Robotics v0.1：Astra 以 69.4 分排名第一但仅领先第二名 4.8 分，单次尝试调用成本 16.36 美元，是第二名 Sol（64.6分、1.93美元）的 8 倍多；四款模型单次任务平均耗时约半小时，人类只需 20 秒。
- 04Physical Intelligence 于 10月13日 开放 API 测试版：企业上传自有场景数据，即可调用云端算力微调并通过托管推理直接驱动机器人，智能「大脑」正变为可按需采购、按量付费的标准化服务。
- 05Figure 自建 Index 数据体系预训练 Helix 2.5，在模型架构、下游数据、评测条件全一致的对照中，30个未见家庭的长程任务成功率从 9% 提升到 56%。
- 06成本模型：自研共用投入 2000 万元、每现场三年 8 万元，外采共用投入 200 万元、每现场三年 20 万元，成本持平点为 150 个现场；外采单现场完整支出从 20 万降到 10 万，回本门槛从 150 个升到 900 个，涨 5 倍。
- 07PI 与洗衣机器人公司 Weave 合作，把 Weave 的场景数据喂进预训练后，每批衣物需要人插手的次数直接减半；银河通用与宇树联合研发银河星仔 Galbot ET1，协作覆盖产品定义、硬件打磨与具身智能能力研发。
反方 / 局限
- — 作者承认三份证据各有局限：企业自测、仿真验证与真机评测口径不一，真机测试中通用模型还暴露出执行节拍慢、调用成本高、连「判断任务何时完成」都不可靠（Sol 在第17分钟搭出合格积木塔仍继续操作导致失败）。
- — 回本点对参数极度敏感且基于估算：外采单价或自研维护费用的微小变化就能让回本点大幅移动，文中 2000万/8万/20万 等数字被明确声明为假设，不代表任何真实报价。
- — 作者未正面回答乐观预判本身的可信度：王兴兴口径从「快则两三年、慢则五到十年」收窄到「最快一两年」，文章称这「更像是被外部模型迭代倒逼的一次被动修正」，但未讨论若 GPT-7 未能打穿、拐点再次推迟对自研决策的影响。
GPT-6 AstraGPT-7宇树科技王兴兴银河通用Physical Intelligenceπ0.5Artificial AnalysisAA-Robotics v0.1RoboDojoFigureHelix 2.5UnifoLMIsaac GR00TGalbot ET1具身智能
26 分钟 · 5 卡片 · 13 资料
读原文 →